技術者・研究者のための実験計画法講座(PC実習付き)

ハンズオンによるパソコン実習で、実験計画法の理解をより深める


★ 希望者には当日のサンプルデータ・Pythonのプログラムのファイルを配布します!

※ Pythonによるパソコン実習がございます。
  事前にPythonをインストールしたパソコンの持参をお願いいたします。


講師


明治大学 理工学部 専任講師 博士(工学) 金子 弘昌 氏

<所属等>

国立研究開発法人理化学研究所 客員主幹研究員
大阪大学 太陽エネルギー化学研究センター 招聘准教授


受講料


■ R&D会員登録していただいた場合、通常1名様申込で49,980円(税込)から
・1名で申込の場合、47,250円(税込)へ割引になります。
・2名同時申込で両名とも会員登録をしていただいた場合、計49,980円(2人目無料)です。


(まだR&D会員未登録の方は、申込みフォームの通信欄に「会員登録情報希望」と記入してください。詳しい情報を送付します。ご登録いただくと、今回から会員受講料が適用可能です。)


受講対象・レベル


・実験計画法や適応的実験計画法について、統計の基礎から学びたい方
・実験計画法の理論を学ぶだけでなく、自分の手で実際に実験計画法を行いたい方
・効率的な実験を計画することで、目標を達成するまでの実験にかかる費用やコストを
 削減したい方
・実験データを用いた解析について知りたい方
・実際に実験データを用いた解析を実施したい方
・実験計画をする際の注意点を、ハンズオンを通して習得したい方


必要な予備知識


特に予備知識は必要ありません。基礎から解説いたします。
プログラミングの経験も不要です。


習得できる知識


・実験計画法および適応的実験計画法を習得できる
・実験計画法を実現するためのデータ解析の理論を理解できる
・直交計画法による低予算で効率的な実験計画を立てられる
・Pythonにより実験計画法・データ解析のためのプログラミングができるようになる
・ご自身で実験計画を組めるようになる
・ご自身でデータ解析をできるようになる
・Pythonを駆使して、実験計画法・データ解析をご自身の業務に活用できる。


趣旨


 高機能性材料の開発やコンピュータシミュレーションによる設計などの研究・開発の現場において、効率的に実験・製造を実施するために実験計画法を活用することが一般的になっています。例えば5つの実験パラメータ (反応温度や反応時間など) があり、それぞれ 10 の候補の値がある場合、すべての組み合わせは 10 万通りにもなってしまいます。しかし実験計画法を用いれば、その中の数回の実験候補から実験パラメータと材料の物性・活性との間の関係性をモデル化することで、所望の物性・活性を実現するための実験候補を効率的に探索できます。
 本講座では、そのような実験計画法・適応的実験計画法の基礎および実践、そして実験計画法を実現するためのデータ解析理論を解説するだけでなく、ノートパソコンにより受講者自身で実験計画法を実施したりデータ解析によりモデル化および新しい実験の探索をしたりするための Python によるハンズオン実習を行います。実体験を通して実験計画法を理解し、今後ご自身の業務・研究で活用でき即戦力になります。なお希望者には、当日のサンプルデータ・Pythonのプログラムのファイルをすべてお渡しします。


プログラム


1. 基礎統計
 1-1. 基礎統計量
 1-2. データの分布を考える
 1-3. t検定
 1-4. 分散分析
 1-5. 母平均の区間推定

2. 実験計画法
 2-1. 実験計画法とは?
 2-2. どのように実験計画を立てればよいか?
 2-3. 直交配列表
 2-4. いろいろな直交配列表
 2-5. 直交配列表の作成
 2-6. いろいろな最適基準
 2-7. 標本サイズはいくつがよいか?

3. 実験計画法の実践および適応的実験計画法
 3-1. 適応的実験計画法とは?
 3-2. どのように実験計画の立案と実験をすればよいか?
 3-3. 実験結果のばらつきを考える
 3-4. 最小二乗法による線形重回帰分析
 3-5. 非線形重回帰分析
 3-6. 応答曲面計画法
 3-7. 高度な適応的実験計画法
 3-8. ガウス過程による回帰 (Gaussian Process Regression, GPR)
 3-9. ベイズ最適化 (Bayesian Optimization)

4. Pythonによる実験計画法の実習を通した理解の深化
 4-1. Jupyter Notebookの使い方
 4-2. Pythonプログラミング基礎
 4-3. 実験計画法の実習
 4-4. 直交配列表の作成
 4-5. 回帰モデルの構築
 4-6. 新たな実験の探索
 4-7. ベイズ最適化 (Bayesian Optimization)

5. まとめ
 5-1. さらに深みを目指すために
 5-2. 質疑応答

 キーワード 実験計画法,実習,直行配列,分散分析,標本,Python,統計,セミナー,講習会