これから機械学習（深層学習）を始めるかたに分かりやすく解説！ 機械学習（深層学習）の基礎と言われている確率統計学とベイズ統計学を実務の観点を含め分かりやすく解説！簡単な計算例題で実感でき理解が深まります！（入門）

・各分野の技術者からすると、データサイエンティストが解説する機械学習（深層学習）や確率統計学のセミナーは数学的かつ専門的で理解できなかったという経験をされたかたが多いのではないでしょうか？
・このセミナーでは、技術者であり技術コンサルタントが講師となり、技術者の立場から技術者に分かりやすく機械学習（深層学習）の基本であり本質としての確率統計学とベイズ統計学を分かりやすく解説致します！

・確率統計学が苦手なかた、機械学習（深層学習）を入門から習得されたいかたに最適のセミナーです！
・確率統計学とベイズ統計学を楽に学ぶには『誰から学ぶか』が超重要です！
・このセミナーの内容だけでなく、仕事で困っている技術にどのように機械学習（深層学習）を活用して成果をだしたらよいのかなどについても、セミナー終了時の質疑応答にて直接講師にご質問頂けます。セミナー終了後はメールにてご質問頂けます。

【本セミナーにおけるポイント】
・確率統計学やベイズ統計学が理解できていないとMATLAB、TensorFlow、Pytorch、Chainer、Cafe、Pythonのパッケージソフトなどで機械学習・深層学習・AIを計算しても、計算している内容が理解できていないとつまりブラックボックスになっていると機械学習（深層学習を含む）どこまで信用していいのかが理解できません。
・確率統計学とベイズ統計学の違いにも着目して分かりやすく解説致します！

※開催日の5営業日前までにお申し込みください

セミナー講師

（社）日本騒音制御工学会認定技士 （社）日本音響学会技術開発賞受賞
有限会社アイトップ　　技術コンサルタント　通訳・翻訳
名古屋大学大学院　非常勤講師（海外からの留学生に修士課程と博士課程で応用数学を英語で講義）
博士（工学）　　小林英男　氏

　東京電機大学工学部機械工学科卒業後、東京農工大学大学院工学研究科にて特別研究員
　大学生時代にESSに所属し、カリフォルニア大学バークレイ校に語学研修、および毎日新聞社後援英語弁論大会で３位入賞。企業からの派遣で東京農工大学大学院工学研究科にて５年間特別研究員（産学協同研究、文部省認定）。東京電機大学第５３代ESS部長。英語の勉強にも集中したのは卒業後に世界で活躍できるエンジニアになるため。
　大学卒業後、リオン㈱に入社し、騒音・振動の測定・分析・対策、および海外事業部でセールスエンジニアとして従事。 　 ㈱アマダに勤務し、工場で組立・製造・検査、海外事業部で技術サービスおよび技術コンサルタント、システム事業部で板金加工自動化ライン(FMS)の開発・設計、技術研究所でアマダ製品の低騒音・低振動化および快適音化などの研究開発に携わり大ヒット商品を世に送り出した。上記のように、製造、サービス、設計、開発、研究（製造～研究まで）の一連の実務経験を積んだ。
　 その後、技術コンサルタントとして独立して２５年が経過した。１部上場企業の研究、開発、設計部署を中心に、多くの企業に対し技術指導およびコンサルティングを実施。この間に先進国を中心に２５ヶ国以上に出張し、エンジニアとして英語で仕事をするだけでなく、通訳・翻訳なども行う。
　セミナーの講師歴は２５年間。日刊工業新聞社など主催の多くの技術セミナー・英語セミナー・工業数学セミナー・応用物理数学セミナーの講師を行ってきている。この間に専門学校や大学で非常勤講師も行ってきた。
　特に、日刊工業新聞社主催のセミナー講師歴は長く１０年以上。機械学習・深層学習・AIを加速化させる技術指導にも力を入れてきた。

　また、幾多の難局を乗り越えて技術指導を成功させてきた。本セミナーでは、その時々の実際の実務経験もまじえながら分かりやすく解説致します。

セミナー受講料

￥44,000/人（テキスト代、消費税含む）

１社から複数名様が同時にお申込みされた場合に限り、２名様目から１名様ごとにお１人様当たり￥5,000割引きさせて頂きます。つまり２名様目からお１人様当たりの受講料が￥39,000（テキスト代、消費税含む）になります。セミナー受講料のご請求書は、代表お申込者（お一人目の受講者様）に郵送いたします。

＜テキストについて＞
テキストは、原則としてセミナー開催日の２営業日前までに受講者様に届くように郵送致します。ご自宅等に発送をご希望される場合は、備考欄にご自宅の住所・連絡先をご記入ください。
場合によっては、当社の独自の判断によりテキストをPDFファイル化しメールに添付してお送りすることもあります。

