【基礎・実習による充実の2日間】統計解析・機械学習のためのPythonハンズオンセミナー＜プログラミングの基礎から応用事例まで＞
| 【Live配信受講者 限定特典のご案内】 当日ご参加いただいたLive(Zoom)配信受講者限定で、特典(無料)として「アーカイブ配信」の閲覧権が付与されます。 オンライン講習特有の回線トラブルや聞き逃し、振り返り学習にぜひ活用ください。 このセミナーは、【Live配信（Zoom使用）受講】もしくは【アーカイブ配信受講】が選べます。 ※アーカイブ配信は、Live配信（Zoom使用）で収録した当日の講演動画を編集し、後日視聴いただく形式になります。 |
|
【充実の2日間ハンズオンセミナー：プログラミングの基礎から応用事例まで】
＜ExcelおよびPythonを使ってわかりやすく紹介し、Pythonを使った機械学習を実践 ＞ 統計解析・機械学習に必要なPythonのプログラミングをハンズオンで実施し、 講座終了後直ちに皆様の業務に活用できることを目指します。 ステップ１＞Pythonの基礎を学びます。インストールを含め、Pythonを実際に動かしてみよう！ ステップ2＞・統計解析（記述統計、推測統計、線形モデルによる予測） ・機械学習（分類問題、回帰問題、次元圧縮、クラスター解析） をPythonを使い具体的事例でわかりやすく紹介します。 ステップ3＞ソースコードを使って、機械学習をPythonでやってみよう！ ＜事前にGoogleで「Anaconda」を検索し、「Anaconda Individual Edition」のインストールをお願いします。
また、弊社HPのマイページよりソースコードのダウンロードをお願いします。＞ ※ソースコードのダウンロードは、開催2週間前にアップロード予定です |
| 日 時 | 【Live(ZOOM)受講】 2022年6月20日（月） 10:30～16:30 【Live(ZOOM)受講】 2022年6月21日（火） 10:30～16:30 【アーカイブ受講】2022年6月30日（木）ごろ配信予定（視聴期間:配信後10営業日間） |
|---|---|
| 受講料(税込) | 99,000円 定価：本体90,000円＋税9,000円 【2名同時申込みで1名分無料キャンペーン（2日間受講:１名あたり定価半額の49,500円）】 ※2名様とも会員登録をしていただいた場合に限ります。 会員登録について ※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、代表者にご郵送いたします。 ※請求書および領収書は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。) ※その他の割引の併用はできません。 ※テレワーク応援キャンペーン(1名受講)【Live配信/WEBセミナー受講限定】 2日間受講：1名申込みの場合：受講料71,500円円 定価：本体65,000円＋税6,500円 ※１名様でLive配信/WEBセミナーを受講する場合、上記特別価格になります。 ※お申込みフォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。 ※他の割引は併用できません。
|
| ポイント還元 | 誠に勝手ながら2020年4月1日より、会員割引は廃止とさせて頂きます。 当社では会員割引に代わり、会員の方にはポイントを差し上げます。 ポイントは、セミナーや書籍等のご購入時にご利用いただけます。 会員でない方はこちらから会員登録を行ってください。 |
| 特 典 | 当日ご参加いただいたLive(Zoom)配信受講者限定で、特典(無料)として 「アーカイブ配信」の閲覧権が付与されます。 聞き逃しや振り返り学習に活用ください。（10営業日視聴可能） （アーカイブ配信については、「オンライン配信」項目を参照） |
| 配布資料 | ・PDFテキスト(印刷可) ※PDFテキストはマイページよりダウンロードいただきます。(開催の営業日2日前よりダウンロード可) |
| オンライン配信 | ①ZoomによるLive配信►受講方法・接続確認（申込み前に必ずご確認ください） ②アーカイブ配信►受講方法・視聴環境確認（申込み前に必ずご確認ください） |
| 備 考 | 資料付 ※講義中の録音・撮影はご遠慮ください。 本セミナーはサイエンス＆テクノロジー株式会社が主催いたします。 |
なお、本システムのお申し込み時のカート画面では割引は表示されませんが、
| (株)メドインフォ 代表取締役 医学博士 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、医療経済学、臨床研究・疫学研究 【執筆など】 薬効薬理非線形モデリング （Sakiyama Y.et al. Nippon Yakurigaku Zasshi 2008, 132: 199-206.） 機械学習による薬物動態予測 （Sakiyama Y.et al. Expert Opinion of Drug Metabolism and Toxicology, 2009, 5: 149-169.） 【簡単な経歴】 1993 東京大学医学系研究科博士課程 終了 1993-2014 製薬企業(ファイザー(株)、グラクソスミスクライン(株)など)にて統計解析実務および社員教育に従事 2015- 株式会社メドインフォ設立 代表取締役 【講師紹介】 |
