B180847st 


機械学習による実験計画法
~具体的手法(能動学習・ベイズ最適化)と応用例~

 

 ★ 実験計画に機械学習技術を導入するための必要知識を事例とともに解説します。

 ★実務の高効率化・高精度化等に、ぜひお役立てください。

-------------------------------------- 

開催日時:2018年8月27日(月) 13:00~16:30

会  場きゅりあん 4F 第2特別講習室【東京都品川区東大井5-18-1】
                       JR京浜東北線「大井町駅」より徒歩1分
                       
東急大井町線「大井町駅」より徒歩3分
                       
んかい線「大井町駅」より徒歩3分
受 講 料:1名につき43,200円(本体40,000円+税3,200円)、資料付

     会員登録していただけた場合は、41,040円(本体38,000円+税3,040、資料付)といた
      します。

      
また、現在、キャンペーンとして2名同時申込みで1名分無料(2名とも会員登録必
      須、1名あたり定価半額の21,600円)でご受講いただけます。

     
会員登録とは :セミナー・書籍などの最新情報を主催者からE-MailやDMにてご案内い
              たします。
              会員の方は会員価格(定価の約5%割引)にてご利用いただけるなどの
              特典がございます。お申込み時に「会員登録希望」とお書き添え下さ
              い。主催者より会員登録完了の連絡を差し上げます。(既に会員であ
              る方は自動的に会員価格となります)



主    催 : サイエンス&テクノロジー株式会社

※請求書、受講票等は、サイエンス&テクノロジーより送付いたします。

 

【講師】 

   竹内 一郎  氏      名古屋工業大学 教授 博士(工学)

         <得られる知識>
           ・ものづくり企業における人工知能,機械学習の活用法
           ・実務における実験計画問題に機械学習技術を導入する方法
           ・機械学習による実験計画法の最新の研究動向

         <受講対象>
            ものづくりのための研究開発において,人工知能,機械学習の活用法を検討されている方.もしくは,
           実務における実験計画問題に機械学習技術の導入を検討されている方.

         <予備知識>
            統計学の基礎(期待値,分散の概念や最小二乗法など)を前提とします.また,講義では数式を用い
           た説明や理解を深めるための簡単な演習問題も行います

         <趣旨>
             ビッグデータ時代においては大量のデータから有用な知識を抽出するための機械学習アルゴリズム
           が重要な役割を果たします.機械学習アルゴリズムの多くは,既にデータが与えられている状況を想定
           しているものが多く,受動学習と呼ばれています.一方,どのようにデータを取得すれば有用な知識を
           得ることができるかを考えるアプローチは能動学習(Active Learning)と呼ばれています.能動学習は
           データの取得プロセスの最適化を目的としているため,実験計画法(Design of Experiment)の一種とみ
           なすことができます.
            例えば,未知のシステムにおいて応答が最大となる実験条件をみつけたい場合,応答が高いと予測
           される条件で実験を行うだけでなく,応答が未知で不確実性の高い条件で実験を行うことも必要となり
           ます.前者は最適化を目的とする「搾取(exploitation)」と呼ばれ,後者はシステムの推定を目的とする
           「探索(exploration)」と呼ばれます.能動学習では,確率モデルによって未知のシステムをモデル化し
           つつ,搾取と探索のバランスを適切に制御する枠組を提供します.

            本講演では,まず実験計画法の観点から実験パラメータ空間の境界探索のための能動学習を説明し
           ます.続いて未知のシステムの最大化問題を効率的に解くためのベイズ最適化(Bayesian Optimization)
           と呼ばれる方法を,実例を交えて紹介します.

    1.はじめに
      1.1 人工知能と機械学習の概要
      1.2 データ駆動型科学
      1.3 機械学習の基礎
      1.4 受動学習と能動学習

    2.線形モデルとガウス過程モデル
      2.1 線形モデルと最小二乗法
      2.2 最小二乗線形モデルの実験計画法
      2.3 線形モデルのベイズ化と非線形化
      2.4 ガウス過程モデル

    3.ガウス過程モデルにおける能動学習
      3.1 関数推定問題のための能動学習
      3.2 ベイズ最適化:最適値探索問題のための能動学習
      3.3 獲得関数

    4.ベイズ最適化の応用・拡張
      4.1 制約付ベイズ最適化
      4.2 多目的ベイズ最適化
      4.3 高次元ベイズ最適化
      4.4 安全設計ベイズ最適化
      4.5 材料科学への応用例

   □質疑応答・名刺交換□



 お1人様      受講申込要領    セミナー 総合日程