データサイエンスの全体像,データサイエンスを学ぶ目標設定,活用方法,重回帰分析,主成分分析について,タグチメソッド創始者である田口玄一先生から直接学んだ講師が,分かりやすく解説する！！
- 講師
株式会社ケンシュー 代表取締役 倉地 育夫 先生 ブリヂストン（株）,コニカ（株）,コニカミノルタビジネステクノロジーズ（株）を経て現在に至る
- 日時
- 会場
- ※本セミナーはWEB受講のみとなります。
- 受講料
- （消費税率10%込）1名：49,500円 同一セミナー同一企業同時複数人数申込みの場合 1名：44,000円
- テキスト
受講概要
受講形式 WEB受講のみ ※本セミナーは、Zoomシステムを利用したオンライン配信となります。 テキスト PDF資料（受講料に含む） 受講対象 1. 高卒以上の中堅技術者 2. 新入社員技術者研究者 3. データサイエンスに関心のある技術者 4. 研究開発の管理者、実務担当者 予備知識 特に必要ありません。 習得知識 1）データサイエンスの全体像の理解 2）データサイエンスを学ぶ目標設定 3）重回帰分析 4）主成分分析 など 講師の言葉 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、問題解決手法には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。
プログラム
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 （希望者にエンジン部分のプログラムをサービスします） （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 質疑・応答 講師紹介 略歴 1977年3月 名古屋大学 工学部 合成化学科 卒業 1979年3月 名古屋大学 大学院 工学研究科 応用化学専攻 博士課程前期修了 1979年4月 ブリヂストンタイヤ株式会社入社 (現:株式会社ブリヂストン) 1983年4月 科学技術庁 無機材質研究所 留学 (1984年10月まで) 1984年11月 株式会社ブリヂストン 研究開発本部 復職 1991年9月 株式会社ブリヂストン 退社 1991年10月 コニカ株式会社 第四開発センター 入社 (主任研究員) 1993年4月 国立 福井大学 工学部 客員教授 1993年11月 コニカ株式会社 感材技術研究所 主幹研究員 1998年6月 コニカ株式会社 MG開発センター 主幹研究員 2001年8月 コニカ株式会社 中央研究所 所長付 主幹研究員 2005年8月 コニカミノルタビジネステクノロジーズ株式会社 生産本部 生産技術センターデバイス技術部 第3デバイスグループリーダー 2008年10月 コニカミノルタビジネステクノロジーズ株式会社 生産技術センターデバイス技術部 担当部長 2009年4月 コニカミノルタビジネステクノロジーズ株式会社 開発本部 化製品開発センター 機能部材開発部 担当部長 2011年3月 コニカミノルタビジネステクノロジーズ株式会社 定年退社 (57歳) 2011年3月 株式会社ケンシュー 代表取締役 学会等 高分子学会 代議員 高分子同友会 開発部会 世話人 日本化学会 代議員 日本化学会 産学交流委員会シンポジウム分科会 主査 日本化学会 産学交流委員会シンポジウム分科会 委員長 日本化学会 春季年会講演賞 審査委員長
関連セミナー
Pythonによる統計解析とデータ分析・予測への応用【WEB受講（Zoomセミナー）】
プログラミングができない要素技術者自身でできる人工知能応用技術開発 ディープニューラルネットワークモデルとMTシステムの基礎および学習データ最小化と、エンジニアリング応用入門 ～《開発の自動化・仮想検査・未知の異常検知》事例で学ぶ、実用化レベルのAI応用ノウハウ～ AI構築デモ付き（希望者にAI構築・計算方法Excel資料 提供） 【WEB受講可能(Zoomセミナー）】
【ソフトウェア配付・ＰＣ演習付き】 データから本質的な情報を取り出す 製造業における予測・原因分析・縮約・分類のための統計・多変量解析 実践入門～エンジニアのための統計・多変量解析 実務的基礎～【WEB受講（Zoomセミナー）】
従来開発方法・実験計画法との比較で学ぶ品質工学（タグチメソッド）実践入門 「手戻り防止・性能確保・品質問題回避・低コスト化」を解決するロバスト最適化開発法 ～最初につまずかないための重要概念の理解と実際の進め方～【WEB受講(Zoomセミナー)】
09/14（木）
終了済みオープンセミナー