★情報をデータと事前知識から創り出すというDX時代に必要な観点から

ベイズモデルの特性を整理して説明します。

＜1日速習＞

情報創出のためのベイズモデリング入門

≪ベイズの定理から階層ベイズモデルまで≫

【提携セミナー】

主催：株式会社情報機構

2023年現在、DX時代が到来しています。様々な業種においてDXの重要性は論を待ちません。DX推進の主目的の一つはデータ活用によるドメイン課題の解決であり、そのためにはデータから有用な情報を創り出す仕組みが必要です。ベイズモデルは、事前の情報とデータを組み合わせることでより高度な情報を創り出すことを得意としています。初歩的な統計学や機械学習では難しい、人間の感覚や事前の情報をデータと適切に組み合わせることでDX時代の課題解決に貢献できる可能性が高まります。

本セミナーでは、ベイズモデルを中心に統計的モデリングによってデータから情報を創出するための基本的な考え方や具体例を紹介します。また、意思決定や現象の理解に必要となる情報をデータと事前知識から創り出すというDX時代に必要な観点からベイズモデルの特性を整理して説明します。

本セミナーは、統計学の基礎的な知識（正規分布や回帰分析など）を既に持っている方を対象に行いますが、初学者にも分かりやすいように「なぜこの知識や考え方が必要なのか？」というモチベーションを意識した説明を行います。厳密な数式の証明やアルゴリズムの説明は本セミナーの対象としていません。数式と計算例を交えながらも、具体的なイメージを優先した説明を行います。

◆受講後、習得できること

DX時代に必要な統計的モデリングの考え方
ベイズモデルによるデータと事前知識の統合の考え方
逐次ベイズ推定による逐次的意思決定の仕組みの理解
階層ベイズモデルによる「個」を知るための情報創出の理解

◆受講対象者

実務的知見とデータを統合して新たな情報を創り出すベイズ統計学の仕組みを知りたい方
DX推進やビジネス意思決定のためにベイズモデリングを役立てたい方

担当講師

東北大学 大学大学院経済学研究科　准教授　石垣 司 氏

2007年　科学技術振興機構　CREST研究員
2008年　産業技術総合研究所　特別研究員
2011年　東北大学大学院経済学研究科　講師
2013年　東北大学大学院経済学研究科　准教授
現在に至る。

セミナープログラム（予定）

1. DX時代とベイズモデリング
1.1 DX時代のデータサイエンス
1.2 統計的モデリングの考え方
1.3ベイズモデルの原理

2. ベイズの定理による情報創出の構造
2.1条件付き確率と事後確率
2.2 ベイズの定理
2.3 事前分布と事後分布
2.4 数学的準備
2.5 ベイズの定理の構造

3. ベイズ推定
3.1 事後分布の求め方～正規分布を例に
3.2 ベイズ推定の方法の大別
3.3　事後分布の信用区間

4. 意思決定のための情報創出
4.1 ベイズ統計学と意思決定
4.2 逐次的な意思決定～沈没した潜水艦の捜索を例に
4.3 逐次ベイズ推定

5. 「個」を知るための情報創出
5.1 階層性のあるデータの統計的モデリング
5.2 階層ベイズ線形回帰モデル
5.3 個人の消費行動分析の事例

6. まとめ：DX時代のベイズモデルによる情報創出

7.Q&A

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

オンライン配信のご案内

★　Zoomによるオンライン配信

については、こちらをご参照ください

備考

※配布資料・講師への質問等について

●配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
（開催1週前～前日までには送付致します）。
＊準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
（土、日、祝日は営業日としてカウント致しません。）

●当日、可能な範囲で質疑応答も対応致します。
（全ての質問にお答えできない可能性もございますので、予めご容赦ください。）
●本講座で使用する資料や配信動画は著作物であり
無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。

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。