～機械学習活用・精度向上のための～多変量解析・データ処理　超入門【提携セミナー】

☆ 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

～機械学習活用・精度向上のための～

多変量解析・データ処理　超入門

【提携セミナー】

主催：株式会社技術情報協会

講座内容

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

担当講師

(株)メドインフォ　代表取締役　嵜山 陽二郎　氏

セミナープログラム（予定）

≪第１日目≫　

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≫　

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】

公開セミナーの次回開催予定

開催日

未定

開催場所

未定

受講料

未定

技術情報協会主催セミナー　受講にあたってのご案内

• Live配信セミナーの接続確認・受講手順は こちら をご確認ください。
• お申込み・お支払い方法に関するご案内はこちら をご確認ください。

備考

資料は事前に紙で郵送いたします。

お申し込み方法

★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。

※お申込後はキャンセルできませんのでご注意ください。

※申し込み人数が開催人数に満たない場合など、状況により中止させていただくことがございます。