RapidMiner(ラピッドマイナー)は機械学習プラットフォームです。データ可視化、データ加工、モデル作成、評価、運用までを一つのプラットフォームで行うことができます。KSKアナリティクスはRapidMinerの正規販売代理店です。

コース内容COURSE

難易度:
【発展】★★★★

MI編(Materials Informatics)

MI編(Materials Informatics)イメージ

近年、素材開発の分野で注目を集めているMIを活用するため、MIの課題及び機械学習上の課題双方の対処策を習得し、RapidMinerでの実装を学習する講座です。

対象者

素材の研究開発業務の方 におススメ

所要時間

約240分(予定)
※実際の所要時間は、ハンズオン含め約2~3倍程度かかります。

習得内容

MI特有の問題の対処法を習得する
MIに活用できるようになる

コース内容

全4回 240分(予定)

第1章 分子の特徴量を生成する/分子の特徴量の考え方/RDKitを活用する/Rapidminerによる実装の解説
第2章 混合物の特徴量をつくる/混合物の特徴量の考え方/配合データを扱いやすい形へ変換する/特徴量の計算方法の解説
第3章 予測の有効範囲の判断方法 (予定)
第4章 高次元データへの対応 (予定)

 

詳細はこちら

プロセスデータ分析編

プロセスデータ分析編イメージ

プロセスデータ(時系列データ)を用いたデータ分析に関する手法を学習いただき、 プラントで実活用できるようなモデルケースを元に学習できるコースです。

対象者

プラントの業務に携わる方 におススメ

所要時間

約300分
※実際の所要時間は、ハンズオン含め約2~3倍程度かかります。

習得内容

プロセスデータの前処理を習得する
予知保全や収率最大化に活用できるようになる

コース内容

全5回 300分

第1章 プロセスデータ(時系列データ)
の取り扱い方/時系列データのハンドリング/時系列データの可視化/時系列データの特徴量抽出
第2章 連続プラントにおける収率最大化/課題設定/データの前処理/生産量予測モデルの作成/収率最大化
第3章 プロセスデータを用いた予知保全/課題設定/データの前処理/モデルの作成/バッチプロセスへの応用
第4章 ソフトセンサー作成/ソフトセンサーとは/課題設定/回帰モデルの作成
第5章 化学プラントにおける異常検知/異常検知へのアプローチ/PCAによる異常検知/様々な異常検知手法/演習

 

詳細はこちら