・見逃し視聴ありでお申込み頂いた方は、セミナーの録画動画を一定期間視聴可能です。
・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。
・原則、遅くとも開催4営業日後までに録画動画の配信を開始します（一部、編集加工します）。
・視聴期間はセミナー開催日から4営業日後を起点に1週間となります。
ex) 2/6（月）開催 セミナー → 2/10（金）までに配信開始 → 2/17（金）まで視聴可能
※メールにて視聴用URL・パスワードを配信します。配信開始日を過ぎてもメールが届かない場合は必ず弊社までご連絡ください。
※準備出来しだい配信致しますので開始日が早まる可能性もございます。その場合でも終了日は変わりません。
上記例の場合、2/8（水）から開始となっても2/17まで視聴可能です。
※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設定を延長します。
※原則、配信期間の延長は致しません。
※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、ご了承ください。
→見逃し視聴について、
こちらから問題なく視聴できるかご確認ください。（テスト視聴動画へ） パスワード「123456」
セミナー開催にあたって
■はじめに：
製造業などの様々な実応用の場において，実験工程の効率化は重要な課題である．近年，機械学習・AI技術を用いることによる実験工程の効率化に関する研究が多数行われている．特に，ベイズ最適化と呼ばれる機械学習アルゴリズムを用いることにより，最適な実験条件を効率的に探索することが期待できる．
本セミナーでは，応用上特に重要となる単目的最適化，多目的最適化およびロバスト最適化問題をベースにベイズ最適化手法の基礎と応用について解説する．また，ベイズ最適化を行う際は適切な予測モデルおよび獲得関数と呼ばれる評価関数を設計する必要があるが，どのような問題に対してどのようなモデル，獲得関数を設計すべきかについても概説する．
■受講対象者：
・本テーマに興味がある方．
・ベイズ最適化がどのような問題に対して適用できるかについて興味がある方
・データの観測にコストがかかる問題を扱う方．高コストな単一目的関数，多出力関数，あるいは，入力の不確実性を考慮したロバストな最適化を扱いたい方．
■必要な予備知識：
確率・統計の基礎知識
■事前に目を通しておくと理解が深まる文献：※閲覧必須ではありません。
ベイズ最適化に関する書籍。例えば，書籍「ベイズ最適化ー適応的実験計画の基礎と実践ー」（今村秀明・松井孝太 著，近代科学社，2023/08，https://www.kindaikagaku.co.jp/book_list/detail/9784764906631/）などを一読するとさらに理解が深まる。
■本セミナーで習得できること：
・機械学習アルゴリズムを用いた適応的実験計画，特に，ベイズ最適化に関する基礎的な考え方
・ベイズ最適化が適用できる問題の把握
・予測モデルや獲得関数（次の実験点を決定する方法）の設計には多様性があるが，それらの大まかな特徴
など
セミナー内容
１．はじめに
1.1 ブラックボックス関数について
1.2 ベイズ最適化に関して
２．ガウス過程回帰モデルと獲得関数について
2.1 ガウス過程回帰モデル
2.2 獲得関数の基礎
３．単目的最適化問題におけるベイズ最適化手法
3.1 最大化問題
3.2 領域推定問題
４．多目的最適化問題におけるベイズ最適化手法
4.1 スカラー化関数最適化
4.2 制約付き最適化
4.3 パレート最適化
５．ロバスト最適化問題におけるベイズ最適化手法
5.1 期待値尺度最大化問題
5.2 期待値尺度に対する領域推定問題
5.3 分布ロバストな期待値尺度最大化問題
5.4 その他のロバスト尺度を用いた例
６．多目的ロバスト最適化問題におけるベイズ最適化手法
6.1 期待値尺度と分散尺度に関する多目的最適化
6.2 機会制約付き最適化
6.3 分布ロバストな期待値尺度に関するパレート最適化
6.4 その他の多目的ロバストベイズ最適化
７．関連する話題
7.1 実応用例
7.2 理論解析
８．まとめ
＜質疑応答＞
よくあるお問合せ
リクエスト
セミナー会場へのアクセス
