【中止】インフォマティクス及び機械学習でのデータ解析とサンプルサイズ設計超入門

モデル構築・データ解析の基礎〜応用が一気通貫で理解できる
マテリアル・プロセスの両インフォマティクスにも役立つ！

セミナー講師

(株)メドインフォ　代表取締役　嵜山 陽二郎 氏
専門　
医療統計学、薬物動態学、データマイニング、機械学習

セミナー受講料

1名につき 50,000円（消費税抜、昼食・資料付）
〔1社2名以上同時申込の場合のみ1名につき45,000円（税抜）〕

セミナー趣旨

近年、インフォマティクス・機械学習ヘの期待は非常に大きなものになっています。しかし、その大きな期待に応えられるほどの人材・人手が確保できていないというのが現状です。人手不足ということは、インフォマティクス・機械学習を身に付ければ、希少人材になれるということを意味します。本講座がきっかけとなり、一人でも多くの方が、インフォマティクス・機械学習の世界に飛び込み、企業や研究所で活躍されることを願っております 本講座の位置づけは、先ずは講義を気軽に聞けて、インフォマティクス・機械学習の大雑把なイメージがつかめるようになっているといいなと思っています。そのため、本講座の細かい部分を全部正しく理解しようと頑張る必要はありません。なんとなく機械学習っていうのはこういうもので、こういうアルゴリズムで、こういう特徴があって、こういう風に使えるんだ、と いうのがイメージできればそれでいいと思っています。

習得できる知識

・「最適な複雑さ」のモデルとは？　汎化性能と過学習防止のポイント
・インフォマティクス／機械学習の精度を左右するデータセットの要件や、データ収集のルールについて
・適切な結果を得るための必要サンプルサイズの考え方

セミナープログラム

【第１部】インフォマティックス・機械学習基礎
　1.インフォマティックス・機械学習とは
　2.機械学習の使い方（PythonとR）
　3.教師あり学習とは（回帰）
　4.教師なし学習とは（分類）

【第２部】複雑なモデルの問題
　1.最適な複雑さのモデルとは（汎化性能と過学習）
　2.次元の呪い
　3.変数選択
　4.多重共線性

【第３部】最適なモデルをつくるために
　1.赤池情報量基準（AIC）
　2.クロスバリデーション（交差検証）
　3.教師なし学習における次元削減（主成分分析）
　4.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】インフォマティックス・機械学習の事例
　1.決定木分析とランダムフォレスト法
　2.ナイーブベイズ分類法
　3.ガウス過程法
　4.サポートベクターマシン

【第５部】インフォマティックス・機械学習における注意点
　1.データセット作成上のルール
　2.最適なサンプルサイズ
　3.デザインする上での注意点
　4.機械学習の今後の展望

【質疑応答】