■本セミナーの受講形式（会場／Zoom両アイコンある場合は受講形式選択可）
……Zoomオンライン受講
……見逃し視聴選択可
〇最適な実験条件を効率的に探索できることが期待できる「ベイズ最適化」のセミナー！
〇応用上特に重要な単目的最適化、多目的最適化、ロバスト最適化問題をベースに基礎と応用を解説。
〇適用できる問題の把握や、予測モデル・獲得関数（次の実験点を決定する方法）設計の概説および実応用例など関連話題まで。
講師
名古屋工業大学 情報工学専攻 助教 稲津 佑 氏
講師紹介
2012年3月 広島大学理学部数学科卒業
2014年3月 広島大学大学院理学研究科博士課程前期数学専攻修了
2017年3月 広島大学大学院理学研究科博士課程後期数学専攻修了
2017年4月～2020年10月 理化学研究所・革新知能統合研究センター・特別研究員
2020年11月～ 現職
ガウス過程回帰などに代表されるベイズ最適化手法に基づいたBlack-box関数最適化の研究に従事.
＜その他関連セミナー＞
機械学習・AI 一覧はこちら
日時・受講料・お申込みフォーム
●日時：2025年4月23日(水) 10:30-16:30 ＊途中、お昼休みや小休憩を挟みます。
●受講料：
【オンライン受講（見逃し視聴なし）】：1名 50,600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39,600円
【オンライン受講（見逃し視聴あり）】：1名 56,100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45,100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」を確認ください。
●録音・録画行為は固くお断りいたします。
お申込みはこちらから
配布資料・講師への質問など
●配布資料は、印刷物を郵送で1部送付いたします。
・お申込みの際にお受け取り可能な住所を必ずご記入ください。
・郵送の都合上、お申込みは4営業日前までを推奨します。（土、日、祝日は営業日としてカウントしません。）
・それ以降でもお申込みはお受けしておりますが（開催1営業日前の12:00まで）、その場合、テキスト到着がセミナー後になる可能性がございます。ご了承の上お申込みください。
・資料未達の場合などを除き、資料の再配布はご対応できかねますのでご了承ください。
●当日、可能な範囲でご質問にお答えします。（全ての質問にお答えできない可能性もございます。何卒ご了承ください。）
●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・販売などは禁止いたします。
●ご受講に際しご質問・要望などございましたら、下記メールアドレス宛にお問い合わせください。
req@*********（*********にはjohokiko.co.jpを入れてください）
オンラインセミナーご受講に関する各種案内（必ずご確認の上、お申込みください。）
※メールアドレスの記載誤りについては、以下へご連絡お願いいたします。
req@*********（*********にはjohokiko.co.jpを入れてください）
→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で音声が聞こえない、カメラ・マイクが使えないなどの事象が起きる可能性がございます。お手数ですが、これらのアプリは閉じた状態にてZoomにご参加ください。
→音声が聞こえない場合の対処例
→一部のブラウザは音声が聞こえないなどの不具合が起きる可能性があります。
対応ブラウザをご確認の上、必ず事前のテストミーティング をお願いします。
（iOSやAndroidOS ご利用の場合は、アプリインストールが必須となります）
→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」
＜見逃し視聴ご案内の流れ・配信期間詳細＞
セミナーポイント
■はじめに：
製造業などの様々な実応用の場において，実験工程の効率化やパラメータの調整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た適応的実験計画により，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します．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（閲覧しなくても受講可能です）：
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）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．関連する話題
6.1 実応用例
6.2 理論解析
７．まとめ
＜質疑応答＞
お申込みはこちらから
