研究開発 (R&D) のためのデータ解析実践

オンライン 開催

本セミナーでは、化学・製薬・食品領域における最新の機械学習や統計解析トレンドとその具体的な実装フローについて、データ解析支援の現場で培った講師の知見を基にを解説いたします。
Python、Rを活用し、単なる理論解説に留まらず、受講者が自社の課題解決に転用できる実践的な実装力を養うことを目的としております。

日時

中止

プログラム

本セミナーでは、データ解析支援の現場で培った知見を基に、化学・製薬・食品領域における最新の機械学習や統計解析トレンドとその具体的な実装フローを解説します。  前半のPythonパートでは、最新のケモインフォマティクス研究を題材に、AIが生成した仮想構造が「現実に安定して存在し得るか」を判定する手法 (CSD:化学的安定領域) や、複数の機械学習アルゴリズム (LightGBM/XGBoost等) を用いた毒性スクリーニングの最適化について紹介します。  後半のRパートでは、講師自身の国際誌受理論文 (Frontiers in Microbiology等) を実例として、複雑な多変量データからNMDS等を用いて傾向を抽出し、線形混合モデルで統計的に効果を証明するまでのプロセスを解説します。単なる理論解説に留まらず、受講者が自社の課題解決に転用できる実践的な実装力を養うことを目的とします。

  1. R&Dにおけるデータサイエンスの現在地:なぜ実装力が求められるのか
    1. 論文の「手法」を自社データに転用するためのステップ
    2. 解析スタックの棲み分け:構造探索 (Python) と統計的実証 ®
  2. Pythonによる化合物スクリーニングと予測フローの実践
    1. 最新論文に学ぶ分子構造の安定性判定
      • k-近傍法 (k-NN) を用いた構造フィルタリング
    2. 最新論文に学ぶ高精度な毒性予測
      • LightGBM/XGBoost等のアルゴリズム比較と評価指標
    3. 最新論文に見る大規模データからの機能探索
      • 成分と生体分子の相互作用予測の考え方
  3. Rによる実験データの高度な可視化と統計的検証
    1. 最新論文に学ぶ多変量解析の実践
      • NMDSプロットを用いた群集構造の要約と可視化
    2. 高度な有意差検定
      • 個体差や時系列の影響を制御する線形混合モデルの活用
  4. R&D現場におけるデータ活用・成果最大化のヒント
    1. 解析ワークフローを効率化するための実践的テクニック
    2. 第三者を納得させるためのデータ整理と論理構成のポイント
  5. 質疑応答

受講料

  • 1名様: 45,000円(税別) / 49,500円(税込)
  • 複数名: 22,500円(税別) / 24,750円(税込)

案内割引・複数名同時申込割引について

R&D支援センターからの案内登録をご希望の方は、割引特典を受けられます。
案内および割引をご希望される方は、お申込みの際、「案内の希望 (割引適用)」の欄から案内方法をご選択ください。

「案内の希望」をご選択いただいた場合、1名様 42,000円(税別) / 46,200円(税込) で受講いただけます。
複数名で同時に申込いただいた場合、1名様につき 22,500円(税別) / 24,750円(税込) で受講いただけます。

  • R&D支援センターからの案内を希望する方
    • 1名様でお申し込みの場合 : 1名で 42,000円(税別) / 46,200円(税込)
    • 2名様でお申し込みの場合 : 2名で 45,000円(税別) / 49,500円(税込)
    • 3名様でお申し込みの場合 : 3名で 67,500円(税別) / 74,250円(税込)
  • R&D支援センターからの案内を希望しない方
    • 1名様でお申し込みの場合 : 1名で 45,000円(税別) / 49,500円(税込)
    • 2名様でお申し込みの場合 : 2名で 90,000円(税別) / 99,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 135,000円(税別) / 148,500円(税込)

アーカイブ配信セミナー

  • 当日のセミナーを、後日にお手元のPCやスマホ・タブレッドなどからご視聴・学習することができます。
  • 配信開始となりましたら、改めてメールでご案内いたします。
  • 視聴サイトにログインしていただき、ご視聴いただきます。
  • 視聴期間は2026年10月28日〜11月11日を予定しております。
    ご視聴いただけなかった場合でも期間延長いたしませんのでご注意ください。
セミナーに申し込む