……Zoomオンライン受講
……見逃し視聴選択可
・実務で得られる生データをAIフレンドリーな形式に整形しよう
・機械学習モデル構築に向けたタスク設計：順を追って解説
・受講特典：講師の著作を進呈します
講師
(株)日立製作所 公共システム事業部 デジタルソリューション推進部 技師
日立認定データサイエンティスト（ゴールド） 高原 渉 氏
また、社外講演や執筆活動などを通じて、MIの普及促進にも取り組んでいる。
2021年度日本コンピュータ化学会論文賞（吉田賞）受賞。日本コンピュータ化学会 理事。有機合成化学協会「AIと有機合成化学」研究部会 幹事。著書「マテリアルズ・インフォマティクス 実践ハンドブック」（森北出版）
＜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9月29日(月) 13:00-16:30 ＊途中、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 45,100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34,100円
【オンライン受講（見逃し視聴あり）】：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
＊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
○講師より／本セミナーのポイント
マテリアルズ・インフォマティクス（MI）の導入や検討が、さまざまな現場で進められています。MIの中核となる機械学習の解説では、あらかじめAIフレンドリーに整形された潤沢なデータを前提とした例が多く見られます。しかし、実際の材料開発の現場で得られるデータは、必ずしも整形されておらず、また十分なデータ数が揃っているとは限りません。
本セミナーでは、MIで最もポピュラーに活用されるテーブルデータ分析を題材に、実務で得られる生データをAIフレンドリーな形式に整形し、そこから次の実験条件候補を導出するプロセスを実践的に学びます。
○主な受講対象者は？
・マテリアルズ・インフォマティクスを導入しようとしている方
・マテリアルズ・インフォマティクスを活用しはじめた方
・機械学習モデルへの適用の際、データの取り扱い（整形等）に苦慮している方 など
○本セミナーで得られる主な知識・情報・ノウハウ
・MIを進める上での要件整理・タスク設計（現実の課題を機械学習により解けるような枠組みを設定すること）の考え方
・材料開発の現場データをAIフレンドリーに整形するための考え方
・MIでよく使用される機械学習手法について
・材料開発におけるデータの特性（データの数が少ない、データの内容が偏っている、データが欠損している、など）を考慮したMIの考え方
▼受講特典
・講師の著書『マテリアルズ・インフォマティクス 実践ハンドブック』（森北出版）を進呈します。
※原則、セミナー開催日前にはお手元に届くようにいたしますが、直前のお申し込み者の場合は、セミナー後日に到着となる場合がございます。ご了承くださいませ。
＊講演資料については、こちらとは別の印刷物を郵送いたします。
セミナー内容
1. MI概論
2. 機械学習概論
2.1 機械学習の分類
2.2 教師あり学習
2.3 教師なし学習
2.4 教師あり学習を用いた探索と活用の考え方
3. 材料開発におけるデータの特性の理解
3.1 データの数が少ない
3.2 データの内容が偏っている
3.3 データが欠損している
4. データ分析のフロー
4.1 データ分析のフローの俯瞰
4.2 要件整理
4.3 目的設定
4.4 データの準備（AIフレンドリーなデータへの整形）
4.5 データの理解
4.6 機械学習モデル構築に向けたタスク設計
4.6.1 説明変数と目的変数の定義
4.6.2 機械学習の種類の決定
4.6.3 機械学習のアルゴリズムの決定
4.6.4 機械学習モデルの評価指標の決定
4.6.5 機械学習モデルの性能評価方法の決定
4.6.6 機械学習モデルの構築
4.7 機械学習モデルの評価
4.8 機械学習モデルの運用
4.9 データ分析の結果共有
5. AIフレンドリーなデータへの整形から次の実験条件候補の検討までのデモ
※5.では1.～4.の内容を踏まえて、著書『マテリアルズ・インフォマティクス 実践ハンドブック』（森北出版）のサンプルデータ、サンプルコードを使用して仮想の材料開発テーマを題材に、AIフレンドリーなデータへの整形から次の実験条件候補の検討までを行います。実際にお手元でサンプルコードを動かしたい方は、事前にご自身のGoogleアカウントをご準備いただき、当日ご使用のPCでGoogle Colabを実行できるようご準備をお願いします。
＜質疑応答＞
お申込みはこちらから
