化合物データに対する実用的なデータ分析と機械学習の適用【提携セミナー】
おすすめのセミナー情報
開催日時 | 2022/7/8(金)10:30-16:30 |
---|---|
担当講師 | 椿 真史 氏 |
開催場所 | Zoomによるオンラインセミナー |
定員 | - |
受講費 | 【オンラインセミナー(見逃し視聴なし)】:47,300円 【オンラインセミナー(見逃し視聴あり)】:52,800円 |
・【ケモインフォマティクス】を学ぶ!
・材料や医薬品といった化合物のデータ分析:具体例を挙げつつ解説!
・「未知化合物に対する物性の外挿予測」!?
化合物データに対する実用的な
データ分析と機械学習の適用
≪ケモインフォマティクスによる実践アプローチ≫
【提携セミナー】
主催:株式会社情報機構
講師より/本セミナーのポイント
昨今、物理学・化学・生物学の様々なデータが膨大に蓄積され、そのような自然科学データに対する人工知能技術の応用と成功が注目されています。
本セミナーでは、材料や医薬品をより効率的に開発するための、ケモインフォマティクスに基づく実践的なアプローチについて紹介します。化合物のデータ分析や機械学習の適用に加えて、近年注目されている深層学習を扱う際の注意点なども紹介します。特に、企業の抱える課題(データの数や多様性が少ない、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します。
◆受講後、習得できること
- 材料や医薬品等の化合物データを取り扱うための鉄則
- ケモインフォマティクスに基づく、データへの実践的アプローチ方法
- 化合物データのための機械学習・深層学習の基礎・方法、その応用
- 未知化合物に対する物性の外挿予測:その考え方や手法 等
◆受講対象者
- 各種材料の研究開発者
- 特に、材料・医薬品等の化合物を取り扱っている方で、機械学習やマテリアルズインフォマティクス、ケモインフォマティクスを試みている方
- 新規材料の開発に際してポイントとなる、未知化合物に対する物性の(外挿)予測をしていきたい方 等
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 研究員 博士(工学) 椿 真史 先生
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において、機械学習やバイオインフォマティクスの研究に従事。現在は産業技術総合研究所において、ケモインフォマティクスやマテリアルズインフォマティクスの技術開発をする傍ら、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。
セミナープログラム(予定)
1.化合物データへの最初のアプローチ~機械学習を始める前に~(90分)
※ここでは機械学習を行う前におさえておきたいデータ分析の基礎事項や大前提となるイシューの整理、またビッグデータや深層学習を巡る留意点について述べます。
1.1 イシューからはじめよ:問題点・課題点・目的の明確化
1.1.1 ケモインフォマティクスとは何か
1.1.2 深層学習、機械学習、データ分析以前に行うべきこと
1.1.3 ビッグデータの落とし穴
1.1.4 深層学習の落とし穴
1.1.5 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~化合物データの分析を具体例に~
1.2.1 化合物データの特徴量・記述子
1.2.2 相関分析・頻度分析
1.2.3 交差項・相互作用分析
1.2.4 回帰分析
1.2.5 多重共線性
1.2.6 回帰分析の解釈
2.化合物データのための機械学習と深層学習の基礎(90分)
※ここでは特に、材料や医薬品等の化合物データを取り扱っている方向けに、機械学習や深層学習の基礎事項やポイントを解説します。
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・ラッソ回帰のポイント:スパース推定
2.1.3 各モデルの特徴とその使い分け
2.1.4 機械学習の解釈
2.2 深層学習(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 ニューラルネットワークの学習
2.2.3 深層学習の評価と解釈の問題
2.2.4 深層学習の解釈
3.深層学習を材料・医薬品開発へ応用する(90分)
※ここでは実際に材料・医薬品開発へ応用していく際の要点を解説します。特に課題となっている物性の外挿予測については、その考え方やいくつかのアプローチ方法を紹介します。
3.1 化合物の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
3.2 未知化合物に対する物性の外挿予測:その考え方と課題
3.2.1 機械学習は本質的に外挿できない
3.2.2 入力データの外挿と出力データの外挿
3.2.3 外挿予測のためのデータ分析の活用と転移学習の展望
3.3 まとめ
3.2.1 イシューとデータ分析からはじめよ
3.2.2 機械学習と深層学習の注意点
<質疑応答>
*「Q&A」にご質問を投稿頂けます。
*口頭質問も可能です。希望者のマイクを適宜使用できるように致します。
*セミナー後の講師へのメール質問も可能です。(量や内容次第では回答しかねることもございます。ご了承くださいませ。)
公開セミナーの次回開催予定
開催日
2022年7月8日(金) 10:30-16:30
開催場所
Zoomによるオンラインセミナー
受講料
【オンラインセミナー(見逃し視聴なし)】:1名47,300円(税込、資料付)
*1社2名以上同時申込の場合、1名につき36,300円
【オンラインセミナー(見逃し視聴あり)】:1名52,800円(税込、資料付)
*1社2名以上同時申込の場合、1名につき41,800円
*学校法人割引;学生、教員のご参加は受講料50%割引。
●録音・録画行為は固くお断り致します。
備考
配布資料・講師への質問等について
●配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
(開催1週前~前日までには送付致します)。
*準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
(土、日、祝日は営業日としてカウント致しません。)
●当日、可能な範囲で質疑応答も対応致します。
(全ての質問にお答えできない可能性もございますので、予めご容赦ください。)
●本講座で使用する資料や配信動画は著作物であり
無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。
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。
★【オンラインセミナー(見逃し視聴なし)】、【オンラインセミナー(見逃し視聴あり)】のいずれかから、ご希望される受講形態をメッセージ欄に明記してください。