2025年01月21日(火) AndTech WEBオンライン「ベイズ最適化と能動的レベル集合推定による適応的実験計画の基礎と実践方法および適用事例」Zoomセミナー講座を開講予定
名古屋大学 医学系研究科 松井 孝太 氏 にご講演をいただきます。
株式会社AndTech（本社：神奈川県川崎市、代表取締役社長：陶山 正夫、以下 AndTech）は、R&D開発支援向けZoom講座の一環として、昨今高まりを見せる適応的実験計画の課題解決ニーズに応えるべく、第一人者の講師からなる「ベイズ最適化」講座を開講いたします。
ベイズ最適化や能動的レベル集合推定などの適応的実験計画を使うための問題の設計方針・機械学習モデルの構築・実験計画アルゴリズムまでを一気通貫に解説！
本講座は、2025年01月21日開講を予定いたします。
詳細：https://andtech.co.jp/seminars/1ef91beb-9faa-6c1c-8107-064fb9a95405
Live配信・WEBセミナー講習会 概要
──────────────────
テーマ：ベイズ最適化と能動的レベル集合推定による適応的実験計画の基礎と実践方法および適用事例
開催日時：2025年01月21日(火) 10:30-16:30
参 加 費：49,500円（税込） ※ 電子にて資料配布予定
U R L ：https://andtech.co.jp/seminars/1ef91beb-9faa-6c1c-8107-064fb9a95405
WEB配信形式：Zoom（お申し込み後、URLを送付）
セミナー講習会内容構成
────────────
ープログラム・講師ー
名古屋大学 医学系研究科 松井 孝太 氏
本セミナーで学べる知識や解決できる技術課題
───────────────────────
・機械学習による適応的実験計画の考え方
・ベイズモデリングの基礎知識
・ベイズ最適化や能動的レベル集合推定の基礎知識
・ベイズ最適化や能動的レベル集合推定の実行方法
・具体的な適用事例
本セミナーの受講形式
─────────────
WEB会議ツール「Zoom」を使ったライブLive配信セミナーとなります。
詳細は、お申し込み後お伝えいたします。
株式会社AndTechについて
────────────
化学、素材、エレクトロニクス、自動車、エネルギー、医療機器、食品包装、建材など、
幅広い分野のR&Dを担うクライアントのために情報を提供する研究開発支援サービスを提供しております。
弊社は一流の講師陣をそろえ、「技術講習会・セミナー」に始まり「講師派遣」「出版」「コンサルタント派遣」
「市場動向調査」「ビジネスマッチング」「事業開発コンサル」といった様々なサービスを提供しております。
クライアントの声に耳を傾け、希望する新規事業領域・市場に進出するために効果的な支援を提供しております。
株式会社AndTech 技術講習会一覧
─────────────────
一流の講師のＷＥＢ講座セミナーを毎月多数開催しております。
https://andtech.co.jp/seminars/search
株式会社AndTech 書籍一覧
──────────────
選りすぐりのテーマから、ニーズの高いものを選び、書籍を発行しております。
株式会社AndTech コンサルティングサービス
─────────────────────
経験実績豊富な専門性の高い技術コンサルタントを派遣します。
https://andtech.co.jp/business-consulting
本件に関するお問い合わせ
─────────────
株式会社AndTech 広報PR担当 青木
メールアドレス：pr●andtech.co.jp（●を@に変更しご連絡ください）
下記プログラム全項目（詳細が気になる方は是非ご覧ください）
──────────────────────────────
【講演主旨】
科学的な営みを実行していく上で、「設計」や「計画」はおろそかにすることができない重要なプロセスです。設計や計画が問題の根幹となっている例は、ロボット開発・創薬・天然資源の探鉱など枚挙に暇がありません。近年、設計や計画問題に対するデータ駆動型のアプローチ、また、それを実現するための情報技術である機械学習が注目されています。
データ駆動型のアプローチは、データ分析の方法だけでなく、データ収集の方法も考察および最適化の対象とします。特に後者の性質は、ものづくりなどデータ収集コストが非常に高い分野においては重要な意味を持っていると考えられます。
本セミナーでは、データ駆動型のアプローチの一つである適応的実験計画に注目し、ベイズ最適化と能動的レベル集合推定という2つの手法について、統計モデリング、アルゴリズム、適用事例を解説したいと思います。
【プログラム】
１．導入
1.1 機械学習によるデータ駆動型アプローチ
（能動学習、適応的実験計画という考え方について）
1.2 ブラックボックス関数の最適化問題とベイズ最適化・レベル集合推定
２．ベイズモデルによる機械学習と回帰のための適応的実験計画
2.1 ベイズ線形回帰
2.2 ガウス過程回帰
2.3 ガウス過程回帰に基づく関数推定のための適応的実験計画
３．ベイズ最適化の方法論
3.1 ベイズ最適化の基本アルゴリズム
3.2 様々な獲得関数に基づくベイズ最適化
４．能動的レベル集合推定の方法論
4.1 レベル集合推定問題の定式化とアルゴリズム
4.2 能動的レベル集合推定のための獲得関数
５．より複雑な問題に対するベイズ最適化
5.1 制約付き最適化のためのベイズ最適化
5.2 コスト考慮型のベイズ最適化
5.3 多目的最適化のためのベイズ最適化
5.4 複数条件を同時に観測できる問題のためのベイズ最適化
5.5 高次元な入力空間上のベイズ最適化
６．応用事例紹介
6.1 機械学習モデルの超パラメータ最適化
6.2 レベル集合推定による太陽電池用シリコンインゴットの低品質領域の推定
6.3 イオン伝導性物質の伝導度推定
6.4 Siエピタキシャル成長プロセス条件の最適化
6.5 抗がん剤第I相臨床試験における最大耐用量の同定
７．ベイズ最適化の実行
7.1 Pythonによるベイズ最適化の実装方法の紹介
7.2 回帰のための能動学習、ベイズ最適化、能動的レベル集合推定のデモ紹介
（google colaboratoryにアクセス可能な方はハンズオン）
【質疑応答】
【講演のポイント】
ベイズ最適化や能動的レベル集合推定などの適応的実験計画を使うための，問題の設計方針・機械学習モデルの構築・実験計画アルゴリズムまでを一気通貫に学べます。
＊ 本ニュースリリースに記載された商品・サービス名は各社の商標または登録商標です。
＊ 本ニュースリリースに記載された内容は発表日現在のものです。その後予告なしに変更されることがあります。
以 上
すべての画像
