Pythonによるマテリアルズ・インフォマティクスの基礎と実践  ~ デモ付 ~ <オンラインセミナー>

~ 機械学習の基礎とscikit-learnを用いたベイズ最適化による自動探索、マテリアルズ・インフォマティクスへの応用 ~

・機械学習、scikit-learnの活用法を基礎から学び、マテリアルズ・インフォマティクスに活かすための修得講座

・機械学習により何が行えるのかを理解し、合成条件の最適化を応用した物性物理・材料開発に活かそう!

オンラインセミナーの詳細はこちら:

・WEB会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。

講師の言葉

 材料開発期間を圧縮すること、合成条件の最適化を行うことを大目的として物性物理・材料開発分野にも情報理論の適用が世界的に進んでいます。しかし、流行りだからでなく、機械学習により何が行えるのかをまず理解することが機械学習の導入・運用を成功させるには不可欠です。
 本セミナーでは数式を用いた理論的な説明を最小限にして、マテリアルズ・インフォマティクスで何が行えるかの理解をデモ形式で深める事を目的としています。
デモでは、結晶データおよびscikit-learnに含まれるデータを用いて、jupyter notebook環境上のPythonスクリプトにより行います。

セミナー詳細

開催日時
  • 2022年02月03日(木) 10:30 ~ 17:30
開催場所 オンラインセミナー
カテゴリー オンラインセミナー加工・接着接合・材料化学・環境・異物対策ソフト・データ・画像・デザイン
受講対象者 ・Pythonは分かるが更に機械学習の基礎を学びたい方
・scikit-learnの簡単な使い方を学びたい方
・マテリアルズ・インフォマティクスの導入を検討されている方
・材料の設計、研究開発に携わる研究者・技術者の方
予備知識 ・Pythonの基礎知識
修得知識 ・演繹法とは異なる情報理論の問題の捉え方の理解
・機械学習の基礎知識
・scikit-learnの基礎的な適用方法
・マテリアルズ・インフォマティクスの簡単な適用
プログラム

1.序:演繹法と異なる機械学習の考え方
  (1).機械学習の四問題
  (2).機械学習適用の四過程
  (3).計算機を用いた新帰納法
  (4).母集団とサンプリング
    a.汎化性能
    b.訓練データとテストデータ
    c.記述子

2.機械学習の基礎
  (1).教師あり学習
    a.訓練データとテストデータへの分離方法
    b.クロスバリデーション適用方法
    c.回帰手法
      ・線形回帰(罰則項なし、Lasso、リッジ回帰)
      ・カーネルリッジ回帰
    d.分類(classification)手法
      ・ロジスティック回帰
      ・二値分類
      ・多値分類
  (2).教師なし学習
    a.次元圧縮手法
      ・PCA
      ・多様体学習
    b.クラスタリング(clustering)手法
      ・KMeans法
      ・ガウス混合法
      ・階層クラスタリング

3.scikit-learnを用いたマテリアルズ・インフォマティクスの応用
  (1).ベイズ最適化による自動探索
    a.ガウス過程回帰
    b.獲得関数
    c.候補点探索自動化

4.応用付録 
  (1).Lassoを用いたトモグラフ画像再構成
  (2).PCAを用いた推薦システム
  (3).ガウス過程を併用した線形回帰
  (4).全探索
  (5).記述子重要性

キーワード マテリアルズインフォマティクス 機械学習 scikit-learn Python ベイズ 回帰手法 クラスタリング PCA
タグ AI・機械学習エコマテリアル材料
受講料 一般 (1名):49,500円(税込)
同時複数申込の場合(1名):44,000円(税込)
会場
オンラインセミナー
本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。
こちらのセミナーは受付を終了しました。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
contact us contact us
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888

営業時間 月~金:9:00~17:00 / 定休日:土日・祝日