ベイズ最適化と能動的レベル集合推定による適応的実験計画の基礎と実践方法および適用事例
2025年1月21日開講。WEBでオンラインLive講義にどこからでも参加できます。第一人者の名古屋大学 松井氏のご講演。ベイズ最適化と能動的レベル集合推定による適応的実験計画の基礎と実践方法および適用事例について説明します。
■注目ポイント
★ベイズ最適化や能動的レベル集合推定などの適応的実験計画を使うための問題の設計方針・機械学習モデルの構築・実験計画アルゴリズムまでを一気通貫に解説！
- 名古屋大学 医学系研究科 松井 孝太 氏
【1名の場合】49,500円(税込、テキスト費用を含む)
2名以上は一人につき、16,500円が加算されます。
定員：30名
※ お申し込み後、受講票と請求書のURLが自動で返信されます。基本的にはこちらで受付完了です。開催前日16：00までに再度最終のご連絡をいたしますので、しばらくお待ちください。請求書と受講票は郵送ではないため必ずダウンロードください。また、同時に送られるWEBセミナー利用規約・マニュアルを必ずご確認ください。
※ セミナー前日夕方16：00までにWEB会議のURL、事前配布資料のパスワードについては、別途メールでご案内いたします。基本的には、事前配布資料はマイページからのダウンロードの流れとなります。なお、事前配布資料については、講師側の作成完了次第のお知らせになりますので、この点、ご理解のほどお願い申し上げます。
※ 請求書の宛名の「株式会社」や「(株)」の「会社名の表記」は、お客様の入力通りになりますので、ご希望の表記で入力をお願いします。
※ お支払いは銀行振込、クレジット決済も可能です。銀行振込でお支払いの場合、開催月の翌月末までにお支払いください。お支払いの際は、社名の前に請求書番号をご入力ください。
※ 領収書のご要望があれば、お申込み時、領収書要にチェックを入れてください。
※ 2名以上でお申し込みをされた場合は、受講票と請求書を代表者様にご連絡します。
※ 当講座では、同一部署の申込者様からのご紹介があれば、何名でもお1人につき16,500円で追加申し込みいただけます (申込者様は正規料金、お2人目以降は16,500円となります)。追加の際は、申し込まれる方が追加の方を取りまとめいただくか、申込時期が異なる場合は紹介者様のお名前を備考欄にお書きくださいますようお願いいたします。
※ なお、ご参加手続きの際、自宅住所やフリーアドレス、個人携帯番号のみで登録された場合は、ご所属確認をさせいただくことがございます。
【本セミナーの主題および状況・本講座の注目ポイント】
■本セミナーの主題および状況
★ベイズ最適化とは機械学習の手法の一つであり、現状のデータから合成条件を効率よく最適化する手法となっています。
★科学的な営みを実行していく上で、「設計」や「計画」はおろそかにすることができない重要なプロセスです。設計や計画が問題の根幹となっている例は、ロボット開発・創薬・天然資源の探鉱など枚挙に暇がありません。近年、設計や計画問題に対するデータ駆動型のアプローチ、また、それを実現するための情報技術である機械学習が注目されています。
★データ駆動型のアプローチは、データ分析の方法だけでなく、データ収集の方法も考察および最適化の対象とします。特に後者の性質は、ものづくりなどデータ収集コストが非常に高い分野においては重要な意味を持っていると考えられます。
■注目ポイント
★機械学習による適応的実験計画の考え方を解説！
★ベイズモデリングの基礎知識を解説！
★ベイズ最適化や能動的レベル集合推定の基礎知識・実行方法とは！？
講座担当：牛田孝平
≪こちらの講座は、WEB上での開催のオンライン講座になります≫
【時間】 10:30-16:30
【講師】名古屋大学 医学系研究科 松井 孝太 氏
【講演主旨】
科学的な営みを実行していく上で、「設計」や「計画」はおろそかにすることができない重要なプロセスです。設計や計画が問題の根幹となっている例は、ロボット開発・創薬・天然資源の探鉱など枚挙に暇がありません。近年、設計や計画問題に対するデータ駆動型のアプローチ、また、それを実現するための情報技術である機械学習が注目されています。
データ駆動型のアプローチは、データ分析の方法だけでなく、データ収集の方法も考察および最適化の対象とします。特に後者の性質は、ものづくりなどデータ収集コストが非常に高い分野においては重要な意味を持っていると考えられます。
本セミナーでは、データ駆動型のアプローチの一つである適応的実験計画に注目し、ベイズ最適化と能動的レベル集合推定という2つの手法について、統計モデリング、アルゴリズム、適用事例を解説したいと思います。
【プログラム】
１．導入
1.1 機械学習によるデータ駆動型アプローチ
（能動学習、適応的実験計画という考え方について）
1.2 ブラックボックス関数の最適化問題とベイズ最適化・レベル集合推定
２．ベイズモデルによる機械学習と回帰のための適応的実験計画
2.1 ベイズ線形回帰
2.2 ガウス過程回帰
2.3 ガウス過程回帰に基づく関数推定のための適応的実験計画
３．ベイズ最適化の方法論
3.1 ベイズ最適化の基本アルゴリズム
3.2 様々な獲得関数に基づくベイズ最適化
４．能動的レベル集合推定の方法論
4.1 レベル集合推定問題の定式化とアルゴリズム
4.2 能動的レベル集合推定のための獲得関数
５．より複雑な問題に対するベイズ最適化
5.1 制約付き最適化のためのベイズ最適化
5.2 コスト考慮型のベイズ最適化
5.3 多目的最適化のためのベイズ最適化
5.4 複数条件を同時に観測できる問題のためのベイズ最適化
5.5 高次元な入力空間上のベイズ最適化
６．応用事例紹介
6.1 機械学習モデルの超パラメータ最適化
6.2 レベル集合推定による太陽電池用シリコンインゴットの低品質領域の推定
6.3 イオン伝導性物質の伝導度推定
6.4 Siエピタキシャル成長プロセス条件の最適化
6.5 抗がん剤第I相臨床試験における最大耐用量の同定
７．ベイズ最適化の実行
7.1 Pythonによるベイズ最適化の実装方法の紹介
7.2 回帰のための能動学習、ベイズ最適化、能動的レベル集合推定のデモ紹介
（google colaboratoryにアクセス可能な方はハンズオン）
【質疑応答】
【キーワード】
適応的実験計画，ベイズ最適化，能動的レベル集合推定，能動学習，マテリアルズインフォマティクス
【講演のポイント】
ベイズ最適化や能動的レベル集合推定などの適応的実験計画を使うための，問題の設計方針・機械学習モデルの構築・実験計画アルゴリズムまでを一気通貫に学べます。
【習得できる知識】
・機械学習による適応的実験計画の考え方
・ベイズモデリングの基礎知識
・ベイズ最適化や能動的レベル集合推定の基礎知識
・ベイズ最適化や能動的レベル集合推定の実行方法
・具体的な適用事例