【中止】機械学習入門 〜基礎理論からデータ解析の方法まで〜

★PythonとR、教師あり学習・なし学習 をはじめとした基礎を学ぶ ★解析からみた、データ収集の要件と必要サンプルサイズの考え方

セミナー講師

(株)メドインフォ 代表取締役 嵜山 陽二郎 氏

【略歴】1983-87年　東京大学理科Ⅱ類入学～東京大学薬学部卒業1987-1993年　東京大学大学院修士課程、博士課程修了（医学博士）1993-1999年　東京都老人総合研究所、国立長寿医療研究センターにて、画像解析の業務に従事1999-2007年　ファイザー株式会社中央研究所にて、職員を対象とし100回を超える統計解析の授業を実施、非臨床薬理試験における統計解析支援。2007年　ファイザー株式会社中央研究所が閉鎖2008年　日本薬理学雑誌に発表した論文は、薬理試験においてExcelソルバーの非線形モデルを導入した最初の試みとして話題となる1)。2009年　ファイザー株式会社英国サンドウィッチ研究所における主要な業績の一つとして、機械学習モデルを薬物動態に応用した最初の試みが、エキスパートオピニオンジャーナルに掲載される2)。2009-2013 グラクソスミスクライン株式会社、ヤンセンファーマ株式会社、フェリングファーマ株式会社にて医学情報・統計解析担当を歴任2015- アスペンジャパン株式会社　メディカルアフェアーズ部　部長2015- 株式会社メドインフォ設立　代表取締役

他にも、これまで40報を超える学術論文を執筆し、非臨床・臨床研究の解析手法において多数の研究業績を有する。国際学会発表5回、国際薬物動態予測学会の座長、製薬企業スタッフ対象の講演会など多数の実績あり。現在運営中のサイト「統計解析 - Python・R・エクセルを使った講義で最速マスター」は10万PVを超える人気サイトとなっている 。著書に、「医師・看護師のための統計学ポイント＆アドバイス77 東京図書」がありわかりやすい統計学の教科書として絶賛発売中。

セミナー受講料

1名につき55，000円（消費税込、資料付）〔1社2名以上同時申込の場合のみ1名につき49，500円〕

受講について

• 本講座はZoomを利用したLive配信セミナーです。セミナー会場での受講はできません。
• 下記リンクから視聴環境を確認の上、お申し込みください。　→ https://zoom.us/test
• 開催日が近くなりましたら、視聴用のURLとパスワードをメールにてご連絡申し上げます。セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
• Zoomクライアントは最新版にアップデートして使用してください。Webブラウザから視聴する場合は、Google Chrome、Firefox、Microsoft Edgeをご利用ください。
• パソコンの他にタブレット、スマートフォンでも視聴できます。
• セミナー資料はお申込み時にお知らせいただいた住所へお送りいたします。お申込みが直前の場合には、開催日までに資料の到着が間に合わないことがあります。ご了承ください。
• 当日は講師への質問をすることができます。可能な範囲で個別質問にも対応いたします。
• 本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
• 本講座はお申し込みいただいた方のみ受講いただけます。複数端末から同時に視聴することや複数人での視聴は禁止いたします。
• Zoomのグループにパスワードを設定しています。部外者の参加を防ぐため、パスワードを外部に漏洩しないでください。万が一部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。

セミナー趣旨

本講座では、これから、機械学習の導入を検討される 方々に向けて、それぞれがどのようなものか全体像としてのイメージをつかんでいただくことを目的とし ております。技術の導入がすすむ一方で、機械学習を身につけている人材・人手 はまだまだ不足しています。本講座がきっかけとなり、皆様の機械学習の斡旋の 一助になれたら幸いでございます。是非、参加をお待ちいたしております

セミナープログラム

第１部機械学習基礎・機械学習とは・機械学習の使い方（PythonとR）・教師あり学習とは（回帰）・教師なし学習とは（分類）第２部複雑なモデルの問題・最適な複雑さのモデルとは（汎化性能と過学習）・次元の呪い・変数選択・多重共線性第３部最適なモデルをつくるために・赤池情報量基準（AIC）・クロスバリデーション（交差検証）・教師なし学習における次元削減（主成分分析）・教師なし学習における類似度と非類似度（クラスター分析）第４部・機械学習の事例・決定木分析とランダムフォレスト法・ナイーブベイズ分類法・ガウス過程法・サポートベクターマシン第５部機械学習における注意点・データセット作成上のルール・最適なサンプルサイズ・デザインする上での注意点・機械学習の今後の展望質疑応答