化学品の市場調査、研究開発の支援、マーケット情報の出版

CMCリサーチセミナーのご案内

       開催日時:2020年11月5日(木)10:30~16:30 
       会  場:ちよだプラットフォームスクウェア 5F  → 会場へのアクセス 
            〒101-0054 東京都千代田区神田錦町3-21
       受 講 料:45,000円 + 税    ※ 資料・昼食付
             * メルマガ登録者は 40,000円 + 税
             * アカデミック価格は 24,000円 + 税
            パンフレット
 
 ★ アカデミック価格:学校教育法にて規定された国、地方公共団体、および学校法人格を有する大学、大学院の教員、学生に限ります。
 ★ 【メルマガ会員特典】2名以上同時申込で申込者全員メルマガ会員登録をしていただいた場合、2人目は無料です(1名価格で2名まで参加可能)。また、3名目以降はメルマガ価格の半額です。
 ★ セミナーお申込み後のキャンセルは基本的にお受けしておりません。ご都合により出席できなくなった場合は代理の方がご出席ください。
 
お申し込み受付中

申込方法

 セミナー参加のお申込は、下記のカートへの投入、あるいはFAX用紙にてお願いします。折り返し、聴講券、会場地図、請求書を送付いたします。
 セミナーお申し込み前に必ず  こちら  をご確認ください。

   FAX申込用紙PDF 
 [メルマガ登録者はこちらから]
 弊社のメルマガ登録者は、参加費が10%引きになります。メルマガ登録をされていない方で、登録をご希望の方は、メルマガ登録を行ってから、セミナー参加を、お申込ください。 → メルマガ登録ページ 
 メルマガ登録者のセミナー参加は、下記のカートへの投入によってお申込ください。 また、FAX申込用紙でお申込の場合は、FAX申込用紙のメルマガ登録の項にチェックをお願いします。
   FAX申込用紙PDF 
 ◇◇ メルマガ会員特典での複数名の受講申込みはこちらから ◇◇ 
  2名以上同時申込で、申込者全員メルマガ会員登録をしていただいている場合、2人目は無料です。また、3名目以降はメルマガ価格の半額です。複数名の受講申込みで、メルマガ登録をされていない方がおられる場合には、メルマガ登録を行ってから、セミナー参加を、お申込ください。 → メルマガ登録ページ  セミナー参加のお申込は、下記のカートへの投入、あるいはFAX用紙にてお願いします。
    受講者1 (メルマガ価格)   FAX申込用紙PDF 
  受講者2 (受講料無料)   FAX申込用紙PDF 
  受講者3 (受講料半額)   FAX申込用紙PDF 
  受講者4 (受講料半額)   FAX申込用紙PDF 
  受講者5 (受講料半額)   FAX申込用紙PDF 
  * 6名以上の受講については、CMCリサーチまでお問い合わせください。 → お問い合わせページ 
 [アカデミック価格申込者はこちらから]
   FAX申込用紙PDF 
 

講 師

 木野 日織 氏  
 (国研) 物質・材料研究機構 統合型材料開発・情報基盤部門
     情報統合型物質・材料研究拠点 主任研究員 理学博士

【講師経歴】
 平成8年3月 東京大学理学系研究科 物理学専攻修了
 平成8年4月 東京大学物性研究所 物性理論部門 助手
 平成9年7月 JRCATATP 理論部門研究員
 平成11年4月 学術振興会特別研究員(PD)
 平成14年4月 独立行政法人 物質材料研究機構、現在は国立研究開発法人 物質・材料研究機構 統合型材料開発・情報基盤部門 情報統合型物質・材料研究拠点 主任研究員

【活 動】
 マテリアルズ・インフォマティクス、第一原理計算、物性理論を行う。日本物理学会所属。情報統合型物質・材料開発イニシアティブ(MI2I)主催のマテリアルズ・インフォマティクス ハンズオンを平成29、30、31年度に行った。

セミナーの趣旨

 材料開発期間を圧縮すること、合成条件の最適化を行うことを大目的として物性物理・材料開発分野にも情報理論の適用が世界的に進んでいます。しかし、流行りだからでなく、機械学習により何が行えるのかをまず理解することが機械学習の導入・運用を成功させるには不可欠です。
 本セミナーでは式を用いた理論的な説明を最小限にして、マテリアルズ・インフォマティクスにより何が行えるかの理解を実習形式で深める事、scikit-learnを用いたpython scriptの書き方を学ぶ事を目的とします。データは主として物質科学データを用い、実習には受講者のjupyter notebook環境上のpython・scikit-learnスクリプトを用います。
 
※ 持参いただくPCに、Anaconda3とpymatgenのインストールが必要です。
Anaconda: https://www.anaconda.com/products/individual から各OS用のPython 3.7版を選択。
pymatgen: 各OSのshellから > conda install -c conda-forge pymatgenを実行 (行頭の’>’は各OSのshell prompt文字です。)

セミナー対象者

 Pythonは分かるが更に機械学習の基礎を学びたい方
 scikit-learnの使い方を学びたい方
 マテリアルズ・インフォマティクスの導入を検討されている方
 Python3.7, jupyter notebookの使い方が分かり、Anaconda3とpymatgenライブラリの実行環境構築が行える方

セミナーで得られる知識

 機械学習の基礎知識
 演繹法とは異なる情報理論の問題の捉え方の理解
 マテリアルズ・インフォマティクスにおける機械学習の適用例
 scikit-learnを用いたpythonコードの書き方

プログラム

  ※ 適宜休憩が入ります。

1. 座学編
 1.1 情報理論の四問題と情報理論適用の四過程
 1.2 計算機を用いた新帰納法と母集団サンプリング
  1.2.1 汎化性能
  1.2.2 訓練データとテストデータ
  1.2.3 記述子の作成の考え方

2. 基礎実習編:scikit-learnの基礎
 2.1 教師あり学習
  2.1.1 訓練データとテストデータへの分離とクロスバリデーション
  2.1.2 回帰手法 
   ① 線形回帰(罰則項なし、Lasso、リッジ回帰)
   ② カーネルリッジ回
  2.1.3 分類(classification)手法
   ① ロジスティック回帰
 2.2 教師なし学習
  2.2.1 次元圧縮手法
   ① PCA
   ② 多様体学習
  2.2.2 クラスタリング(clustering)手法
   ① KMeans法
   ② ガウス混合法
   ③ 階層クラスタリング

3. 応用実習編
 3.1 ベイズ最適化による自動探索
  3.1.1 ガウス過程回帰
  3.1.2 獲得関数
  3.1.3 候補点自動探索

4. 応用編付録(時間があればこちらも行います。)
 4.1 Lassoを用いたトモグラフ画像再構成
 4.2 低ランク行列を用いた推薦システム
 4.3 ガウス過程を併用した線形回帰
 4.4 全探索
 4.5 記述子重要性

 

関連図書

        機械・装置

関連セミナー

        機械・エレクトロニクス・コンピュータ