Pythonスペクトル解析【e-Learning】
東海国立大学機構名古屋大学
大学院生命農学研究科 准教授
稲垣 哲也氏
【ご専門】
林産科学、データサイエンス、ケモメトリクス
◆特典◆
(1)講師の著書『PythonとChatGPTを活用する スペクトル解析実践ガイド ケモメトリクスから機械学習まで (KS化学専門書) 』を進呈いたします。
(2)現在解析されているスペクトルに関する業務上お困りの点について、個別でご質問を受け付けいたします。
(3)講師にスペクトルデータを共有いただけますと、そのスペクトルデータを用いた解析例を個別で返信いたします。
[一般価格]
1名で受講した場合:
55,000円
(本体価格:50,000円)
2名で受講した場合:
99,000円
(本体価格:90,000円)
3名で受講した場合:
132,000円
(本体価格:120,000円)
4名以上で受講した場合の1名あたり追加金額:
44,000円
(本体価格:40,000円)
[会員価格]
1名で受講した場合:
44,000円
(本体価格:40,000円)
2名で受講した場合:
55,000円
(本体価格:50,000円)
3名で受講した場合:
66,000円
(本体価格:60,000円)
4名以上で受講した場合の1名あたり追加金額:
22,000円
(本体価格:20,000円)
※請求書はお申し込みを受理次第、発送させていただきます。
【e-Learningの申し込みから講座終了までの流れ】
・申し込みいただきましたら、2営業日以内に請求書を発送いたします。
・視聴用URL、教材は開講日(視聴期間開始日)にメールにてご連絡いたします。
・期間内は何度でも視聴可能です。視聴にはメールアドレス、パスワードが必要です。
視聴期間: 2025年6月18日(水)~2025年9月18日(木)(3か月間)
・申込代表者様に他の受講者様の接続状況などをご報告することも可能です。
社内研修などにぜひご活用ください。
・演習問題のご提出は、必ず期限までにご送付ください。
動画内容や演習問題に関する講師への質問も、同期限とさせていただきます。
演習問題提出期限:2025年6月18日(水)~2025年9月18日(木)16時まで
講師への質問期限:2025年6月18日(水)~2025年9月18日(木)16時まで
※模範解答と添削結果は、10月20日(月)を目途に受講者様全員に送付いたします。
※質問への回答は、10月20日(月)までに質問者に個別返信いたします。
・一定の基準をクリアした方には「修了証」のPDFもご一緒にご送付します。
※修了証は、弊社発行の受講終了確認書となります。
・特典(1)について
特典書籍の発送日:2025年6月18日(水)
※お申込み時に、お届け先をご指定ください。
・特典(2)(3)について
・業務上お困りの点のご質問や解析希望スペクトルデータは下記期限までご連絡ください。
講師への質問期限:2025年6月18日(水)~2025年9月18日(木)16時まで
※質問への回答・解析例は、11月21日(金)までに質問者に個別返信いたします。
【動画時間】9時間4分(前編4時間39分・後編4時間25分)
【動画収録月】2025年2月
「スペクトルを取り扱うすべての大学生・大学教員・研究者・データサイエンティスト」を対象とし,スペクトルにケモメトリクスや機械学習を適用して分類・定量を行う方法について学んでいきます。皆さん自身でプログラムを駆使して分類・定量を自由自在に行えるようにするためは1.プログラム言語(python),2.統計,3.ケモメトリクス・機械学習,4.スペクトル,5.試料について学ぶ必要があります。この講演では1-3について初学者の方でも十分理解できるように丁寧に説明を進めていきます。もちろんこれらを十分理解されている方にとっても新しい発見のある内容となっています。統計・ケモメトリクス・機械学習のそれぞれで,その内容について詳しく説明した後,ダウンロード可能なデータを用いて,pythonプログラムによって解析を進めることで,理論と実践の両方を理解していきます。プログラムを効率的に書くためにChatGPTも用います。
【前編】
1.はじめに
1-1. ケモメトリクスと機械学習
1-2. pythonについて
1-3. ChatGPTによるプログラム支援
2.ケモメトリクスとは
2-1. Lambert-beer則
2-2. CLS
2-3. ILS
2-4. PCA
2-5. PLSR
2-6. 正規分布スペクトルを用いて、ケモメトリクスを実践
【後編】
3.機械学習とは
3-1. 近傍法
3-2. ランダムフォレスト
3-3. サポートベクトルマシン
3-4. ニューラルネットワーク
3-5. アイリスデータを用いて機械学習を実践
4.スペクトル前処理
4-1. 中心化・標準化
4-2. スムージング
4-3. カーブフィッティング
4-4. 微分処理
4-5. NIRスペクトルに前処理を適用
5.ケモメトリクス実践
5-1. スペクトルデータから目的変数を予測する
5-2. HSIデータへの応用と画像解析
5-3. NIR-HISにケモメトリクス、機械学習を適用
ケモメトリクス,機械学習,Python,e-Learning,通信,WEB,研修