はじめての研究開発での機械学習活用と社内推進のポイント

  • 開催日2025年10月28日(火)
  • 形態ライブ配信 or アーカイブ配信

セミナー概要

セミナーのテーマ

  • 機械学習の基礎と全体像
  • 研究開発における具体的なデータ解析手法
  • 機械学習の社内推進とデータ駆動型研究文化の定着

こんな方におすすめです

  • これから機械学習に取り組む研究者・技術者
  • 社内のDX化に取り組まれている担当者
  • 研究開発におけるデータ解析に興味のある方
セミナータイトルはじめての研究開発での機械学習活用と社内推進のポイント
開催日時 【ライブ配信】

2025年10月28日(火)13:00~16:00
お申し込み期限:2025年10月28日(火)12:30まで

【アーカイブ配信】
視聴期間:2025年10月29日(水)~2025年11月12日(水)
お申し込み期限:2025年10月29日(水)まで

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】
1.Zoomを使用されたことがない方は、下記よりミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
https://zoom.us/download#client_4meeting
2.セミナー前日までに必ず動作確認をお願いします。
3.開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。

・セミナー資料は開催前日までにお送りいたします。
・無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。

受講料49,500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49,500円(税込)から
 ・1名で申込の場合、46,200円(税込)へ割引になります。
 ・2名同時申込で両名とも会員登録をしていただいた場合、
  計49,500円(2人目無料)です。
 ・10名以上で申込される場合はさらにお得にご受講いただけます。
  お気軽にご相談ください。info@rdsc.co.jp

※LIVE配信とアーカイブ配信(見逃し配信)両方の視聴を希望される場合、会員価格で1名につき49,500円(税込)、2名同時申込で60,500円(税込)になります。
メッセージ欄に「LIVEとアーカイブ両方視聴」と明記してください。

※会員登録とは
ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。
すべて無料で年会費・更新料・登録費は一切かかりません。
メールまたは郵送でのご案内となります。
郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。

主催R&D支援センター

受付中

はじめての研究開発での機械学習活用と社内推進のポイント

分子・材料・プロセス設計における具体的なデータ解析手法《実演付》

講師

データケミカル(株)
代表取締役  吉丸 昌吾氏

【ご専門】
マテリアルズインフォマティクス、事業戦略

【ご経歴等】
2010年宮崎大学大学院修了(化学工学専攻)後、綜研化学㈱にて高分子材料開発に従事。
一時留学し、2017年カリフォルニア大学サンディエゴ校にてMBA取得。
帰国後綜研化学㈱にて海外事業開発・国内営業に従事。2019年より社内DX推進責任者を兼務。
2021年データケミカル㈱設立、代表取締役就任。2022年実験・製造データ解析のAI・機械学習クラウドサービス「Datachemical LAB」をリリース、約60社に導入実績を拡大。現在サービスの米国展開を牽引。
2024年より宮崎大学工学部 非常勤講師を兼務。

セミナー趣旨、ポイント

 研究開発の現場では、AIや機械学習を活用した業務効率化の重要性が高まっています。しかし現実には、機械学習についてよく分からない、現場やマネジメント層からの理解が得られない、数多くの関連サービスの違いが分からないといった理由から、機械学習の活用が思うように進まないケースが多く見られます。
 本セミナーでは、これから機械学習に取り組む研究者・技術者やDX推進担当者を対象に、機械学習の基礎と全体像を整理し、自社の課題に合った導入・適用方法を考える視点を提供します。さらに、分子・材料・プロセス設計の各領域において、具体的な活用方法をデータ解析ツールDatachemical LABの実演を交え解説します。
 また、社内で活用を推進する際に直面しがちな課題とその対処方法、データ駆動型の研究文化を根付かせるためのポイントを共有し、受講者が円滑に自社での取り組みを進めるようになることを目指します。

受講対象者、必要な予備知識

特に予備知識は必要ありません。基礎から解説いたします

こんな方におすすめ

・これから機械学習に取り組まれる研究者・技術者
・社内のDX化に取り組まれている担当者

得られる知識

・研究開発で機械学習を活用する全体像を理解できる
・自社に合った最適な機械学習の導入・適用方法を選定できる
・分子/材料/プロセス設計における具体的なデータ解析手法を習得できる
・機械学習活用を効果的に社内で推進するためのコツが分かる

プログラム

1.はじめに
 1-1. 機械学習の概要
 1-2. データサイエンスの中での機械学習の位置づけ
 1-3. なぜ機械学習活用が求められるのか?
 1-4. 自社に合った機械学習活用の手段

2.各研究開発プロセスでの機械学習活用方法
 2-1. 材料設計
  (1) データセット作成
  (2) データ可視化
  (3) データ前処理
  (4) モデル最適化
  (5) 実験条件予測
  (6) 適応的実験計画法
 2-2. 分子設計
  (1) 記述子計算
  (2) 構造生成
  (3) 分子構造予測
 2-3. プロセス設計
  (1) ソフトセンサー
  (2) 異常検知

3.機械学習活用の社内推進のポイント
 3-1. なぜ機械学習活用が進まないのか?
 3-2. 活用推進成功のポイント
 3-3. データ駆動型研究文化の定着に向けて

受付中