材料・医薬品開発のためのデータ分析・

機械学習・深層学習の応用技術

《グラフニューラルネットワークの応用を中心に》

実データ・実用途におけるデータ分析・機械学習による課題解決のアプローチと注意点についても解説

【提携セミナー】

主催：サイエンス＆テクノロジー株式会社

☆近年注目されている、グラフニューラルネットワークの基礎と材料・医薬品開発への応用、問題点や有用性の有無について解説します。

☆「データの多様性が少ない」「予測精度よりも解釈性を重視する」等の企業の実情に沿ったデータ分析・機械学習・深層学習の応用とその注意点について講師の経験を踏まえて解説します。

セミナー趣旨

本セミナーでは、材料や医薬品などの開発のためのデータ分析と機械学習技術について講義する。特に近年注目されている深層学習モデルである、化合物データに特化したグラフニューラルネットワークとその周辺知識について理解を深めることを目指す。同時に、深層学習を扱う際の注意点を紹介しながら、企業の抱える実データや実用途における課題（例えば、データの多様性が少ない・予測精度よりも解釈性を重視する等）をどのように解決すべきかについて、講演者の経験を交えながら講義する。

得られる知識

• データサイエンスに基づく課題解決のアプローチ
• データ分析・機械学習の基礎と、実データや実用途における注意点
• 材料・医薬品データに特化した深層学習の応用

受講対象

• データサイエンスに基づく課題解決を考えている方
• 材料・医薬品データに関する知識を持ち、機械学習についても基本的な知識を持っている方
  その上で、より発展的な技術である深層学習について学びたい方

担当講師

産業技術総合研究所　人工知能研究センター　機械学習研究チーム　博士(工学)　椿 真史　氏

専門：データサイエンス、機械学習、物理・化学・生命科学データに対する深層学習
東北大学工学部化学バイオ工学科を卒業後、IT企業に就職。退職後、奈良先端科学技術大学院大学情報科学研究科で自然言語処理、機械学習、バイオインフォマティクス（タンパク質立体構造予測）の研究に従事。現在は専門を変え、産業技術総合研究所において量子化学シミュレーションと深層学習の融合研究をする傍ら、企業に対するデータ分析や人工知能の導入を行っている。
ホームページ：https://sites.google.com/view/masashitsubaki/

セミナープログラム（予定）

１．機械学習以前の基礎〜化合物のデータ分析などを具体例に〜
1.1 イシューからはじめよ
1.1.1 深層学習、機械学習、データ分析以前に行うべきこと
1.1.2 ビッグデータの落とし穴
1.1.3 深層学習（機械学習）の落とし穴
1.1.4 イシューからはじめよ
1.2 機械学習以前に行うべきデータ分析
1.2.1 相関分析・頻度分析
1.2.2 交差項・相互作用分析
1.2.3 回帰分析
1.2.4 多重共線性
1.2.5 回帰分析の解釈

２．機械学習と深層学習（グラフニューラルネットワーク）の基礎
2.1 機械学習の基礎
2.1.1 線形回帰モデルの学習
2.1.2 リッジ回帰・ラッソ回帰
2.1.3 モデルの使い分け
2.2 グラフニューラルネットワークの基礎
2.2.1 ニューラルネットワークの構造
2.2.2 計算グラフと誤差逆伝播法による学習
2.2.3 グラフニューラルネットワークの構造
2.2.4 深層学習の評価と解釈の問題

３．深層学習を材料・医薬品開発へ応用する
3.1 化合物物性予測のための深層学習
3.1.1 量子化学シミュレーションと機械学習の違い
3.1.2 密度汎関数法の基礎
3.1.3 量子化学と機械学習の融合
3.1.4 化合物の物性予測
3.1.5 転移学習の展望
3.2 まとめ
3.2.1 イシューとデータ
3.2.2 機械学習と深層学習

□質疑応答□

公開セミナーの次回開催予定

開催日

未定

開催場所

未定

受講料

未定

配布資料

電子媒体(PDFデータ／印刷可)
・主催者サイトのマイページよりダウンロードいただきます。
・開催2日前を目安に、ダウンロード可となります。

オンライン配信のご案内

※【Live配信（zoom使用）対応セミナー】についてはこちらをご参照ください

備考

※資料付
※講義中の録音・撮影はご遠慮ください。
※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。

お申し込み方法

★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。