はじめての研究開発での機械学習活用と社内推進のポイント

人事/総務/財務/法務

機械学習の基礎と全体像を整理し、自社の課題に合った導入・適用方法を考える視点を提供します

No. 99K251959

26/02/24 更新

講義のねらい
研修プログラム
注意事項
スケジュール

受講対象target

機械学習に取り組む研究者・技術者やDX推進担当者の方
機械学習の基礎と全体像を整理し自社の課題に合った導入・適用方法を知りたい方

講義のねらいoutline

金属・ゴム・薬品などの材料分野での研究開発現場では、AIや機械学習を活用した業務効率化の重要性が高まっています。

しかし現実には、機械学習についてよく分からない、現場やマネジメント層からの理解が得られない、数多くの関連サービスの違いが分からないといった理由から、機械学習の活用が思うように進まないケースが多く見られます。

本セミナーでは、これから機械学習に取り組む研究者・技術者やDX推進担当者を対象に、機械学習の基礎と全体像を整理し、自社の課題に合った導入・適用方法を考える視点を提供します。さらにデータ解析ツールDatachemical LABの実演を交え、実験データをもとにした機械学習の活用プロセスにおいて、押さえておきたい技術の基礎を分かりやすく解説します。最近の生成AIによる活用支援についてもカバーします。

また、社内で活用を推進する際に直面しがちな課題とその対処方法、データ駆動型の研究文化を根付かせるためのポイントを共有し、受講者が円滑に自社での取り組みを進めるようになることを目指します。

主催団体organizer

本コースは、一般社団法人企業研究会が主催しております。

研修プログラム例program

1. はじめに
1-1. 機械学習の概要
　　械学習の定義、科学のパラダイムシフト、計算科学との比較など
1-2. データサイエンスの中での機械学習の位置づけ
　　それぞれのキーワードの整理など
1-3. なぜ機械学習活用が求められるのか？
　　グローバル市場の変化、生産年齢人口の減少、データサイエンス教育の加速など
1-4. 自社に合った機械学習活用の手段
　　活用手段の整理、ツールの選び方など

2. 研究開発での機械学習活用プロセス
2-1. データセット作成
　　予測対象を明確にする、入力項目は広く集める、必要なサンプル数の目安など
2-2. データ可視化
　箱ひげ図、相関係数、低次元化、クラスタリングなど
2-3. データ前処理
　　オートスケーリング、欠損値処理、特徴量変換、特徴量選択など
2-4. モデル最適化
　　予測モデルの種類、ハイパーパラメーター、交差検証、変数重要度など
2-5. 実験条件予測
　　順解析と逆解析、予測データの作成、ベイズ最適化など
2-6. 適応的実験計画法
　　実験計画法の分類、適応的実験計画法の流れなど
2-7. 生成AIによる活用支援
　　汎用LLMの注意点、RAGの活用など

3. 機械学習活用の社内推進のポイント
3-1. なぜ機械学習活用が進まないのか？
　　それぞれの立場の意見、活用の難しさなど
3-2. 活用推進成功のポイント
　　最初の取り掛かりでつまずかないための秘訣など
3-3. データ駆動型研究文化の定着に向けて
　　 AIドリブンな組織に変わるための秘訣など

お問合せフォームへ