
スモールデータ解析の方法と実問題解決への応用
~スモールデータの解析の実態とその方法論、データ収集の考え方~
不特定多数の多量のデータでではなく、
特定の専門データである「スモールデータ」の活用で生産現場などの実務・現実問題の解決を
少量のデータから統計モデルを構築したい方、現場でのデータ解析、データ収集についてお困りの方は是非
スモールデータの収集方法とその留意点、解析の実態とその手法選択、方法論
必要となるデータの質、データ収集の留意点、スモールデータ解析の手法選択
機械学習の基礎知識、入力変数選択・異常検知手法などスモールデータに適したデータ解析手法、、、
日時
【Live配信受講】 2025年11月18日(火) 10:30~16:30
【アーカイブ受講】2025年12月5日(金) まで受付(視聴期間:12/5~12/18)
セミナー趣旨
本セミナーでは、実例を通じ、スモールデータの解析の実態と、その方法論、データ収集の考え方を講義する。
受講対象・レベル
・現実のデータの解析に興味のある技術者・研究者(線形代数・微積.統計などの初歩の知識を前提とする)
・少量のデータから統計モデルを構築したいと考えられている方
・現場でのデータ解析に従事されている方
・現場におけるデータ収集についてお困りの方
習得できる知識
・機械学習の基礎知識
・入力変数選択・異常検知手法などスモールデータに適したデータ解析手法の習得
・スモールデータにおけるデータ収集の心構えの習得
セミナープログラム
1.1 スモールデータの特徴
1.2 スモールデータ解析の現状
2.スモールデータ解析の方法論:次元削減と回帰分析
2,1 主成分分析(PCA)
2.1.1 PCAとは
2.1.2 直交展開
2.1.3 PCAの導出
2.1.4 PCAと特異値分解
2,2 最小二乗法
2.2.1 回帰分析とは
2.2.2 相関係数の意味
2.2.3 最小二乗法の導出
2.2.4 最小二乗法の幾何学的意味
2.2.5 多重共線性の問題
2.3 部分的最小二乗法(PLS)
2.3.1 PLSとは
2.3.2 潜在変数モデル
2.3.3 PLSモデルの導出
2.3.4 NIPALSアルゴリズム
2.3.5 PLSから重回帰モデルへの変換
2.3.6 クロスバリデーションによるパラメータチューニング
3.スモールデータ解析の方法論:入力変数選択
3.1 入力変数選択とは
3.2 スパースモデリング
3.2.1 スパースとは
3.2.2 リッジ回帰
3.2.3 Lasso回帰
3.2.4 エラスティックネットモデル
3.2.5 Group Lasso
3.3 変数クラスタリングによる入力変数選択
3.3.1 スペクトラルクラスタリング
3.3.2 NC法のコンセプト
3.3.3 NCSCアルゴリズムの導出
3.3.4 NCSCを用いた変数クラスタリングと入力変数選択
3.3.5 製薬プロセスへの応用例
4.スモールデータ解析の方法論:不均衡データ解析
4.1 サンプリング手法
4.1.1 サンプリング手法とは
4.1.2 アンダーサンプリングとオーバーサンプリング
4.2 ブースティング
4.2.1 ブースティングとは
4.2.2 AdaBoost
4.2.3 RandomForest
4.3 ブースティングとサンプリング手法を組み合わせた不均衡データ解析
4.3.1 何故,ブースティングとサンプリング手法を組み合わせるか
4.3.2 RUSBoost
4.3.3 HUSDOS-Boost
4.4 不均衡データ解析の大規模検診データへの適用例
5.スモールデータ解析の方法論:異常検出
5.1 異常検出とは
5.2 多変量統計的プロセス管理(MSPC)
5.2.1 MPSCとは
5.2.2 T2統計量とQ統計量の幾何学的意味
5.3 自己符号化器(オートエンコーダー)
5.4 異常検出問題の医療データ解析への応用例
6.スモールデータの収集・解析の考え方
6.1 必要となるデータの質の問題
6.2 データ収集の際の留意点
6.3 スモールデータ解析の手法選択
□質疑応答□
セミナー講師
兼務 奈良先端科学技術大学院大学 メディルクス研究センタ 教授
兼務 名古屋大学大学院工学研究科 特任教授
