機械学習 ケモインフォマティクス セミナー 7月 Zoom配信
サイトマップサイトマップ よくあるお問合わせよくあるお問合せ リクエストリクエスト セミナー会場セミナー会場へのアクセス
セミナーのメニュー
  ヘルスケア系
ライブ配信
5月
6月
7月
8月〜

化学・電気系 その他各分野
ライブ配信
5月
6月
7月
8月〜
出版物出版物
新刊図書新刊図書 月刊 化学物質管理Gmpeople
通信教育講座通信教育講座
LMS(e-learning)LMS(e-learning)
セミナー収録DVDDVD
電子書籍・学習ソフトDVD
セミナー講師のコラムです。講師コラム
  ↑2022/4/15更新!!
お申し込み・振込み要領お申込み・振込要領
案内登録案内登録
↑ ↑ ↑
新着セミナー、新刊図書情報をお届けします。

※リクエスト・お問合せ等
はこちら→ req@johokiko.co.jp



SSL GMOグローバルサインのサイトシール  



Zoom見逃し視聴あり

オンライン受講/見逃視聴なし → 

オンライン受講/見逃視聴あり → 

・【ケモインフォマティクス】を学ぶ!
・材料や医薬品といった化合物のデータ分析:具体例を挙げつつ解説!
・「未知化合物に対する物性の外挿予測」!?

化合物データに対する実用的なデータ分析と

機械学習の適用

ケモインフォマティクスによる実践アプローチ〜

<Zoomによるオンラインセミナー:見逃し視聴あり>

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 研究員 博士(工学) 椿 真史 先生

講師紹介

東北大学工学部化学バイオ工学科を卒業後、IT企業に就職。退職後、奈良先端科学技術大学院大学情報科学研究科において、機械学習やバイオインフォマティクスの研究に従事。現在は産業技術総合研究所において、ケモインフォマティクスやマテリアルズインフォマティクスの技術開発をする傍ら、企業に対するデータ分析や人工知能の導入を行っている。


日時・会場・受講料

●日時 2022年7月8日(金) 10:30-16:30
●会場  会場での講義は行いません。
●受講料
  【オンラインセミナー(見逃し視聴なし)】:1名47,300円(税込(消費税10%)、資料付)
  *1社2名以上同時申込の場合、1名につき36,300円

  【オンラインセミナー(見逃し視聴あり)】:1名52,800円(税込(消費税10%)、資料付)
  *1社2名以上同時申込の場合、1名につき41,800円

      *学校法人割引;学生、教員のご参加は受講料50%割引。→「セミナー申込要領・手順」を確認下さい。

 ●録音・録画行為は固くお断り致します。


■ セミナーお申込手順からセミナー当日の主な流れ →

配布資料・講師への質問等について

●配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
 (開催1週前〜前日までには送付致します)。
*準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
(土、日、祝日は営業日としてカウント致しません。)

●当日、可能な範囲で質疑応答も対応致します。
(全ての質問にお答えできない可能性もございますので、予めご容赦ください。)
●本講座で使用する資料や配信動画は著作物であり
 無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。
●受講に際しご質問・要望などございましたら、下記メールにてお問い合わせ下さい。 req@johokiko.co.jp

※本講座は、お手許のPCやタブレット等で受講できるオンラインセミナーです。

下記ご確認の上、お申込み下さい(クリックして展開「▼」:一部のブラウザーでは展開されて表示されます)
・PCもしくはタブレット・スマートフォンとネットワーク環境をご準備下さい。
・ご受講にあたり、環境の確認をお願いしております(20Mbbs以上の回線をご用意下さい)。
 各ご利用ツール別の、動作確認の上お申し込み下さい。
・開催が近くなりましたら、当日の流れ及び視聴用のURL等をメールにてご連絡致します。開催前日(営業日)の12:00までにメールが届かない場合は必ず弊社までご一報下さい。
・その他、受講に際してのご質問・要望などございましたら、下記メールにてお問い合わせ下さい。
 <req@johokiko.co.jp>

Zoom
Zoomを使用したオンラインセミナーとなります(クリックして展開「▼」)
・ご受講にあたり、環境の確認をお願いしております。
 お手数ですが下記公式サイトからZoomが問題なく使えるかどうか、ご確認下さい。
 → 確認はこちら
 *Skype/Teams/LINEなど別のミーティングアプリが起動していると、Zoomでカメラ・マイクが使えない事があります。お手数ですがこれらのツールはいったん閉じてお試し下さい。
 →音声が聞こえない場合の対処例

・Zoomアプリのインストール、Zoomへのサインアップをせずブラウザからの参加も可能です
 →参加方法はこちら
 →※一部のブラウザーは音声(音声参加ができない)が聞こえない場合があります、
   必ずテストサイトからチェック下さい。
   対応ブラウザーについて(公式);コンピューターのオーディオに参加に対応してないものは音声が聞こえません

