【中止】多変量解析・データ処理超入門 〜機械学習活用・精度向上〜

特徴抽出や次元削減、データ前処理、相関とパターンの発見など、 解析の手順を事例を交えて、分かりやすく解説！共線性の解消や異常値の検出、モデルの解釈性向上など、精度向上のポイント

セミナー講師

(株)メドインフォ　代表取締役　嵜山 陽二郎　氏

セミナー受講料

1名につき 66,000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60,500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

近年、様々な分野で人工知能（AI）の技術に期待が寄せられていますが、AIの情報処理技術をフルに活用し開発を進めていく分野はインフォマティクスと呼ばれています。そしてインフォマティックにおける情報処理技術の中核をなすものが機械学習であり、そのベースとなるのが多変量解析とデータ前処理テクニックです。多変量解析とデータ前処理テクニックについてわかりやすく説明した教科書は非常に少ないです。多くの解説書は難しい線形代数の理論に終始しています。しかし、本講座では先ず2変数の小規模データを題材に丁寧に解説してから多変数へと発展させます。理論や数式だけでなく、既に親しみのあるExcelと無料解析ツールのR、Pythonを使った豊富な計算事例を用いた実践的な内容になっています。また、本講座は機械学習・多変量解析を使用するあらゆる分野の方向けの入門講座です。機械学習・多変量解析の面白さと可能性に一人でも多くの方に触れて頂けることを期待しています。

習得できる知識

・多変量解析の基本コンセプト・特徴抽出や次元削減の手段としての活用法　入門・応用事例・データの前処理の手法と応用・相関とパターンの発見の事例・共線性の解消や異常値の検出、モデルの解釈性向上など、精度向上のポイント

セミナープログラム

≪第１日目≫　4月4日（木）10：30～16：30

１．多変量解析の基本コンセプト　①多変量データとは　②説明変数と目的変数　③モデルの複雑性と頑健性2．データの前処理　①Pythonによる簡単プログラミング　②Pandasモジュールによるデータの読み込み　③Numpyモジュールによる数値計算３．重回帰分析　①単回帰分析　②最小2乗法　③重回帰分析　④多重共線性と変数選択４．重回帰分析（演習）　①Ｅｘｃｅｌソルバーを使った重回帰分析　②Excel行列計算を使った重回帰分析　③R/Pythonを使った重回帰分析５．ロジスティック回帰解析　①単変数の場合のロジスティック回帰分析　②ロジスティック回帰モデル　③オッズとオッズ比　④尤度と最尤推定法６．ロジスティック回帰分析（演習）　①Excelソルバーを使ったロジスティック回帰分析　②R/Pythonを使ったロジスティック回帰分析７．主成分分析　①多次元データの１次元への縮約　②Ｅｘｃｅｌソルバーを使った主成分分析　③固有値・固有ベクトルと因子負荷量　④変数間の関係を調べる８．主成分分析（演習）　①Excelソルバーを使った主成分分析　②R/Pythonを使った主成分分析

【質疑応答】

≪第２日目≫　4月5日（金）10：30～16：30

１．判別分析　①１変数による２群の判別　②線形判別関数　③判別得点と誤判別の確率２．判別分析（演習）　①Excelを使った判別分析　②R/Pythonを使った判別分析３．クラスター分析　①階層的クラスター分析　②非階層的クラスター分析４．クラスター分析（演習）　①Excelを使ったクラスター分析　②R/Pythonを使ったクラスター分析５．決定木分析　①回帰木分析　②ランダムフォレスト法６．決定木分析（演習）　①Excelを使った決定木分析　②R/Pythonを使った決定木分析７．機械学習　①機械学習とは　②分類問題　③回帰問題　④深層学習８．機械学習（事例紹介）　①サポートベクターマシン９．おわりに

【質疑応答】