最新情報

2023.04/14 2023年5月データサイエンスによる問題解決法(2023)参加者募集のお知らせ

下記日程でオンラインセミナー開催を予定しております。予定日以外での開催はお問い合わせください。参加者1名でも開催いたします。また、企業研修として活用される場合にはご相談ください。

 

 

請求書の発行等をご希望の場合は、info@kensyu323.comまでご連絡ください。

お申込みはこちら


<概要>

 1990年代に日本で導入が始まったタグチメソッド(TM)は、開発設計段階の品質設計手法として定着した。そして、静的な統計手法が中心だった品質工学では動的SN比の導入によるイノベーションが起きている。これはDXの進展とも関係し、TMも含むデータサイエンスが今後の技術開発を牽引する学問として脚光を浴び、2017年には大学にその講座を設置するブームが起きた。

 データサイエンスについて、1970年代に多変量解析が大型コンピューターで利用でき、人文科学系の研究を飛躍的に進歩させたが、技術系では仮説を重視した科学的手法が中心で、データは仮説を検討する目的で採取されたので、日科技連が公開した新QC7つ道具に多変量解析が紹介されながらも普及していない。

 2010年代に登場したマテリアルズインフォマティクスは、AIを活用したデータマイニングで新たな知を見出そうとする試みだが、これはビッグデータをデータサイエンスで取り扱い新たな知を探る手法で、仮説中心の科学的な開発設計手法とは異なる。実は、TMも仮説ではなく、基本機能に着目したデータ収集により品質設計を行うので科学的な開発設計手法とは異なっている。科学的な開発設計プロセスと異なるメソッドが1990年ごろから技術開発に取り込まれていた。

 本セミナーでは、データサイエンスを用いる開発設計手法が、従来の科学的手法と異なる点に着目し、科学的問題解決法と非科学的問題解決法の二つのパラダイムの存在から説明する。そして豊富な内容を効率的に理解できるよう講演者が実践してきた事例を中心に構成し、発展段階であるデータサイエンスをどのように実務の製品設計にとりこむのか、様々な手法の可能性とその学び方を解説する。

 すなわち、今後AIが中心となり発展するデータサイエンスについて、AI「も」一手法としたデータサイエンスの活用法を解説する。セミナーはデータサイエンス全体の解説であるが、多変量解析や一部の手法については無料プログラムの活用方法を提供するのでセミナー受講後すぐに活用できる。

データサイエンスの上手な学習方法は、その未来も含む全体像を知り、とりあえず利用できるものを使いながら、そのパラダイムに慣れ親しみスキルアップしてゆく方法がこれまでの技術者経験から好ましいと思っている。本セミナーはその入門の位置づけである。

 


<費用>

 

参加費(クラウド版テキスト付):30,000円

 

※クラウド版テキストはダウンロードができない代わりに、随時内容が更新されます。セミナー当日から1年間閲覧可能です。


<習得できるスキル>

1.データサイエンスの全体像を理解できます。

2.データサイエンスを学ぶ目標を設定できます。

3.このセミナーの受講で重回帰分析と主成分分析が利用可能となります。


<対象>

・高卒以上の中堅技術者

・新入社員技術者研究者

・データサイエンスに関心のある技術者

・研究開発の管理者、実務担当者


<内容>

1. 科学と技術
 (1)問題解決法の二つのパラダイム

  A.名探偵ホームズと刑事コロンボ

  B.二つの推論の向き

  C.タグチメソッドのパラダイム

 (2)iPS細胞の研究開発プロセス

 (3)科学と技術における実験の位置づけ

 (4)トランスサイエンス

2. データサイエンスについて

 (1)データサイエンスの基本

 (2)データと前処理

 (3)モデル化と最適化、パターン認識

 (4)多変量解析

 (5)アルゴリズム

 (6)機械学習

 (7)ニューラルネットワーク

3. モデル化事例

 (1)コンピュータモデル実験と数値シミュレーション

 (2)パーコレーション転移シミュレーション

 (3)配合設計にどのように活用されたか。

  A.フィルムの帯電防止層開発事例

  B.半導体無端ベルト開発事例

4. データ駆動による配合設計

 (1)グラフ用紙を用いるデータマイニング

 (2)事例:難燃性PETボトル再生樹脂

 (3)ラテン方格を用いる試行錯誤法。

 (4)事例:半導体用高純度SiC前駆体の開発

5. 多変量解析の活用

 (1)重回帰分析と主成分分析

 (2)簡単(無料)に活用できるプログラム説明

 (3)事例:電気粘性流体の耐久劣化問題解決

 (4)事例:難燃性樹脂の品質問題解決

 (5)事例:高分子の劣化耐久予測法

6. ディープラーニング

 (1)ディープラーニングとは

 (2)Pythonについて

 (3)事例:難燃性ポリウレタンの解析

 (重回帰分析との比較)

7. まとめ


お申込みはこちら

pagetop