【中止】材料・医薬品開発のためのデータ分析・機械学習・深層学習の応用技術 -グラフニューラルネットワークの応用を中心に-

49,500 円(税込)

※本文中に提示された主催者の割引は申込後に適用されます

※銀行振込 または、当日現金でのお支払い

このセミナーの申込みは終了しました。


よくある質問はこちら

このセミナーについて質問する
開催日 10:30 ~ 16:30 
締めきりました
主催者 サイエンス&テクノロジー株式会社
キーワード 機械学習・ディープラーニング   化学反応・プロセス   医薬品技術
開催エリア 全国
開催場所 Live配信セミナー(会社・自宅にいながら受講可能)

グラフニューラルネットワークの基礎と
材料・医薬品開発への応用、
問題点や有用性の有無について解説

実データ・実用途におけるデータ分析・機械学習による課題解決のアプローチと注意点についても解説します

「データの多様性が少ない」「予測精度よりも解釈性を重視する」等の企業の実情に沿ったデータ分析・機械学習・深層学習の応用とその注意点について講師の経験を踏まえて解説します。

セミナー講師

産業技術総合研究所 人工知能研究センター 機械学習研究チーム 博士(工学) 椿 真史 氏

セミナー受講料

定価:49,500円(オンライン受講価格:35,200円)

<セミナー主催者のメルマガ登録をされる場合>
特別割引価格:
1名:46,970円(オンライン受講価格:33,440円)
2名:49,500円(1名分無料:1名あたり24,750円)
3名以上のお申込みの場合、1名につき24,750円で追加受講できます。

※オンライン受講価格は、Live/アーカイブ/オンデマンドの受講を1名様でお申込みいただいた場合の価格です。複数お申込みでは適用されません。

※複数割引はお申込者全員のメルマガ登録が必須です。同一法人内(グループ会社でも可)によるお申込みのみ適用いたします。
※請求書(PDFデータ)は、代表者にE-mailで送信いたします。
※請求書および領収証は1名様ごとに発行可能です。(申込みフォームの通信欄に「請求書1名ごと発行」と記入ください。)
※他の割引は併用できません。

※セミナーの視聴・資料のダウンロードのため、セミナー主催者の会員登録が必須となります。お申込みと同時に会員登録をさせていただきます。

【セミナー主催者のメルマガ登録】
ものづくりドットコムの無料会員登録に加えて、セミナー主催者でのメルマガ登録を行っていただきますと、特別割引価格でセミナーをご受講いただくことが可能です。
セミナー主催者でのメルマガ登録をご希望されるかどうか、セミナー申込みページにて確認項目がございます。
セミナー主催者の会員詳細はこちら

受講について

Zoom配信の受講方法・接続確認

  • 本セミナーはビデオ会議ツール「Zoom」を使ったライブ配信となります。PCやスマホ・タブレッドなどからご視聴・学習することができます。
  • 申込み受理の連絡メールに、視聴用URLに関する連絡事項を記載しております。
  • 事前に「Zoom」のインストール(または、ブラウザから参加)可能か、接続可能か等をご確認ください。
  • セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
  • セミナー中、講師へのご質問が可能です。
  • 以下のテストミーティングより接続とマイク/スピーカーの出力・入力を事前にご確認いただいたうえで、お申込みください。
    ≫ テストミーティングはこちら

配布資料

  • PDFデータ/印刷可

セミナー趣旨

 本セミナーでは、材料や医薬品などの開発のためのデータ分析と機械学習技術について講義する。特に近年注目されている深層学習モデルである、化合物データに特化したグラフニューラルネットワークとその周辺知識について理解を深めることを目指す。同時に、深層学習を扱う際の注意点を紹介しながら、企業の抱える実データや実用途における課題(例えば、データの多様性が少ない・予測精度よりも解釈性を重視する等)をどのように解決すべきかについて、講演者の経験を交えながら講義する。

受講対象・レベル

  • データサイエンスに基づく課題解決を考えている方
  • 材料・医薬品データに関する知識を持ち、機械学習についても基本的な知識を持っている方
    その上で、より発展的な技術である深層学習について学びたい方

習得できる知識

  • データサイエンスに基づく課題解決のアプローチ
  • データ分析・機械学習の基礎と、実データや実用途における注意点
  • 材料・医薬品データに特化した深層学習の応用

セミナープログラム

  1. 機械学習以前の基礎〜化合物のデータ分析などを具体例に〜
    1. イシューからはじめよ
      1. 深層学習、機械学習、データ分析以前に行うべきこと
      2. ビッグデータの落とし穴
      3. 深層学習(機械学習)の落とし穴
      4. イシューからはじめよ
    2. 機械学習以前に行うべきデータ分析
      1. 相関分析・頻度分析
      2. 交差項・相互作用分析
      3. 回帰分析
      4. 多重共線性
      5. 回帰分析の解釈 
  2. 機械学習と深層学習(グラフニューラルネットワーク)の基礎
    1. 機械学習の基礎
      1. 線形回帰モデルの学習
      2. リッジ回帰・ラッソ回帰
      3. モデルの使い分け
    2. グラフニューラルネットワークの基礎
      1. ニューラルネットワークの構造
      2. 計算グラフと誤差逆伝播法による学習
      3. グラフニューラルネットワークの構造
      4. 深層学習の評価と解釈の問題 
  3. 深層学習を材料・医薬品開発へ応用する
    1. 化合物物性予測のための深層学習
      1. 量子化学シミュレーションと機械学習の違い
      2. 密度汎関数法の基礎
      3. 量子化学と機械学習の融合
      4. 化合物の物性予測
      5. 転移学習の展望
    2. まとめ
      1. イシューとデータ
      2. 機械学習と深層学習

□質疑応答□