化学工学におけるビッグデータ非依存のニューラルネットワーク活用手法～基礎から応用・実例まで～

セミナー趣旨

  近年、機械学習・AIに関する技術が急速に発達しており、様々なシーンで活用が進められています。一般的にAIを利用するためにはビッグデータの存在が前提となることが多いですが、工業的にAIを活用する場合に必ずしも大量のデータ収集が可能であるとは限りません。
  本講座では、主にデータの限られた工学的な場面におけるAIの活用を想定し、ビッグデータに依存しないニューラルネットワークの利用手法について紹介します。ニューラルネットワークの応用的な利用方法を紹介しますが、本分野に馴染みのない方にも理解して頂けるように、講座の前半では主にニューラルネットワークを対象とした機械学習の基本的な知識について、後半では応用的な内容や実例について説明します。
  「これからAIを導入したいが、どのように導入すれば良いか分からない」、「AIを導入してみたがいまいち効果が上がらない」という方々に是非聴講いただければと思います。

受講対象・レベル

・機械学習の利用を考えているがどのようなシーンで利用すべきか困っている方
・機械学習を使い始めたが、業務への活用において行き詰っている方
・機械学習を基礎から学びたい方

必要な予備知識

本分野に興味のある方なら特に予備知識は必要ありません。

習得できる知識

・機械学習の基礎知識
・ニューラルネットワークの種類
・ニューラルネットワークで実現できる事
・データが限られている場合の機械学習の活用方法
など

セミナープログラム

１．機械学習の基本について
　1）機械学習について
　2）古典的なデータ解析手法と機械学習
　3）ビッグデータと機械学習
　4）ニューラルネットワークの基本
　　a）モデルの原理
　　b）誤差逆伝播法の原理
２．様々なニューラルネットワーク
　1）全結合型ニューラルネットワーク
　2）時系列データ用ニューラルネットワーク
　　a）回帰式ニューラルネットワーク
　　b）長短期記憶型ニューラルネットワーク
　　c）微分方程式型ニューラルネットワーク
　3）畳み込み型ニューラルネットワーク
　　a）畳み込み演算について
　　b）画像・動画処理用のニューラルネットワーク
　4）グラフ処理用ニューラルネットワーク
　　a）グラフ処理とアテンション機構
　　b）グラフ処理と順序不変性
　　c）メッセージ伝播型ニューラルネットワーク
３．化学工学分野における機械学習の利用例
　1）汎用的データ処理のためのニューラルネットワーク
　　a）ハイパーパラメーター調整
　　b）パラメーター更新戦略
　　c）制約条件導入
　　d）事前学習
　2）化学反応解析のためのニューラルネットワーク
　　a）対数計算導入
　　b）理論モデルとの整合性の担保
　　c）物質収支計算の導入
　　d）時系列データからの学習
　3）分子構造認識のためのニューラルネットワーク
　　a）分子記述子の選定
　　b）理論計算結果の活用
＜質疑応答＞

＊途中、小休憩を挟みます。

セミナー講師

 静岡大学 学術院工学領域 化学バイオ工学系列 講師　 村上 裕哉 氏

■ご略歴
2018年4月-2020年3月　日本学術振興会、特別研究員 (DC2)
2020年4月-2024年3月　東京理科大学、工学部 工業化学科、助教
2023年4月-2024年3月　東京電機大学、工学部 応用化学科、非常勤講師 （兼任）
2024年4月-　静岡大学、学術院工学領域 化学バイオ工学系列、講師
現在に至る

セミナー受講料

【オンライン受講（見逃し視聴なし）】：1名 40,700円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき29,700円

【オンライン受講（見逃し視聴あり）】：1名 46,200円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき35,200円

＊学校法人割引：学生、教員のご参加は受講料50％割引。

受講について

• 配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
  （開催1週前～前日までには送付致します）
  ※準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
  （土、日、祝日は営業日としてカウント致しません。）
• 受講にあたってこちらをご確認の上、お申し込みください。
• Zoomを使用したオンラインセミナーです
  →環境の確認についてこちらからご確認ください
• 申込み時に（見逃し視聴有り）を選択された方は、見逃し視聴が可能です
  →こちらをご確認ください