見逃し視聴あり
申込み時に(見逃し視聴有り)を選択された方は、見逃し視聴が可能です。
(クリックして展開「▼」)
・原則、開催5営業日後に録画動画の配信を行います(一部、編集加工します)。
・視聴可能期間は配信開始から1週間です。
(GWや年末年始・お盆期間等を挟む場合、それに応じて弊社の標準配信期間の設定を延長します。)
 セミナーを復習したい方、当日の受講が難しい方、期間内であれば動画を何度も視聴できます。
 尚、閲覧用URLはメールでご連絡致します。
 ※万一、見逃し視聴の提供ができなくなった場合、
 (見逃し視聴あり)の方の受講料は(見逃し視聴なし)の受講料に準じますので、ご了承下さい。

 →こちらから問題なく視聴できるかご確認下さい(テスト視聴動画へ)パスワード「123456」


セミナーポイント

■講師より/本セミナーのポイント
 昨今、物理学・化学・生物学の様々なデータが膨大に蓄積され、そのような自然科学データに対する人工知能技術の応用と成功が注目されています。
 本セミナーでは、材料や医薬品をより効率的に開発するための、ケモインフォマティクスに基づく実践的なアプローチについて紹介します。化合物のデータ分析や機械学習の適用に加えて、近年注目されている深層学習を扱う際の注意点なども紹介します。特に、企業の抱える課題(データの数や多様性が少ない、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します。

■主な受講対象者は?
・各種材料の研究開発者
・特に、材料・医薬品等の化合物を取り扱っている方で、機械学習やマテリアルズインフォマティクス、ケモインフォマティクスを試みている方
・新規材料の開発に際してポイントとなる、未知化合物に対する物性の(外挿)予測をしていきたい方 等

■本セミナーで得られる主な知識・情報・ノウハウ
・材料や医薬品等の化合物データを取り扱うための鉄則
・ケモインフォマティクスに基づく、データへの実践的アプローチ方法
・化合物データのための機械学習・深層学習の基礎・方法、その応用
・未知化合物に対する物性の外挿予測:その考え方や手法 等

セミナー内容

1.化合物データへの最初のアプローチ〜機械学習を始める前に〜(90分)
※ここでは機械学習を行う前におさえておきたいデータ分析の基礎事項や大前提となるイシューの整理、またビッグデータや深層学習を巡る留意点について述べます。
 1.1 イシューからはじめよ:問題点・課題点・目的の明確化
  1.1.1 ケモインフォマティクスとは何か
  1.1.2 深層学習、機械学習、データ分析以前に行うべきこと
  1.1.3 ビッグデータの落とし穴
  1.1.4 深層学習の落とし穴
  1.1.5 イシューからはじめよ
 1.2 機械学習以前に行うべきデータ分析〜化合物データの分析を具体例に〜
  1.2.1 化合物データの特徴量・記述子
  1.2.2 相関分析・頻度分析
  1.2.3 交差項・相互作用分析
  1.2.4 回帰分析
  1.2.5 多重共線性
  1.2.6 回帰分析の解釈

2.化合物データのための機械学習と深層学習の基礎(90分)
※ここでは特に、材料や医薬品等の化合物データを取り扱っている方向けに、機械学習や深層学習の基礎事項やポイントを解説します。
 2.1 機械学習の基礎
  2.1.1 線形回帰モデルの学習
  2.1.2 リッジ回帰・ラッソ回帰のポイント:スパース推定
  2.1.3 各モデルの特徴とその使い分け
  2.1.4 機械学習の解釈
 2.2 深層学習(ニューラルネットワーク)の基礎
  2.2.1 ニューラルネットワークの構造
  2.2.2 ニューラルネットワークの学習
  2.2.3 深層学習の評価と解釈の問題
  2.2.4 深層学習の解釈

3.深層学習を材料・医薬品開発へ応用する(90分)
※ここでは実際に材料・医薬品開発へ応用していく際の要点を解説します。特に課題となっている物性の外挿予測については、その考え方やいくつかのアプローチ方法を紹介します。
 3.1 化合物の物性予測のための深層学習
  3.1.1 量子化学シミュレーションと機械学習の違い
  3.1.2 密度汎関数法の基礎
  3.1.3 量子化学と機械学習の融合
  3.1.4 化合物の物性予測
 3.2 未知化合物に対する物性の外挿予測:その考え方と課題
  3.2.1 機械学習は本質的に外挿できない
  3.2.2 入力データの外挿と出力データの外挿
  3.2.3 外挿予測のためのデータ分析の活用と転移学習の展望
 3.3 まとめ
  3.2.1 イシューとデータ分析からはじめよ
  3.2.2 機械学習と深層学習の注意点

<質疑応答>

*「Q&A」にご質問を投稿頂けます。
*口頭質問も可能です。希望者のマイクを適宜使用できるように致します。
*セミナー後の講師へのメール質問も可能です。(量や内容次第では回答しかねることもございます。ご了承くださいませ。)

セミナー番号:AD220707

top

会社概要 プライバシーポリシー 通信販売法の定めによる表示 商標について リクルート
Copyright ©2011 技術セミナー・技術書籍の情報機構 All Rights Reserved.