【PC演習付】データから本質的な情報を取りだすエンジニアのための統計・多変量解析 基礎と実際


たくさんのデータを持っていながら、活用しないのはもったいない!
製造業の実務で使う各種データ分析を、数式ではなく具体的な事例をもとに解説するから「わかりやすい」!
直感的に操作ができる統計解析ソフトウェア(無償版)を使った演習付きだから「実務で使いやすい」!

年間受講者が1000人を超え、「初学者でもわかりやすい解説」「実務で使えるノウハウが有用」と定評のある講師&理解をさらに深める【PC演習付】で、これから学ぶ方、いっそう理解を深めたい方にもオススメ。



PC演習を行うため、お一人様1台パソコンのご持参をお願いします。
パソコンには、下記ソフトウェア(事前配布)およびExcel(32bit)をあらかじめインストールしてご持参ください。 


・多変量解析ソフトウェア


・実験計画法&品質工学ソフトウェア


・人工知能ソフトウェア


※お申込みいただいた受講者様のみに、上記exeファイル3点を配布いたします。
 開催1週間前を目安に、ファイルのダウンロードリンクをご案内する予定です。
※OSはWindows限定となります(Windowsは32bit・64bitどちらでも可)。


受講料


48,600円 ( S&T会員受講料 46,170円 )
(まだS&T会員未登録の方は、申込みフォームの通信欄に「会員登録情報希望」と記入してください。詳しい情報を送付します。ご登録いただくと、今回から会員受講料が適用可能です。)


S&T会員なら、2名同時申込みで1名分無料 1名分無料適用条件 1名分無料適用条件


※2名様ともS&T会員登録が必須です。


※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、上記1名あたりの金額で受講できます。


※受講券、請求書は、代表者に郵送いたします。


※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。


セミナー趣旨


 製造業では、多くのデータを取扱いますが、データから価値ある情報を取り出し、解釈するためには各種統計的な解析を使用する必要があります。
 統計解析、あるいは多変量解析は、データの要約、傾向の確認、原因分析、今後の予測などの解析が行えますが、目的に合わせて適切な手法を選択する必要があります。
 最近トピックスになっている人工知能に関しても、人工知能に効率的な学習を行うためには、データの与え方の工夫や、学習に適した形にデータを加工する必要があります。その際にも、前述した統計解析・多変量解析によるデータ分析が必要になります。
 一方で、統計・多変量解析を習得しようとすると、従来は、実務では実際には使用しない内容を無味乾燥な数式で学ぶ必要があります。
 また、データ分析には統計・多変量解析ソフトウェアが必要になります。しかしながら、統計・多変量解析ソフトウェアは、下記のように2極化しており、簡単に導入・活用するには躊躇いがともなう状況です。

・無料で使用できる反面、プログラムのような記述が必要な「R」
・Excelライクに直感的に使用でき、かつ極めて高機能な反面、高額なため「1人1ソフトウェア体制」や
 「思い立ったら誰でもデータ解析をする体制」には向かない「JMP」「SPSS」「StatWorks」

 本講座では、アカデミックな内容は最小化し、製造業の実務で使う各種データ分析の、実践的な方法を中心に講義いたします。また、無味乾燥な数式の解説ではなく、具体的な事例を通して、データ分析の本質的な原理を解説いたします。
 そして、無料で導入でき、EXCELライクに直感的に使用できる統計解析パッケージソフトウェア(無料時には機能制限あり)を使い、実際にデータ分析の演習を行います。

セミナー講演内容



1.実務で使えるデータ分析手法の基礎
 ・統計解析・多変量解析とは
 ・基本的なデータ要約方法 -基本的な統計量
 ・グラフ化による目視確認の重要性
 ・実務でよく使用する各種グラフ
 ・ソフトウェア紹介

2.複数の要因によって、ある目的とする項目がどのように変化するか、予測や説明を行う
 ・重回帰分析(回帰式の構築)とは
 ・重回帰分析の手順、チェックノウハウ
 ・参考:判別分析
 ・データ分析演習 

3.複数の要因があるデータに対して、それら複数項目を代表する総合的な指標を求める
 ・主成分分析(データの縮約、データの合成分析)とは
 ・主成分分析の手順、チェックノウハウ
 ・データ分析演習 

4.数多くのデータをグルーピングし、適切に分類する
 ・クラスター分析(類似した特徴を持つグループ化とグループの階層化分析)とは
 ・クラスター分析の手順、チェックノウハウ
 ・データ分析演習 
 
5.複数のデータ項目間の複雑な関係を説明する、潜在的な構造を求める
 ・因子分析(潜在変数の見える化、データの分解分析)とは
 ・因子分析の手順、チェックノウハウ
 ・データ分析演習

6.その他の分析方法
 ・要因の組合せ最適化を行う方法 → 実験計画法 概要
 ・より高度な組合せ最適化方法 → 品質工学(タグチメソッド) 概要
 ・重回帰式の上位版  → ニューラルネットワークモデル(深層学習)
 

7.質疑応答

※説明の順序が入れ替わる場合があります。