★IT創薬研究者によるケモインフォマティクスのための逆合成アルゴリズムの解説と実践

★「機会学習の数理100問シリーズ」の著者による Python/Rプログラムを用いた
スパースモデリング/グラフィカルモデル/因果探索の実習

AIによる逆合成解析と特徴量学習と因果探索

《基本技術からバイオインフォマティクスへの応用まで》

【提携セミナー】

主催：株式会社技術情報協会

セミナー趣旨

第1部～第3部　各セミナープログラム欄に記載

担当講師

【第1部】

藤 秀義 氏

千葉大学薬学部(薬剤師免許を取得) アステラス製薬出身(臨床開発候補化合物の創出) MELLODDYコンソーシアムの立ち上げに参画

【第2部・第3部】

鈴木 讓 氏

大阪大学教授 博士(工学)　大学院基礎工学研究科 数理科学領域/
関連の各学会に所属：(日本統計学会、日本行動計量学会、日本計算機統計学会、人工知能学会、日本数学会)

セミナープログラム（予定）

＜１０：３０～１２：００＞　※途中昼休憩を挟みます
【第１部】　AIによる逆合成解析 －オープンソースを使った実践入門－

【講演趣旨】

逆合成解析：有機化学において目的の分子を生成するための合成経路を探す手法。
Marwin Seglerらが2018年にNature誌で 発表した深層学習を用いた手法を皮切りに、AIによる解析手法の開発が盛んです。
本講演では、オープンソースとして 既に公開されている手法を紹介し、Google Colaboratoryを用いて実際にAIによる解析を実施頂く予定です。

【講演項目】
１．逆合成解析とは

２．AIによる逆合成解析アルゴリズムの解説

３．オープンソースを使った逆合成解析の実践

【質疑応答】

＜１２：４５～１４：１５＞
【第２部】　スパースモデリングによる特徴量学習

【講演趣旨】

機械学習の手法であるスパース推定、カーネル処理を理解し、背後にあるロジックを習得します。
講演者からの一方通行な講話ではなく、Python/Rのソースプログラムを追い、論理的に考えたことと実装による結果が一致することを実習します。 受講者の要望を伺いながら確認、話を進めていきます。

【講演項目】
1.スパース推定の原理

2.ロジスティック回帰と遺伝子解析への応用

3.生存時間解析

4.グラフィカルLassoと遺伝子解析への応用

5.疑似尤度を用いたグラフの構造学習

6.Python/Rによる実習

【質疑応答】

＜１５：００～１７：００＞
【第３部】グラフィカルモデルと因果探索

【講演趣旨】

引き続き、機械学習の手法であるグラフィカルモデルの 理解とロジックの習得を目指します。
著者の書籍「機械学習の数理100問シリーズ(共立出版、2020年-)」をベースとして、統計的機械学習の数理・スパース推定・機械学習の ためのカーネルなどを理解し、使いこなすための素地と なる講演をします。

【講演項目】
１.ベイジアンネットワーク

２.PCアルゴリズムとベイジアンネットワークの構造学習

３.正定値カーネルと再生核Hilbert空間

４.Hilbert Schmidt Information Criterion (HSIC)による独立性検定

５.LiNGAMによる因果方向の決定

６.交絡のある場合の対応

７.Python/Rによる実習 【質疑応答】

【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

技術情報協会主催セミナー　受講にあたってのご案内

• Live配信セミナーの接続確認・受講手順は こちら をご確認ください。
• お申込み・お支払い方法に関するご案内はこちら をご確認ください。

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。

※お申込後はキャンセルできませんのでご注意ください。

※申し込み人数が開催人数に満たない場合など、状況により中止させていただくことがございます。