| 最近、プログラミング言語として、Pythonが注目の的となっています。Pythonは汎用のスクリプト言語で、多くのプログラミング言語の中でも多目的で使用でき、簡単であり、また無料であるという特長があります。Pythonによる統計解析と機械学習は、様々な領域（医療、画像処理、インフォマティクス、ファイナンス等）に応用されています。システム連携を考慮したデータ分析を目指すのであれば、Pythonは長い目で見て優れたツールといえます。ただしそのためにはプログラミングの知識が必要となります。本講座では統計解析・機械学習に必要なPythonのプログラミングをハンズオンで実施し、講座終了後直ちに皆様の業務に活用できることを主旨としております。 ◆講習会のねらいなど 本講座では、先ずPythonの基礎を学びます。初めての方でも、インストール方法含めわかりやすく解説します。 次いで、初日は統計解析（記述統計、推測統計、線形モデルによる予測）、２日目は機械学習（分類問題、回帰問題、次元圧縮、クラスター解析）をPythonを使い具体的事例でわかりやすく紹介します。ソースコードも配布しますので、すぐに実践することが可能です。是非この機会に講座への参加をお待ちしております。 ＜事前にGoogleでAnacondaを検索し、Anaconda Individual Editionのインストールをお願いします。 また、ソースコードのダウンロードをお願いします。＞ ※ソースコードのダウンロードは、開催日の2週間前から弊社HPのマイページよりダウンロード開始の予定です。 |
| ＜事前にGoogleでAnacondaを検索し、Anaconda Individual Editionのインストールをお願いします。 また、弊社HPのマイページよりソースコードのダウンロードをお願いします。＞ ※ソースコードのダウンロードは、開催日の2週間前からアップロード予定です。 【第１日目：Pythonによる統計解析】 1. なぜ今統計解析にPythonか (1)統計解析が重要視される背景 (2)統計解析ソフトの選択肢の増大 (3)プログラミング言語の多様化とPythonの位置づけ (4)PythonとRの違い 2. Pythonを使うために～PC環境の構築～ (1)ANACONDAのインストール (2)Jupyter Notebookを使う (3)Pythonプログラミング入門 a. 簡単プログラミング（演算、変数、条件分岐など） b. 基本モジュールとそのインポート（numpyの使い方） c. データを読み込もう（pandasの使い方） 3. Pythonによる記述統計 (1)データを整理してわかりやすく伝えよう a.データを要約する（要約統計量） b.いろいろな要約統計量（平均値、中央値、標準偏差など） c.要約統計量をPythonで計算する（pandasとnumpy） (2)データを視覚化してわかりやすく伝えよう a.データを視覚化する（散布図、箱ヒゲ図、ヒストグラム） b.視覚化をPythonで行う（matplotlibとseaborn） 4. Pythonによる推測統計 (1)統計解析における確率と統計的推測 a.確率の基本を理解しよう（データは確率的に変動する） b.測定値は正規分布をする（正規分布の特徴） c.統計的推測（母集団と標本） (2)大きな集団を推定しよう a.母集団を推定する（標本の無作為抽出） b.標準誤差を理解しよう（母平均の推定） c.95%信頼区間を理解しよう（母平均の推定） d.Pythonを使って95%信頼区間を計算しよう（statistics） (3)差があることを証明しよう a.仮説検定における仮説の設定（帰無仮説と対立仮説） b.2群の平均値の差からp値を求める（t-検定） c.2群の有効率の差からp値を求める（カイ２乗検定） d.多群の群間差からp値を求める（分散分析） e.Pythonを使って仮説検定を行ってみよう（numpy） 5. Pythonを用いた線形モデルによる予測 (1)直線回帰分析（直線的予測） (2)重回帰分析（説明変数が複数ある場合の予測） (3)ロジスティック回帰分析（2値の予測） (4)Pythonでモデルによる予測をやってみよう（sklearn） 【第２日目：Pythonによる機械学習】 1. Pythonによる機械学習 (1)機械学習とは (2)Pythonと機械学習 (3)環境構築 a.OSとフレームワーク b.CPUとGPU c.NumPy d.matplotlib e.scikit-learn f.Jupiter 2.分類問題 (1)分類問題とは a.学習テストとテストセット b.ホールドアウトと交差検証 c. k-分割交差検証 d.正答率・適合率・再現率・F値・ROC曲線下面積 (2)いろいろな分類器 a.決定木 b.Random Forest c.AdaBoost d.Naive Bayes e.サポートベクターマシン（SVM） 3.回帰問題 (1)回帰問題の基礎 a.最小二乗法 b.線形単回帰 c.線形重回帰 4.次元圧縮 (1)次元の呪い a.過学習 b.情報量規準 (2)次元圧縮 a.主成分分析 b.主成分得点・固有値・因子負荷量 5.クラスタリング (1)階層的クラスタリング手法 a.最短距離法 b.ウォード法 (2)非階層的クラスタリング手法 a.k-means法 b.自己組織化マップ c.scikit-learnを用いたデータのクラスタリング 6.深層学習 (1)機械学習から発展した深層学習 a.畳み込みニューラルネットワーク（CNN） b.再帰型ニューラルネットワーク（RNN） c.物体検出 7.おわりに □質疑応答□ |
