技術者・研究者のための多変量解析入門講座
| 開催日 |
12:30 ～ 16:30 締めきりました |
|---|---|
| 主催者 | （株）Ｒ＆Ｄ支援センター |
| キーワード | 多変量解析一般 回帰分析 主成分分析 |
| 開催エリア | 全国 |
| 開催場所 | 【WEB限定セミナー】※会社やご自宅でご受講下さい。 |
ご自身が関わっている業務や研究課題について、どのような手法を適用していくべきか、そのためにどんな準備が必要かについて、ヒントが得られることと思います！
～ 多変量解析の基礎、解析法、解析ツールなど ～
セミナー講師
京都女子大学 現代社会学部 名誉教授 理学博士 小波 秀雄 氏
＜ご専門＞
コンピューターサイエンス，統計学
＜ご略歴＞
2000年より京都女子大学、大学コンソーシアム京都等にて統計学、プログラミングを担当
授業テキストを公開した統計学のテキストは累計数十万ダウンロードされている
http://konamih.sakura.ne.jp/Stats/Text/
22nd International Conference on Neural Information Processing(ICONIP2015)主催のThe 2015 Cybersecurity DataMining Competition(CDMC2015)にてチーム優勝
情報処理学会会員
セミナー受講料
49,500円（税込、資料付）
■ セミナー主催者からの会員登録をしていただいた場合、1名で申込の場合46,200円、
2名同時申込の場合計49,500円（2人目無料：1名あたり24,750円）で受講できます。
（セミナーのお申し込みと同時に会員登録をさせていただきますので、
今回の受講料から会員価格を適用いたします。）
※ 会員登録とは
ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。
すべて無料で年会費・更新料・登録費は一切かかりません。
メールまたは郵送でのご案内となります。
郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。
受講について
Zoomを使ったWEB配信セミナー受講の手順
- Zoomを使用されたことがない方は、こちらからミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
- セミナー前日までに必ず動作確認をお願いします。
- 開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。
- セミナー資料はPDFにてお送りいたします。※紙媒体での配布はございません。
- 無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。
セミナー趣旨
本セミナーでは、データ解析の王道である多変量解析について、その基本原理を理解した上で、重回帰分析、主成分分析、分散分析（ANOVA）、クラスター分析など代表的な手法について紹介していきます。ご自身が関わっている業務や研究課題について、どのような手法を適用していくべきか、そのためにどんな準備が必要かについて、ヒントが得られることと思います。また現実の面倒なデータをどう取り扱うかについても触れますが，個別にご質問いただければさらにお答えいたします。
多くの項目を扱うため，数学的な詳細に触れることはなるべく避けますので，数学に自信のない方でも受講可能です。なお、数学的なレベルは高校数学（数列，微積，確率）程度を想定しています。
多変量解析のツールとして現在最も人気があるのは、統計計算パッケージの R と、高い数学機能をもつ汎用プログラミング言語 Python です。本セミナーではこれらについての紹介も行います。
受講対象・レベル
・これからデータ処理に取り組む予定の技術者・研究者の方、および業務においてデータ処理の知識を広げたい方。
必要な予備知識
・予備知識としては高校の数学I, II 程度を想定し、必要な知識は補って解説いたします。
習得できる知識
・さまざまのデータ整理と可視化技法について知識を得る。
・多変量解析に共通する数学的な原理を理解する。
・さまざまなデータに対して、どのような多変量解析の手法が適しているかを判断できる。
・多変量解析のためのフリーソフトR および Python について概要がわかる。
セミナープログラム
1. 多変量解析の基礎
1-1 二変量データの線形回帰
1-2 共分散の理解がすべての基礎
1-3 相関係数の正しい理解
1-4 p値と統計的検定
ブレーク p値でごまかす危険について
2. よく使われる解析法
2-1 重回帰分析
2-2 主成分分析
2-3 因子分析
2-4 ロジスティック回帰分析
2-5 分散分析：ANOVA
2-6 アソシエーション分析
2-7 クラスター分析
ブレーク 現実の汚いデータをどう扱うか：可視化の威力
3. 多変量解析のためのツール
3-1 統計分析のためのプログラミング言語 R
3-2 数学計算に威力を発揮する Python
※内容については若干の変更の可能性があります。
多変量解析,基礎,解析法,重回帰分析,主成分分析,クラスター分析,セミナー,講演