1. ホーム
  2. アーカイブ配信
  3. マテリアルズ・インフォマティクスの基礎と実践事例【アーカイブ配信】

マテリアルズ・インフォマティクスの基礎と実践事例【アーカイブ配信】
実践事例を通じて、マテリアルズ・インフォマティクスのプロジェクトの進め方を理解し、
自社のプロジェクトに応用する方法を習得できる！

こちらは8/29（木）実施WEBセミナーのアーカイブ（録画）配信です。期間中何度でも視聴できます

セミナー概要
略称
マテリアルズインフォマティクス【アーカイブ配信】
セミナーNo.
240819A
配信開始日
2024年08月30日（金）
配信終了日
2024年09月13日（金）
主催
（株）R＆D支援センター
問い合わせ
Tel：03-5857-4811　E-mail：info@rdsc.co.jp　問い合わせフォーム
講師
大阪公立大学大学院 情報学研究科
学際情報学専攻　准教授
上杉 徳照氏

＜ご略歴＞
2005年 大阪府立大学大学院工学研究科マテリアル工学分野 助手
2007年 同 助教、2013年 同 講師、2017年 同 准教授
2019年 大阪府立大学大学院人間社会システム科学研究科 准教授
2022年 大阪公立大学大学院情報学研究科学際情報学専攻 准教授

＜学協会＞
　日本材料学会、情報処理学会、日本金属学会、人工知能学会、軽金属学会、日本鉄鋼協会、鋳造工学会など
価格
非会員：  55,000円 （本体価格：50,000円）
会員：  49,500円 （本体価格：45,000円）
学生：  55,000円 （本体価格：50,000円）
価格関連備考
会員（案内）登録していただいた場合、通常1名様申込で55,000円（税込）から
　★1名で申込の場合、49,500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55,000円（2人目無料）です。

※LIVE配信とアーカイブ配信（見逃し配信）両方の視聴を希望される場合
　会員価格で1名につき55,000円（税込）、2名同時申込で66,000円（税込）になります。
　メッセージ欄に「LIVEとアーカイブ両方視聴」と明記してください。

◆◇◆10名以上で同時申込されるとさらにお得にご受講いただけます。◆◇◆
お申込みご希望の方は 【こちら】からお問い合わせください。

会員登録とは？　⇒　よくある質問
備考
・こちらは8/29（木）実施WEBセミナーのアーカイブ（録画）配信です。
・配信期間に閲覧用URL（※データの編集は行っておりません）、資料（PDF）をお送りします。
セミナー資料の無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。
講座の内容
受講対象・レベル
素材・材料製造業で活躍する技術者、研究者、プロダクトマネージャー、および製造プロセスの革新を目指す企業の意思決定者を対象にしています。
機械学習を現実の製造業にどのように適用し、結果を最大化するかを学びたいと考えている方に最適です。
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。
習得できる知識
・機械学習の基本的な原理とアプローチを理解できる。
・マテリアルズ・インフォマティクスのための機械学習応用技術と関連技術を理解し、これらを実務に組み込む方法を習得できる。
・実践事例を通じて、マテリアルズ・インフォマティクスのプロジェクトの進め方を理解し、自社のプロジェクトに応用する方法を習得できる。
趣旨
　製造業における技術革新を推進するために機械学習とマテリアルズ・インフォマティクスの活用に焦点を当てます。参加者は機械学習の基本原理やアプローチを学び、これらを実際の製造プロセスに適用する方法を理解する機会を得ます。特に、マテリアルズ・インフォマティクスで使用される機械学習の応用技術とその周辺技術について掘り下げ、これらを現場に組み込む具体的な事例を提示します。
　実践事例を豊富に取り入れることで、理論から具体的なプロジェクトへの応用までのステップを説明します。これにより、参加者はマテリアルズ・インフォマティクスプロジェクトの始め方を体系的に理解し、自社のプロジェクトに直接応用する能力を身に付けます。本セミナーは、新材料設計、材料製造プロセスの効率化、画像による材料検査の自動化を目指す技術者や研究者にとって、業務の質を向上させ、競争力を高めるための知識とスキルを提供します。
プログラム

1. 機械学習の基礎
 1-1. 人工知能と機械学習
 1-2. 機械学習の種類と流れ
 1-3. データの分割
 1-4. 過学習と交差検証
 1-5. ハイパーパラメータの最適化
 1-6. 精度評価指標
 1-7. ノーフリーランチ定理
 1-8. 線形回帰からニューラルネットワーク
 1-9. 深層学習
 1-10.データの質と量
 1-11.内挿と外挿

2.機械学習の応用技術
 2-1. 教師なし学習
 2-2. 説明可能AI
 2-3. 醜いアヒルの子の定理
 2-4. 特徴量エンジニアリング
 2-5. 正則化とデータ拡張
 2-6. 不均衡データ
 2-7. 転移学習
 2-8. 二重交差検証
 2-9. モデルの適用範囲

3.機械学習の周辺技術
 3-1. 機械学習の用途
 3-2. 因果推論
 3-3. 第一原理計算
 3-4. 逆問題と最適化
 3-5. 画像解析

4.製造業への応用
 4-1. アンチパターンから学ぶ
 4-2. データ活用人材
 4-3. 銀の弾などない
 4-4. 開発環境

5.実践事例
 5-1. 添加剤の歩留まり最適化
 5-2. 外観検査への応用
 5-3. 破面解析への応用
 5-4. 第一原理計算からの転移学習
 5-5. 合金組成の最適化

キーワード
マテリアルズインフォマティクス,機械学習,深層学習,第一原理計算,画像解析,セミナー,講演
関連するセミナー
関連する書籍
関連するDVD
関連する通信講座
関連するタグ
フリーワード検索
カテゴリ別検索
カテゴリ別検索