セミナー 印刷

【実習付】
Pythonによる
マテリアルズ・インフォマティクスの基礎と実践

~マテリアルズ・インフォマティクスへの機械学習の導入・運用を成功させるために~

演繹法とは異なる情報理論の問題の捉え方の理解
マテリアルズ・インフォマティクスにおける機械学習の適用例

式を用いた理論的な説明を最小限にして解説
マテリアルズ・インフォマティクスにより何が行えるかの理解を実習形式で深めます

【注意事項】
本セミナーでは、実習を行いますので、以下の条件を満たしたノートパソコンを当日持参して下さい。
主催者側でパソコンの貸し出しはいたしませんのでご注意下さい。
セミナー会場に、無線WiFiはございます。

実習にはjupyter notebook環境上のpython・scikit-learnスクリプトを用います。
スクリプト実行のために以下の2つのインストールが必要です。
1. Anaconda 2019.10(かそれ以降の版)、 Python 3.7 version、、64-Bitを
 各自PCのOSに合わせてインストール Anaconda 配布元url
https://www.anaconda.com/distribution/ 
2. pymatgen pythonモジュールの追加インストール
 参考url
https://anaconda.org/conda-forge/pymatgen

なお、ネットワーク環境等の理由でpymatgenのインストール時にcondaやpipのプロキシ設定が必要になる
場合があります。インストールやプロキシ設定のサポートは行いません。
日時 2020年9月30日(水)  10:30~16:30
会場 東京・品川区大井町 きゅりあん  4F 第1特別講習室
会場地図
受講料(税込)
各種割引特典
49,500円 ( S&T会員受講料 46,970円 ) S&T会員登録について
定価:本体45,000円+税4,500円
会員:本体42,700円+税4,270円
S&T会員なら、2名同時申込みで1名分無料 1名分無料適用条件
2名で49,500円 (2名ともS&T会員登録必須​/1名あたり定価半額24,750円)
備考※資料・昼食付
※講義中の録音・撮影はご遠慮ください。
※講義中のパソコン使用はキーボードの打音などでご遠慮いただく場合がございます。
得られる知識・演繹法とは異なる情報理論の問題の捉え方の理解
・機械学習の基礎知識
・マテリアルズ・インフォマティクスにおける機械学習の適用例
対象・Pythonは分かるが更に機械学習の基礎を学びたい方
・scikit-learnの使い方を学びたい方
・マテリアルズ・インフォマティクスの導入を検討されている方
キーワード:マテリアルズ・インフォマティクス、情報理論、回帰、分類、次元圧縮、クラスタリング、ベイズ最適化、python、scikit-learn、

セミナー講師

(国研)物質・材料研究機構 統合型材料開発・情報基盤部門
 情報統合型物質・材料研究拠点 主任研究員 理学博士 木野 日織 氏
【講師紹介】

セミナー趣旨

 材料開発期間を圧縮すること、合成条件の最適化を行うことを大目的として物性物理・材料開発分野にも情報理論の適用が世界的に進んでいます。しかし、流行りだからでなく、機械学習により何が行えるのかをまず理解することが機械学習の導入・運用を成功させるには不可欠です。
 本セミナーでは式を用いた理論的な説明を最小限にして、マテリアルズ・インフォマティクスにより何が行えるかの理解を実習形式で深める事を目的とします。実習にはjupyter notebook環境上のpython・scikit-learnスクリプトを用います。

セミナー講演内容

1.解説編
 1.1 情報理論の四問題
 1.2 情報理論適用の四過程
 1.3 計算機を用いた新帰納法
 1.4 母集団とサンプリング
  1.4.1 汎化性能
  1.4.2 訓練データとテストデータ
  1.4.3 記述子
 1.5 オープンレポジトリ紹介

2.基礎編:scikit-learnの基礎
 2.1 教師あり学習
  2.1.1 訓練データとテストデータへの分離方法
  2.1.2 クロスバリデーション適用方法
  2.1.3 回帰手法
   2.1.3.1 線形回帰(罰則項なし、Lasso、リッジ回帰)
   2.1.3.2 カーネルリッジ回帰
  2.1.4 分類 (classification) 手法
   2.1.4.1 ロジスティック回帰
    2.1.4.1.1 二値分類
    2.1.4.1.2 多値分類
 2.2 教師なし学習
  2.2.1 次元圧縮手法
   2.2.1.1 PCA
   2.2.1.2 多様体学習
  2.2.2 クラスタリング (clustering)手法
    2.2.2.1 KMeans法
    2.2.2.2 ガウス混合法
    2.2.2.3 階層クラスタリング

3.応用編
 3.1 ベイズ最適化による自動探索
  3.1.1 ガウス過程回帰
  3.1.2 獲得関数
  3.1.3 候補点探索自動化

4.応用編付録 (時間があればこちらも行います。)
 4.1 Lassoを用いたトモグラフ画像再構成
 4.2 PCAを用いた推薦システム
 4.3 ガウス過程を併用した線形回帰
 4.4 全探索
 4.5 記述子重要性

  □質疑応答□

【注意事項】
本セミナーでは、実習を行いますので、以下の条件を満たしたノートパソコンを当日持参して下さい。
主催者側でパソコンの貸し出しはいたしませんのでご注意下さい。
セミナー会場に、無線WiFiはございます。

実習にはjupyter notebook環境上のpython・scikit-learnスクリプトを用います。
スクリプト実行のために以下の2つのインストールが必要です。
1. Anaconda 2019.10(かそれ以降の版)、 Python 3.7 version、、64-Bitを各自PCのOSに合わせて
インストールAnaconda 配布元url
https://www.anaconda.com/distribution/ 
2. pymatgen pythonモジュールの追加インストール
参考url
https://anaconda.org/conda-forge/pymatgen

なお、ネットワーク環境等の理由でpymatgenのインストール時にcondaやpipのプロキシ設定が
必要になる場合があります。インストールやプロキシ設定のサポートは行いません。