<ご略歴>
2004年 3月 京都大学工学部工業化学科卒業
2006年 3月 京都大学大学院工学研究科化学工学専攻修士課程修了
2006年 4月 トヨタ自動車株式会社入社
2007年 4月 京都大学大学院工学研究科化学工学専攻・博士後期課程進学
2008年 4月 JSPS特別研究員・DC2
2009年 3月 京都大学博士(工学)取得
2009年 4月 JSPS特別研究員・PD
2009年10月 豪州Curtin 大学・客員研究員
2010年 4月 NTT持ち株会社コミュニケーション科学基礎研究所
2012年 7月 京都大学大学院情報学研究科システム科学専攻・助教
2018年10月 JSTさきがけ研究員(社会システム)(?2022年3月)
2018年11月 名古屋大学大学院工学研究科物質プロセス工学専攻・准教授
2022年 7月 AMED医療機器等研究成果展開事業(チャレンジタイプ)・プログラムオフィサー
2024年 1月 IEC/TC62国際エキスパート
2024年 4月 AMED医療機器等研究成果展開事業(チャレンジタイプ・開発実践タイプ)・プログラムオフィサー
2025年 4月 北海道大学電子科学研究所教授・奈良先端科学技術大学院大学メディルクス研究センター教授
<ご専門>
機械学習・プロセスシステム工学・医療データ解析
<研究の内容・キーワード>
数理モデル・機械学習・生体信号処理・医療AI・神経科学・プロセスシステム工学
【Webページ】https://hps.es.hokudai.ac.jp/
セミナー受講料
※お申込みと同時にS&T会員登録をさせていただきます(E-mail案内登録とは異なります)。
【S&T(サイエンス&テクノロジー)会員登録とE-Mail案内(メルマガ)登録特典について】
55,000円 ( E-Mail案内登録価格 52,250円 )
定価:本体50,000円+税5,000円
E-Mail案内登録価格:本体47,500円+税4,750円
E-Mail案内登録なら、2名同時申込みで1名分無料
2名で55,000円 (2名ともE-Mail案内登録必須/1名あたり定価半額の27,500円)
テレワーク応援キャンペーン(1名受講)【オンライン配信セミナー受講限定】
1名申込みの場合: 受講料 44,000円(E-Mail案内登録価格 42,020円 )
定価:本体40,000円+税4,000円
E-Mail案内登録価格:本体38,200円+税3,820円
※1名様でオンライン配信セミナーを受講する場合、上記特別価格になります。
※お申込みフォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。
※他の割引は併用できません。
<1名分無料適用条件>
※2名様ともE-Mail案内登録が必須です。
※同一法人内(グループ会社でも可)による2名同時申込みのみ適用いたします。
※3名様以上のお申込みの場合、1名あたり定価半額で追加受講できます。
※請求書(クレジットカード決済の場合は領収書)は、代表者にS&T会員マイページにて発行いたします(PDF)。
※請求書および領収証は1名様ごとに発行可能です。
(申込みフォームの通信欄に「請求書1名ごと発行」と記入ください。)
※他の割引は併用できません。
受講について
ZoomによるLive配信 ►受講方法・接続確認(申込み前に必ずご確認ください)
アーカイブ配信 ►受講方法・視聴環境確認(申込み前に必ずご確認ください)
セミナー視聴はマイページから
お申し込み後、マイページの「セミナー資料ダウンロード/映像視聴ページ」に
お申込み済みのセミナー一覧が表示されますので、該当セミナーをクリックしてください。
(アーカイブ配信は、配信日に表示されます。)
≪配布資料≫
PDFテキスト(印刷可・編集不可)
※ライブ配信受講は開催2日前を目安にS&T会員のマイページよりダウンロード可となります。
なお、アーカイブ配信受講の場合は、配信日になります。
(備考)※講義中の録音・撮影はご遠慮ください。
※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。
受講料
55,000円(税込)/人