セミナー概要
セミナーのテーマ
- Pythonによるデータ解析の基礎
- 製造業におけるデータ活用
- データドリブンな実験計画
こんな方におすすめです
- Python初心者または未経験者
- 材料処方設計や製造プロセス業務でデータ活用を検討している方
- Pythonのインストールと基礎的な使い方を自習できる方
セミナータイトル | Python によるデータ解析の基礎と実務への応用(製造プロセス/実験計画) |
開催日時 | 【ライブ配信】 2025年11月25日(火)10:30~16:30 【アーカイブ配信】 |
開催場所/配信の補足・注意事項 | 【Zoomを使ったWEB配信セミナー受講の手順】 |
受講料 | 55,000円(税込、資料付) ■会員(案内)登録していただいた場合、通常1名様申込で55,000円(税込)から |
主催 | R&D支援センター |
受付中
Python によるデータ解析の基礎と実務への応用(製造プロセス/実験計画)
実際の業務におけるプロセスデータ/実験データに対して応用できるレベルのスキルを身に付けることができる
★解説→実演→演習の流れで、理解が進む!
★初心者も安心。【Pythonの基本文法・Dirty-Irisの前処理】に関して補習コンテンツあり!
★演習時にはZOOM上の個別ルームを準備しています。講師へ1対1で画面を共有しながら質問が可能です!
講師
コニカミノルタ(株)
技術開発本部データサイエンスセンター マネジャー
畠沢 翔太氏
<ご専門>
プロセスインフォマティクス
<ご略歴>
2013年 コニカミノルタ株式会社 入社
機能材料事業部にて、フィルム開発に従事
2018年 技術開発本部に異動
プロセスインフォマティクスの技術開発/社内活用に従事
2020年 明治大学 理工学研究科 博士課程後期 入学(データ化学工学研究室)
(2024年 退学済み)
2022年 技術開発本部データサイエンスセンターにて
データサイエンス基盤技術開発・社内活用のマネジャーに就任
チームとしてこれまで、計100件超のデータ活用事例を創出
セミナー趣旨、ポイント
日本の製造業は、匠の技術の伝承によって、その競争力を維持してきた歴史がありますが、高齢化・生産年齢人口の減少により、その強みが失われつつあります。機械学習などのデータ解析技術を用いることで、匠の技術を形式知化できる可能性がありますが、データ活用人材の不足が大きな課題となっております*1。
この講義では、製造業でのデータ解析において必要な、入門~基礎レベルの技術を学ぶことを目的としています。特に、Pythonを用いた実践的なデータの取り扱い方法に焦点を当て、実際の業務において受講者が調べながら応用できるレベルのスキルを身に付け、データ活用人材としての最初の一歩を踏み出していただくことを目指しています。
データ解析技術の基礎を学ぶだけでなく、プロセスデータを使った実習や演習、データドリブンな実験水準の組み方などを、実習や演習に取り入れているので、実務に応用しやすいように配慮しております。
*1:「DX 動向 2024」調査 IPA
https://www.ipa.go.jp/digital/chousa/dx-trend/dx-trend-2024.html
受講対象者、必要な予備知識
講師公開の手順書をもとに、ご自身のPCにPythonと必要なパッケージをインストールし、動作確認できる。
(Pythonやプログラミング、データサイエンスに関する予備知識は不要です)
こんな方におすすめ
・Pythonの初心者または未経験者。
インストールして動かしてみたことはあるけど,業務で使う際にどのようにすれば良いか分からない方など
・材料処方設計や製造プロセス業務に、Python等を用いたデータ活用をお考えの方
・Pythonのインストールと基礎的な使い方については,手順書をもとに各自で事前学習ができる方
得られる知識
・Pythonの基礎知識
・データ解析に関する基礎知識
・多変量データの基本的な取り扱い方
・実験計画法やベイズ最適化を用いた、実験水準の探索方法
・実際の業務におけるプロセスデータ/実験データに対して、調べながら解析を進めていくことができるデータ解析基礎体力
プログラム
1.はじめに
1-1. 講師自己紹介
1-2. Python環境の動作確認
1-3. 企業においてデータ活用に取り組む意義
1-4. 生成AIの紹介
2.データ基礎
2-1. データについての基礎知識
2-2. データ可視化
2-3. 実習1:データ可視化
2-4. 演習1:データ可視化
3.多変量データの取り扱い(次元削減・クラスタリング)
3-1. 多変量データとは
3-2. 基本的な前処理
3-3. 次元削減・クラスタリング ①主成分分析
3-4. 実習2:主成分分析
3-5. 演習2:主成分分析
3-6. 次元削減・クラスタリング ➁クラスタリング
3-7. 実習3:クラスタリング
3-8. 演習3:可視化/クラスタリング
4.線形回帰モデル基礎
4-1. 線形回帰モデルとは
4-2. 回帰モデルの評価指標
4-3. 実習4-1:線形回帰モデル(1)
4-4. 過学習/過剰適合
4-5. 実習4-2:線形回帰モデル(2)
4-6. 正則化
4-7. 実習4-3:線形回帰モデル(3)
5.実験計画法・ベイズ最適化
5-1. 実験計画法
5-2. ベイズ最適化
5-3. 実習5:実験計画法/ベイズ最適化(予定)
6.おわりに
6-1. データ活用プロジェクトの進め方の紹介
6-2. 参考書籍
7.補習(スキルアップにご活用ください)
7-1. 補習1: Pythonの基本文法
7-2. 補習2: Dirty-Irisの前処理
受付中