データから本質的な情報を取り出す製造業における予測・原因分析・縮約・分類のための統計・多変量解析 実践入門【ソフトウェア配付・PC演習付き】
【LIVE配信】2023/12/1(金) 10:00~16:30 , 【アーカイブ配信】12/4~12/12(何度でも受講可能)
お問い合わせ
03-6206-4966
開催日時 | 未定 |
---|---|
担当講師 | 福井 郁磨 氏 |
開催場所 | 未定 |
定員 | - |
受講費 | 未定 |
【提携セミナー】
主催:サイエンス&テクノロジー株式会社
【1】ソフトウェア配付・PC演習付きのセミナーです。以下を満たすPCをご用意ください。
【2】演習で使用するソフトウェアと演習ファイル一式は、受講者にのみ開催1週間前を目安に送付します。
開催3日前時点で届いていない場合は、お手数ですが弊社までご連絡ください。
ソフトウェアは、下記の3点を配布します。
【3】インストール必須の多変量解析ソフトウェアに関して
セミナー申込み前にソフトウェアに関して確認したい場合は、講師に直接お願いします。
連絡先:MOSHIMO研 代表 福井 郁磨 氏: ikuma.fukui.bk@wmjplab.com
年間の受講者数が1000名を超える、企業での実務経験豊富な講師が丁寧に解説します。
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【ソフトウェア配付・PC演習付き】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。
※技術コンサルタントの方や、講師業の方は、受講をご遠慮ください。
※上記につきまして、お申込後に確認のためご連絡させていただく場合がございます。
※受講者が変更になる場合(代理出席)は、必ず事前にご連絡をお願いいたします。
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、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・活用するにはためらいがともなう状況です。
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、データ分析の基礎と手順を解説いたします。
そして、無料で導入でき、Excelライクで直感的に使用できる統計解析パッケージソフトウェアを使い、実際にデータ分析の演習を行います。
得られる知識
実務で使えるデータ分析手法の基礎 →基本的なデータの要約(統計量)とグラフ化
※統計解析・多変量解析・人工知能に関する予備知識は必要ありません。
対象
要素技術、生産システム、品質管理などの分野でデータ分析・統計・多変量解析スキルが必要な方々
※統計解析・多変量解析・人工知能に関する予備知識は必要ありません。
※技術コンサルタントの方や、講師業の方は、受講をご遠慮ください。
MOSHIMO研 代表 福井 郁磨 氏
1.実務で使えるデータ分析手法の基礎
1.1 統計解析・多変量解析とは
1.2 基本的なデータ要約方法 -基本的な統計量
1.3 グラフ化による目視確認の重要性
1.4 実務でよく使用する各種グラフ
1.5 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
2.1 重回帰分析(回帰式の構築)とは
2.2 重回帰分析の手順、チェックノウハウ
2.3 参考:判別分析
2.4 データ分析演習
3.数多くのデータをグルーピングし、適切に分類する
3.1 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
3.2 クラスター分析の手順、チェックノウハウ
3.3 データ分析演習
4.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
4.1 主成分分析(データの縮約、データの合成分析)とは
4.2 主成分分析の手順、チェックノウハウ
4.3 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
5.1 因子分析(潜在変数の見える化、データの分解分析)とは
5.2 因子分析のエンジニアリング実務上の問題点と対策(代用手法)
5.3 参考:因子分析の手順、チェックノウハウ
5.4 参考:データ分析デモ(時間があれば)
6.その他の分析方法
6.1 要因の組合せ最適化を行う方法 →実験計画法 概要
6.2 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
6.3 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)概要
7.質疑応答
※説明の順序が入れ替わる場合があります。
未定
未定
未定
製本テキスト(開催日の4、5日前に発送予定)
※開催まで4営業日~前日にお申込みの場合、
セミナー資料の到着が、開講日に間に合わない可能性がありますこと、ご了承下さい。
Zoom上ではスライド資料は表示されますので、セミナー視聴には差し支えございません。
※講義中の録音・撮影はご遠慮ください。
★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。