ベイズ最適化入門～基礎・方法論とモデリング・実装方法等～

創薬や材料科学分野の研究開発など、データ取得コストが
非常に高い分野で有望なベイズ最適化の基礎知識を、
実例を通じて学べます。

講師

理化学研究所 革新知能統合研究センター（AIP）
特別研究員　博士（情報科学） 松井 孝太 先生

受講料

1名41,040円(税込（消費税8％）、資料付)
＊1社2名以上同時申込の場合 、1名につき30,240円
＊学校法人割引 ；学生、教員のご参加は受講料50％割引。

セミナーポイント

　科学的な営みを実行していく上で、「設計」や「計画」は疎かにすることができない重要なプロセスである。設計や計画が問題の根幹となっている例は、ロボット開発、創薬、天然資源の探鉱など枚挙に暇がない。近年、設計・計画問題に対するデータ駆動型のアプローチ（また、それを実現するための情報技術である機械学習）が注目されている。
　データ駆動型アプローチは、データ分析の方法だけでなく、データ収集の方法も考察の対象とする。特に後者の性質は、ものづくりなどデータ収集コストが非常に高い分野においては重要な意味を持つ。
　本セミナーでは、データ駆動型アプローチの1つであるベイズ最適化に注目し、その基本的な方法論と、現実の問題をどのように計算機上でシミュレート可能なモデルに落とし込むかというアイデアについて解説したい。

○ 受講対象：
　医学（創薬）や材料科学など、データ取得コストが比較的高い分野の実務者の方

○ 受講後、習得できること：
　ベイズ最適化の基礎知識
　ベイズ最適化の計算機実験の方法（Pythonによる実装例を紹介予定）

セミナー内容

1.導入
　1) 高データ取得コストの問題（創薬・新規材料開発を例に）
　2) 機械学習によるデータ駆動型アプローチ（能動学習という考え方）

2.ベイズ最適化の基礎知識
　1) ブラックボックスなシステムのベイズ統計的モデリング
　　a) ベイズ線形回帰
　　b) ガウス過程回帰
　2) ベイズ最適化の方法論
　　a) 獲得関数の設計
　　b）回帰問題におけるベイズ最適化
　　c) 判別問題におけるベイズ最適化
　　d) 超パラメータの設計
　　e) 応用例の紹介

3. ベイズ最適化の実行法
　1) Pythonによるベイズ最適化の実装方法
　　a) ベイズ線形回帰の実装
　　b）ガウス過程回帰の実装
　　c) 最大値探索のためのベイズ最適化の実装
　2) ベイズ最適化の実行例の紹介
　　a) 学習アルゴリズムの超パラメータ調整への適用例
　　b）新規材料探索問題への適用例

 ＜質疑応答＞