Home
->  8月開催 化学系セミナー  9月開催 化学系セミナー 

【Live配信セミナー】
機械学習の進め方と活用、データベースの設計

8月開催 化学系セミナー  更新日:2020年7月 1日
 セミナー番号【009221】9/10 講師2名
★ 『手法の選択』 『記述子の設計』 『データの収集・加工』 『少ないデータの取り扱い』...
これから始める人、初心者、経験者まで、事例を交えて重要なポイントを効率よく学べる!

【Live配信セミナー】
機械学習の進め方と活用、データベースの設計


<マテリアルズ・インフォマティクスへ向けた>

■ 講 師


1.早稲田大学 先進理工学部 助教 藤波 美起登 氏

2.(国研)物質・材料研究機構 統合型材料開発・情報基盤部門 副部門長 徐 一斌 氏

■ 開催要領
日 時 :
2020年9月10日(木) 10:30~16:30

会 場 : ZOOMを利用したLive配信 ※会場での講義は行いません
聴講料 :
1名につき50,000円(消費税抜、資料付)
〔1社2名以上同時申込の場合のみ1名につき45,000円〕

■ Live配信セミナーの受講について
・本講座はZoomを利用したLive配信セミナーです。セミナー会場での受講はできません。
・下記リンクから視聴環境を確認の上、お申し込みください。
 → https://zoom.us/test

・開催日が近くなりましたら、視聴用のURLとパスワードをメールにてご連絡申し上げます。
 セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。

・Zoomクライアントは最新版にアップデートして使用してください。

・パソコンの他にタブレット、スマートフォンでも視聴できます。

・セミナー配布資料は印刷物を郵送、またはPDFファイルを送付いたします。

・当日は講師への質問することができます。可能な範囲で個別質問にも対応いたします。

・本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。

・本講座はお申し込みいただいた方のみ受講いただけます。
  複数端末から同時に視聴することや複数人での視聴は禁止いたします。

・Zoomのグループにパスワードを設定しています。部外者の参加を防ぐため、パスワードを外部に漏洩しないでください。
 万が一部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。


プログラム

【10:30-14:15】(途中、お昼休憩含む)

1.化学のための機械学習の基礎・応用方法と活用の進め方

●講師 早稲田大学 先進理工学部 助教 藤波 美起登 氏

 
【習得できる知識】
・機械学習に関する基礎的な知識や概念
・機械学習を用いた化学の問題解決のためのプロセスや活用の進め方
・具体的な事例に基づく、種々の化学問題に対するデータ分析の考え方

【講座の趣旨】
機械学習に馴染みがない化学系の方のためにデータ分析の基礎を説明します。講演前半では機械学習の基礎と化学問題解決のためのプロセスを説明します。後半では、私の経験を中心に、化学への応用事例をこのプロセスに沿って紹介します。

1.機械学習と化学

2.機械学習の基礎
 2-1 機械学習に関する基礎知識
 2-2 機械学習の特徴
 2-3 具体的な機械学習アルゴリズム
 2-4 実際にプログラムを実行するためのヒント

3.機械学習を用いた予測のプロセス
 3-1 課題設定と現象のモデル化
 3-2 データの収集と記述子
 3-3 機械学習手法の選択と評価

4.化学に機械学習を適用するために
 4-1 化学データの課題
 4-2 分子の記述子
 4-3 特徴的な機械学習手法

5.化学への機械学習の応用事例
 5-1 反応条件最適化 (少数データへの適用事例)
 5-2 溶媒選択 (少数データ・分子選択の適用事例)
 5-3 反応予測 (モデル化に関する工夫の事例)
 5-4 汎関数の開発 (理論化学への応用事例)
 5-5 その他の事例

【質疑応答】
-------------------------------------------------------------------------------------

【14:30-16:30】

2.マテリアルズインフォマティクスを支えるデータベースの構築とデータの収集

●講師 (国研)物質・材料研究機構 統合型材料開発・情報基盤部門 副部門長 徐 一斌 氏

 
【習得できる知識】
世界の材料データベースの歴史と現状、MIに必要なデータ収集・加工、データベース構築のコンセプトと方法、データ応用例とスモールデータ戦略について、習得できる。

【講座の趣旨】
材料データベースはMIの基盤である。一方、データ不足は、MI研究のボトルネックとなっている。MIにおけるビッグデータの考え方、データベースの構築方法、および既存の材料データと知識の活用方について、いくつの例を通して紹介する。

1.データの力

2.材料データベースの変遷と世界のデータベース
 2-1 ハンドブックとデータシート
 2-2 データベース
 2-3 ビッグデータ

3.材料データベース&ビッグデータの構築
 3-1 データ品質
 3-2 材料データ収集技術
 3-3 材料データの統合

4.材料データベース構築例

5.Small data戦略

【質疑応答】