スモールデータの機械学習 セミナー

サイトマップサイトマップ よくあるお問合わせよくあるお問合せ リクエストリクエスト セミナー会場セミナー会場へのアクセス リンクリンク
セミナーのメニュー
  ヘルスケア系
2月
3月
4月
5月〜

化学・電気系 その他各分野
2月
3月
4月
5月〜
出版物出版物
新刊図書新刊図書 月刊 化学物質管理Gmpeople
通信教育講座通信教育講座
LMS(e-learning)LMS(e-learning)
セミナー収録DVDDVD
電子書籍・学習ソフトDVD
セミナー講師のコラムです。講師コラム
  ↑2020/2/14更新!!
お申し込み・振込み要領お申込み・振込要領
案内登録案内登録
↑ ↑ ↑
新着セミナー、新刊図書情報をお届けします。

※リクエスト・お問合せ等
はこちら→ req@johokiko.co.jp



SSL GMOグローバルサインのサイトシール  


スモールデータの機械学習 セミナー

*その他 機械学習・ディープラーニング・人工知能: 関連セミナー、書籍はこちら:

★収集が困難な、スモールなデータからいかに知識を抽出すれば良いのか?
 データ収集から解析の方法論まで、実例を通じて解説します!

データ量の少ない・スモールデータを対象とした

機械学習すすめ方とその考え方

講師

名古屋大学 工学研究科 物質プロセス工学専攻 准教授  藤原 幸一 先生

* 希望者は講師との名刺交換が可能です

→このセミナーを知人に紹介する

日時・会場・受講料

●日時 2020年3月19日(木) 10:30-16:30
●会場 [東京・大井町]きゅりあん5階第4講習室 →「セミナー会場へのアクセス」
●受講料 1名47,300円(税込(消費税10%)、資料・昼食付)
 *1社2名以上同時申込の場合、1名につき36,300円
      *学校法人割引;学生、教員のご参加は受講料50%割引。→「セミナー申込要領・手順」を確認下さい。

 ●録音・撮影行為は固くお断り致します。
 ●講義中の携帯電話の使用はご遠慮下さい。
 ●講義中のパソコン使用は、講義の支障や他の方の迷惑となる場合がありますので、極力お控え下さい。
  場合により、使用をお断りすることがございますので、予めご了承下さい。
  *PC実習講座を除きます。


■ セミナーお申込手順からセミナー当日の主な流れ →

セミナーポイント

 生産現場の操業データや医療データにおいては、測定されている変数の数と比較して統計モデリングに使用可能なデータ量が限られることが多い。通常のモデリングでは正例・負例双方のサンプルが必要となるが、装置故障など稀な事象のデータはなかなか収集が困難であり,医療データにおいては、倫理的な問題から多くの患者から臨床データを収集するのは大きな壁が存在する。
 このように実世界ではしばしば必要なデータが十分に収集できず、スモールなデータからいかに知識を抽出するのかが重要となる。
 本セミナーでは、実例を通じ、スモールデータの解析の実態とその方法論および、スモールデータ解析に必要となるデータ収集および解析の考え方を講義する。


○受講対象:
 ・少量のデータから統計モデルを構築したいと考えられている方
 ・現場でのデータ解析に従事されている方
 ・現場におけるデータ収集についてお困りの方

○受講後、習得できること:
 ・機械学習の基礎知識,及び入力変数選択・異常検知手法などスモールデータに適したデータ解析手法の習得
 ・スモールデータにおけるデータ収集の心構えの習得

セミナー内容

1. スモールデータとは
 1-1. スモールデータの特徴
 1-2. スモールデータ解析の現状

2. スモールデータ解析の方法論:次元削減と回帰分析
 2-1. 主成分分析(PCA)

  2-1-1. PCAとは
  2-1-2. 直交展開
  2-1-3. PCAの導出
  2-1-4. PCAと特異値分解
 2-2. 最小二乗法
  2-2-1. 回帰分析とは
  2-2-2. 相関係数の意味
  2-2-3. 最小二乗法の導出
  2-2-4. 最小二乗法の幾何学的意味
  2-2-5. 多重共線性の問題
 2-3. 部分的最小二乗法(PLS)
  2-3-1. PLSとは
  2-3-2. 潜在変数モデル
  2-3-3. PLSモデルの導出
  2-3-4. NIPALSアルゴリズム
  2-3-5. PLSから重回帰モデルへの変換
  2-3-6. クロスバリデーションによるパラメータチューニング

3. スモールデータ解析の方法論:入力変数選択
 3-1. 入力変数選択とは
 3-2. スパースモデリング

  3-2-1. スパースとは
  3-2-2. リッジ回帰
  3-2-3. Lasso回帰
  3-2-4. エラスティックネットモデル
  3-2-5. Group Lasso
 3-3. 変数クラスタリングによる入力変数選択
  3-3-1. スペクトラルクラスタリング
  3-3-2. NC法のコンセプト
  3-3-3. NCSCアルゴリズムの導出
  3-3-4. NCSCを用いた変数クラスタリングと入力変数選択
  3-3-5. 製薬プロセスへの応用例

4. スモールデータ解析の方法論:不均衡データ解析
 4-1. サンプリング手法

  4-1-1. サンプリング手法とは
  4-1-2 アンダーサンプリングとオーバーサンプリング
 4-2. ブースティング
  4-2-1. ブースティングとは
  4-2-2. AdaBoost
  4-2-3. RandomForest
 4-3. ブースティングとサンプリング手法を組み合わせた不均衡データ解析
  4-3-1. 何故,ブースティングとサンプリング手法を組み合わせるか
  4-3-2. RUSBoost
  4-3-3. HUSDOS-Boost
 4-4. 不均衡データ解析の大規模検診データへの適用例

5. スモールデータ解析の方法論:異常検出
 5-1. 異常検出とは
 5-2. 多変量統計的プロセス管理(MSPC)

  5-2-1. MPSCとは
  5-2-2. T2統計量とQ統計量の幾何学的意味
 5-3. 自己符号化器(オートエンコーダー)
 5-4. 異常検出問題の医療データ解析への応用例

6. スモールデータの収集・解析の考え方
 6-1. 必要となるデータの質の問題
 6-2. データ収集の際の留意点
 6-3. スモールデータ解析の手法選択

 
  <質疑応答>

セミナー番号:AC200380

top

注目の新刊

雑誌 月刊化学物質管理

動画配信 統計学入門

データ・プライバシー

自然言語処理技術

新時代植物工場

創薬スクリーニング

異常検知技術と応用提案

各社の化学物質管理

分散技術

中分子医薬品

5G

洗浄バリ 2019

分野別のメニュー

化学・電気系他分野別一覧

  植物工場他

  機械学習他

ヘルスケア系分野別一覧

  海外関連

  医療機器

各業界共通
マーケティング・人材教育等

「化学物質情報局」

特許・パテント一覧 INDEX
(日本弁理士会 継続研修)

印刷用申込フォーム    

セミナー用

書籍用

会社概要 プライバシーポリシー 通信販売法の定めによる表示 商標について リクルート
Copyright ©2011 情報機構 All Rights Reserved.