回帰モデルを用いた化学データの特性予測と実験条件探索

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、回帰モデルに注目し、機械学習を用いた化合物の特性予測、そしてベイズ最適化を用いた条件探索について、Pythonを使った実装を交えて解説いたします。

日時

開催予定

プログラム

化学物質の開発は依然として膨大な費用と時間がかかっています。そこで、研究開発の効率化を目指し、ケモインフォマティクスの手法を使った化合物の特性予測や、最適な条件探索を行うモデルが注目されています。そのために、機械学習をはじめとした人工知能の貢献が期待されており、回帰モデルを構築する研究開発が進められています。  本講演では回帰モデルに注目し、機械学習を用いた化合物の特性予測、そしてベイズ最適化を用いた条件探索について紹介します。また、Pythonを使った実装を行います。

  1. ケモインフォマティクスの概要
  2. 特性を予測すること
  3. 線形回帰モデル
  4. 過学習を抑制する回帰モデル
  5. 次元圧縮と回帰モデル
  6. デモンストレーション:線形回帰
  7. 非線形回帰モデル
  8. サポートベクター回帰
  9. 決定木に基づく回帰モデル
  10. 重要な特性の推測
  11. デモンストレーション:非線形回帰
  12. 最適な実験条件の探索
  13. ガウス過程回帰モデル
  14. デモンストレーション:ガウス課程回帰
  15. まとめ

受講料

複数名同時受講割引について

アカデミック割引

日本国内に所在しており、以下に該当する方は、アカデミック割引が適用いただけます。

ライブ配信対応セミナー / アーカイブ配信対応セミナー

ライブ配信セミナーをご希望の場合

アーカイブ配信セミナーをご希望の場合