Pythonを用いた実験計画法とその最適化

セミナーに申し込む
オンライン 開催

本セミナーでは、より有効な実験条件を効率的に探索するための基本的な統計手法として、まず分散分析について解説いたします。
また、近年注目されているベイズ最適化を用いた実験計画について講義を行います。そして、複数特性に対して最適化を目指す方法についても概要を紹介いたします。

日時

開催予定

プログラム

化学・創薬科学分野の研究開発には、膨大な費用と時間が必要とされるため、効率的に進めるべく変革が求められています。そのためには、化学分野のデータに機械学習をはじめとした情報学の手法を適用するケモインフォマティクスが注目されています。これにより、特性の予測や有望な条件の探索ができれば、膨大な時間や費用を削減しながら、新しい物質の開発に向けたヒントを得ることが期待されています。  本セミナーでは、より有効な実験条件を効率的に探索するための基本的な統計手法として、まず分散分析について解説します。それから、近年注目されているベイズ最適化を用いた実験計画について講義を行います。そして、複数特性に対して最適化を目指す方法についても、概要を紹介します。  実際に業務で化合物の特性を予測できることを目指してデモンストレーションを行います。デモンストレーションはGoogle Colaboratoryを使い、本セミナーで使用したコードとデータの例は配布いたします。

  1. 化学分野におけるデータ活用
  2. 実験計画における考え方
  3. 分散分析
  4. 最適な実験条件の探索
  5. 線形モデル
  6. 応答局面法
  7. ガウス課程回帰モデル
  8. ベイズ最適化
  9. デモンストレーション:ガウス課程回帰
  10. 多目的最適化
  11. デモンストレーション:多目的最適化
  12. 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。

アーカイブ配信セミナー