マテリアルズ・インフォマティクス

セミナー概要 セミナーのテーマ 機械学習の基礎と応用 マテリアルズ・インフォマティクスの実践事例 製造業における機械学習の活用 こんな方におすすめです 素材・材料製造業の技術者 製造プロセスの革新を目指す企業の意思決定者 機械学習を製造業に適用したい方 マテリアルズ・インフォマティクスの基礎と実践事例 実践事例を通じて、マテリアルズ・インフォマティクスのプロジェクトの進め方を理解し、自社のプロジェクトに応用する方法を習得できる！ 機械学習を現実の製造業にどのように適用し、結果を最大化するかを学びたいと考えている方へ 講師 大阪公立大学大学院 情報学研究科学際情報学専攻 教授上杉 徳照氏＜ご略歴＞2005年 大阪府立大学大学院工学研究科マテリアル工学分野 助手2007年 同 助教、2013年 同 講師、2017年 同 准教授2019年 大阪府立大学大学院人間社会システム科学研究科 准教授2022年 大阪公立大学大学院情報学研究科学際情報学専攻 准教授2025年 大阪公立大学大学院情報学研究科学際情報学専攻 教授＜学協会＞ 日本材料学会、情報処理学会、日本金属学会、人工知能学会、軽金属学会、日本鉄鋼協会、鋳造工学会など セミナー趣旨、ポイント 製造業における技術革新を推進するために機械学習とマテリアルズ・インフォマティクスの活用に焦点を当てます。参加者は機械学習の基本原理やアプローチを学び、これらを実際の製造プロセスに適用する方法を理解する機会を得ます。特に、マテリアルズ・インフォマティクスで使用される機械学習の応用技術とその周辺技術について掘り下げ、これらを現場に組み込む具体的な事例を提示します。 実践事例を豊富に取り入れることで、理論から具体的なプロジェクトへの応用までのステップを説明します。これにより、参加者はマテリアルズ・インフォマティクスプロジェクトの始め方を体系的に理解し、自社のプロジェクトに直接応用する能力を身に付けます。本セミナーは、新材料設計、材料製造プロセスの効率化、画像による材料検査の自動化を目指す技術者や研究者にとって、業務の質を向上させ、競争力を高めるための知識とスキルを提供します。 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 素材・材料製造業で活躍する技術者、研究者、プロダクトマネージャー、および製造プロセスの革新を目指す企業の意思決定者を対象にしています。機械学習を現実の製造業にどのように適用し、結果を最大化するかを学びたいと考えている方に最適です。 得られる知識 ・機械学習の基本的な原理とアプローチを理解できる。・マテリアルズ・インフォマティクスのための機械学習応用技術と関連技術を理解し、これらを実務に組み込む方法を習得できる。・実践事例を通じて、マテリアルズ・インフォマティクスのプロジェクトの進め方を理解し、自社のプロジェクトに応用する方法を習得できる。 プログラム 1. 機械学習の基礎 1-1. 人工知能と機械学習 1-2. 機械学習の種類と流れ 1-3. データの分割 1-4. 過学習と交差検証 1-5. ハイパーパラメータの最適化 1-6. 精度評価指標 1-7. ノーフリーランチ定理 1-8. 線形回帰からニューラルネットワーク 1-9. 深層学習 1-10.データの質と量 1-11.内挿と外挿2.機械学習の応用技術 2-1. 教師なし学習 2-2. 説明可能AI 2-3. 醜いアヒルの子の定理 2-4. 特徴量エンジニアリング 2-5. 正則化とデータ拡張 2-6. 不均衡データ 2-7. 転移学習 2-8. 二重交差検証 2-9. モデルの適用範囲3.機械学習の周辺技術 3-1. 機械学習の用途 3-2. 因果推論 3-3. 第一原理計算 3-4. 逆問題と最適化 3-5. 画像解析4.製造業への応用 4-1. アンチパターンから学ぶ 4-2. データ活用人材 4-3. 銀の弾などない 4-4. 開発環境5.実践事例 5-1. 添加剤の歩留まり最適化 5-2. 外観検査への応用 5-3. 破面解析への応用 5-4. 第一原理計算からの転移学習 5-5. 合金組成の最適化～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～★昨年の受講者からの声 ・非常にボリュームがあったが、マテリアルズインフォマティクスを実践するにあたって 必要な基礎知識についてどのようなものがあるのか把握することができてよかったです。 ・基礎から幅広く網羅された内容で、大変勉強になりました。 →充実した内容とそのわかりやすさにご好評いただいておりました。★注目ポイント 本セミナーでは、実際の活用事例のご解説を豊富にご用意いただいております。 理論面の学習だけではなく、プロジェクトへ応用する能力や具体的なステップまでを 一気通貫で習得することができます。