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

再開催を依頼する / 関連するセミナー・出版物を探す
オンライン 開催

本セミナーでは、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いたします。
「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いたします。

日時

中止

プログラム

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。

  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. イシューからはじめよ
      1. 深層学習、機械学習、データ分析以前に行うべきこと
      2. ビッグデータの落とし穴
      3. 深層学習 (機械学習) の落とし穴
      4. イシューからはじめよ
    2. 機械学習以前に行うべきデータ分析
      1. 相関分析・頻度分析
      2. 交差項・相互作用分析
      3. 回帰分析
      4. 多重共線性
      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
    1. 機械学習の基礎
      1. 線形回帰モデルの学習
      2. リッジ回帰・ラッソ回帰
      3. モデルの使い分け
    2. グラフニューラルネットワークの基礎
      1. ニューラルネットワークの構造
      2. 計算グラフと誤差逆伝播法による学習
      3. グラフニューラルネットワークの構造
      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
    1. 化合物物性予測のための深層学習
      1. 量子化学シミュレーションと機械学習の違い
      2. 密度汎関数法の基礎
      3. 量子化学と機械学習の融合
      4. 化合物の物性予測
      5. 転移学習の展望
    2. まとめ
      1. イシューとデータ
      2. 機械学習と深層学習

受講料

複数名受講割引

アカデミー割引

教員、学生および医療従事者はアカデミー割引価格にて受講いただけます。

ライブ配信セミナーについて