ベイズ統計・ベイズモデリングの基本の考え方と実践方法
開催日 |
10:30 ~ 16:30 締めきりました |
---|---|
主催者 | サイエンス&テクノロジー株式会社 |
キーワード | SQC一般 モンテカルロ法 機械学習・ディープラーニング |
開催エリア | 全国 |
開催場所 | Live配信セミナー(会社・自宅にいながら受講可能) |
~ベイズ統計学の基礎と各モデルの理解、データ分析・予測の実践~
■ベイズ統計に基いたデータ分析の基本的な方法、考え方
■ベイズモデリングと予測分布の基本的な方法、考え方
■ベイズ決定理論に沿った意思決定の基本的な方法、考え方
■マルコフ連鎖モンテカルロ法の基本
■ベイズ統計モデリングの各手法とデータ分析実践例
多種多様なデータを分析し、その利活用ためにベイズ統計をものにするには
ベイズ統計及びベイズモデリングの基本的な考え方を多くの例を用いて解説
ベイズ統計、統計モデリング、マルコフ連鎖モンテカルロ法、ベイズ予測分布、、、、
Rのサンプルプログラムも配布し手を動かしていただく計算も適宜、織り交ぜます
ベイズ分析ツールRStanを用いた各モデルのデータ分析の実践方法も具体的に解説
セミナー講師
兼任 大阪大学 量子情報・量子生命研究センター
2007年 東京大学 大学院にて博士 (情報理工)を取得
東京大学大学院 情報理工学系研究科 助教を経て
2013年 大阪大学大学院 基礎工学研究科 准教授として着任
2022年04月 ~ 大阪大学,全学教育推進機構,教授
セミナー受講料
※お申込みと同時にS&T会員登録をさせていただきます(E-mail案内登録とは異なります)。
49,500円( E-mail案内登録価格46,970円 )
E-Mail案内登録なら、2名同時申込みで1名分無料
2名で 49,500円 (2名ともE-mail案内登録必須/1名あたり定価半額24,750円)
【1名分無料適用条件】
※2名様ともE-mail案内登録が必須です。
※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、1名あたり定価半額で追加受講できます。
※請求書(PDFデータ)は、代表者にE-mailで送信いたします。
※請求書および領収証は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。)
※他の割引は併用できません。
※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】
1名申込みの場合:39,600円 ( E-Mail案内登録価格 37,620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。
※他の割引は併用できません。
受講について
Zoom配信の受講方法・接続確認
- 本セミナーはビデオ会議ツール「Zoom」を使ったライブ配信となります。PCやスマホ・タブレッドなどからご視聴・学習することができます。
- 申込み受理の連絡メールに、視聴用URLに関する連絡事項を記載しております。
- 事前に「Zoom」のインストール(または、ブラウザから参加)可能か、接続可能か等をご確認ください。
- セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
- セミナー中、講師へのご質問が可能です。
- 以下のテストミーティングより接続とマイク/スピーカーの出力・入力を事前にご確認いただいたうえで、お申込みください。
≫ テストミーティングはこちら
配布資料
- PDFテキスト(印刷可・編集不可)
セミナー趣旨
受講対象・レベル
・ベイズ統計の基本について効率よく学びたい研究者、実務の方(業種や職種は問いません)
・ベイズ統計に基いたデータ分析や活用方法に興味がある研究者、実務の方(業種や職種は問いません)
・各種ソフトやツールを利用してベイズ分析を行っており基本的な部分をしっかりと理解したい方
習得できる知識
・ベイズ統計に基いたデータ分析の基本的な方法、考え方
・ベイズモデリングと予測分布の基本的な方法、考え方
・ベイズ決定理論に沿った意思決定の基本的な方法、考え方
・マルコフ連鎖モンテカルロ法の基本
・ベイズ統計モデリングの各手法とデータ分析実践例
セミナープログラム
1.イントロダクション:ベイズ統計でなにができるようになるか
(1)原発でのポンプ故障率の分析例(階層ベイズモデル)
2.条件付き確率とベイズの定理
(1)確率分布と期待値、分散
(2)条件付き確率、独立性
(3)条件付き確率を活用する
a.確率と条件付き確率の違い
b.モンティ・ホール問題
(4)ベイズの定理とその応用
a.ベイズの定理と分解公式
b.応用上の意味
c.がん診断
d.ベイズの定理を用いた計算例
(5)機械学習への応用
a.迷惑メールフィルタ
b.迷惑メールの確率
c.迷惑メールフィルタの仕組み
d.機械学習の考え方
3.ベイズ統計入門
(1)統計モデル
a.推測統計でのデータの解釈
b.母集団と統計モデル
c.モデルの明示
d.基本的な分析の流れ
(2)事前分布の導入
a.パラメータの不確実性の表現
b.データから計算したい条件付き確率
c.事前分布の導入
(3)事後分布
a.事後分布の定義
b.ベイズ分析の主要な部分
4.事後分布に基いた統計推測
(1)事前分布の設定の仕方
(2)共役事前分布
a.共役事前分布
b.二項分布+ベータ分布
c.ポアソン分布+ガンマ分布
d.正規分布+正規分布
(3)事後分布に基いたパラメータ推定
a.ベイズ分析の報告の基本
b.点推定
c.信用区間
5.ベイズモデリングと予測分布
(1)広告効果を確率で評価する
(2)新規店舗の売上を分布で予測する
(3)期待損失最小化で中古PCの追加購入台数を決める
6.コンピュータ(計算機)を用いたベイズ分析の実践
~各モデリング手法及びRStanによる実行・評価~
(1)ベイズ分析ツールRStanについて
(2)モンテカルロ法
a.ベイズ分析に必要な計算
b.モンテカルロサンプリング
c.モンテカルロ積分
d.IIDサンプル(理想的なモンテカルロサンプル)
(3)マルコフ連鎖と定常分布
a.マルコフ連鎖
b.1次元ランダムウオーク
c.1次元山登りウオーク
d.定常分布
(4)マルコフ連鎖モンテカルロ法(MCMC法)
a.メトロポリス・ヘイスティングス法(MH法)のアルゴリズム
b.MH法の実装例とMCMCサンプル
c.ギブス・サンプラーの概要
d.ギブス・サンプラーのアルゴリズム
(5)階層ベイズモデルとその分析例
a.問題設定
b.統計モデルの設定
c.事前分布の設定
d.分析結果
(6)一般化線形モデルとその分析例
a.問題設定
b.統計モデルの設定
c.事前分布の設定
d.分析結果
(7)状態空間モデルとその分析例
a.問題設定
b.統計モデルの設定
c.事前分布の設定
d.分析結果
□質疑応答□
キーワード:ベイズ統計、統計モデリング、マルコフ連鎖モンテカルロ法、ベイズ予測分布