データサイエンスの基礎知識をマスターする ― 実験のモデル化とそのデータ解析 ―【ライブ配信】

55,000 円(税込)

※本文中に提示された主催者の割引は申込後に適用されます

※銀行振込

このセミナーの申込みは終了しました。


よくある質問はこちら

このセミナーについて質問する
開催日 10:30 ~ 16:30 
締めきりました
主催者 シーエムシー・リサーチ
キーワード SQC一般   データマイニング/ビッグデータ   機械学習・ディープラーニング
開催エリア 全国
開催場所 お好きな場所で受講が可能

データの使い方の基礎から、
人工知能で話題となっているディープラーニングまで!
複雑な数式は最小限に、基本的考え方と手法の原理を理解

セミナー講師

鈴木 孝弘 氏  東洋大学 経済学部 経済学科長 教授(工学博士)

セミナー受講料

55,000円(税込)  * 資料付
*メルマガ登録者49,500円(税込)
*アカデミック価格26,400円(税込)

★メルマガ会員特典
2名以上同時申込で申込者全員メルマガ会員登録をしていただいた場合、
2人目は無料(1名価格で2名まで参加可能)、3名目以降はメルマガ価格の半額です。

★ アカデミック価格
学校教育法にて規定された国、地方公共団体、および学校法人格を有する大学、
大学院の教員、学生に限ります。申込みフォームに所属大学・大学院を記入のうえ、
備考欄に「アカデミック価格希望」と記入してください。

受講について

  • 本セミナーはビデオ会議ツール「Zoom」を使ったライブ配信セミナーとなります。
    お申し込み前に、下記リンクから視聴環境をご確認ください。
     → https://zoom.us/test
  • 当日はリアルタイムで講師へのご質問も可能です。
  • タブレットやスマートフォンでも視聴できます。
  • お手元のPC等にカメラ、マイク等がなくてもご視聴いただけます。この場合、音声での質問はできませんが、チャット機能、Q&A機能はご利用いただけます。
  • ただし、セミナー中の質問形式や講師との個別のやり取りは講師の判断によります。ご了承ください。
  • 「Zoom」についてはこちらをご参照ください。

■ お申し込み後の流れ

  • 開催前日までに、ウェビナー事前登録用のメールをお送りいたします。お手数ですがお名前とメールアドレスのご登録をお願いいたします。
  • 事前登録完了後、ウェビナー参加用URLをお送りいたします。
  • セミナー開催日時に、参加用URLよりログインいただき、ご視聴ください。
  • 講師に了解を得た場合には資料をPDFで配布いたしますが、参加者のみのご利用に限定いたします。他の方への転送、WEBへの掲載などは固く禁じます。
  • 資料を冊子で配布する場合は、事前にご登録のご住所に発送いたします。開催日時に間に合わない場合には、後日お送りするなどの方法で対応いたします。

セミナー趣旨

 第4次産業革命を迎え、あらゆるモノをインターネットに接続し、膨大なデータを収拾・分析するIoT社会において、増加し続けるデータ(ビッグデータ)を有効かつ効率的に処理し、ビジネス・研究に生かすための「データサイエンス」は、もはや現代の必修科目といえるでしょう。しかし、データサイエンスの領域は広く、多数の要素技術が含まれ混在とした状況にあり、データサイエンスの全体層を把握することが重要である。

受講対象・レベル

  • データサイエンスの概要について知りたい方
  • データサイエンスの基本となる考え方、手法を知りたい方
  • データサイエンスを学びたいが、数式やプログラミングによる説明だとよくわからない/よくわからなかったという方
  • データ分析部署、システム開発会社の新入社員、若手の方で知識を整理したい方
  • 自身の研究や実務にデータサイエンスを生かしたいが、なにからはじめればよいかわからない方
  • 文系の出身で数式が多い解説は理解しにくい方

習得できる知識

 データの使い方の基礎から、いま人工知能で話題となっているディープラーニングまで、データサイエンスの分野でありがちな複雑な数式は最小限に、その基本的な考え方と手法の原理を理解できます。

セミナープログラム

※ 講師著の『これだけは知っておきたい データサイエンスの基本がわかる本』(オーム社, 2018)をテキストにセミナーを進めます。このテキストは、講師からセミナーの前後に無償配布します。当日はスライドを用いて進めますが、テキストの事前のご用意は不要です

  1. データサイエンスとは
    1. 要素技術
    2. AIの時代
  2. データと前処理
    1. ビッグデータとデータベース
    2. 基本統計量・ベイズ統計
    3. データの標準化
  3. 実験のモデル化と最適化
    1. 実験計画法
    2. シンプレックス最適化法
    3. グリッドサーチ
  4. パターン認識・多変量解析
    1. パターン認識とは
    2. 多変量解析とは
    3. 重回帰分析とPLS回帰分析
    4. 実際の応用例
  5. サポートベクターマシン(SVM)
    1. カーネルとは
    2. SVM の応用例
  6. ニューラルネットワークとディープラーニング
    1. ニューラルネットワークとは
    2. ニューラルネットワークの構造と学習
    3. ディープラーニングとは
    4. ディープラーニングの応用分野・展望