受講について

＜Zoomセミナー＞
◎視聴方法：Zoomを使用したWebniarになります。遅くてもこのZoomセミナー開催日の前日の午前中までに、Zoomセミナーへご参加頂くためのURLとセミナーIDをメールにてご連絡させて頂きます。セミナー開始時刻の10分くらい前にはZoomセミナーに入室できます。

セミナー受講中にご質問がある場合は、チャット欄にご記入頂く様お願い申し上げます。マイクをオンにしてご質問頂くこともできます。ご質問へのご解答は原則としてセミナー受講時間中に完了するように致します。ご解答に時間のかかるご質問については、セミナー終了後または後日にメール・電話・Zoomなどを活用してご解答させて頂きます。

【お申込の前のお願い】
ご使用のPC・通信回線にセキュリティなどの制限がある場合、Zoomを利用できない場合があります。事前に下記のサイトにて、Zoomの接続・利用についてご確認ください。
・テスト画面： 『Zoomをテストする』

＜セミナースケジュール＞
10:30～11:45　午前中の講習（休憩なし）
11:45～12:45　昼食休憩
12:45～16:30　午後の講習（約60分間区切りの良いところまで講習をして10分間休憩を致します。ほぼこれを繰り返します。）

セミナー趣旨

　昨今、世の中はAIブームといっても過言ではありません。私が技術指導をさせて頂いております某超大手企業の技術研究所などでも、機械学習（深層学習）を専門としていない研究者にもこの分野で成果を出すことが求められています。
　世の中、withコロナの時代が続いておりますが、機械学習（深層学習）が益々活躍する時代になってきていると言っても過言ではありません。
　しかし多くの技術者は、機械学習が脚光を浴びる前から存在している機械工学や電子工学などに代表される各種技術を十分に習得できないうちに、社内では急務として機械学習（深層学習）を活用した技術による成果が求められているのではないかと思います。

　本セミナーはこのようなかたに機械学習（深層学習）を根底から理解し、機械学習（深層学習）をブラックボックス化しなくてすみ社内で要求されている成果を出せるようにするためのものです。

受講対象・レベル

• 機械学習（深層学習）の技術専門書を読んでも理解できないかた
• 機械学習（深層学習）を勉強したいが、それらが行っている理論的妥当性を理解するための数学的なよりどころになる統計解析やベイズ統計を時間をかけて勉強したことがないかた
• 統計解析やベイズ統計を独学で理解したいが、考え方の基本が理解できていないのでこれらについての専門書に書かれていることがあまり理解できなかったかた
• MATLAB、TensorFlow、Chainer、Cafe、Pythonのパッケージソフトなどで機械学習（深層学習）を計算している（ブラックボックスとして計算）が、その計算結果が正しいのか正しくないのか、信頼していいのかいけないのかが判断できないかた。このようなかたに確率統計学やベイズ統計学が必要です。
• 機械学習（深層学習）の勉強を開始しこの分野で成果を出して社内で評価されたいかたに確率統計学やベイズ統計学は必須です。
• 自分の専門分野の技術の勉強だけでも忙しいのに、その上、機械学習（深層学習）をまともに勉強する時間が取れないかた
• 部下の管理・監督上、機械学習（深層学習）を部下に説明したり部下と議論ができるようになりたいのでそのための理論的なよりどころである確率統計学とベイズ統計学を短時間でわかりやすく説明してくれるセミナーをお探しのかた

必要な予備知識

• 高校卒業程度の数学の基礎知識。
• 入門知識からから分かりやすく解説しますので特に確率統計学の予備知識は必要ありません。

習得できる知識

• 機械学習（深層学習）を理解すために必須である統計解析・ベイズ統計について理解できるようになります。
• 確率統計学を活用した最適サンプリング数の算出方法（計算方法）についても解説致します。
• ベイズ統計を実務に応用するにはどうのようにすればよいかが理解できます。
• 機械学習（深層学習）を研究・開発・設計などの実務技術分野にどのように応用すればよいかについて理解できるようになります。
• 機械学習（深層学習）は自分の専門ではないが部下の管理・監督上、本質的な考え方・やりかたを理解したいというかたにも、この技術の重要な基礎である統計解析・ベイズ統計が理解できるようになります。
• 機械学習（深層学習）の実務技術への活用のしかたについても理解できるようになります。

セミナープログラム

1. ある技術の分野で確率統計学の知識が必要になった実際例とは？
2. 統計の基礎の基礎
   1. 統計を大別すると？
   2. 標本調査とは？
   3. 標本の選び方
   4. 平均値とは？
   5. 誤差（偏り誤差、偶然誤差）、偏差、残差とは？
   6. どのようなデータにでも統計解析は使用できるのか？
   7. 分散と標準偏差
   8. 平均値、標準偏差と分散の基本的性質
3. 正規分布の本質を理解しよう！
   1. 統計学における大文字と小文字の基本的な使い分けについて
   2. 確率分布とは？
   3. 正規分布の由来
   4. 正規分布についての更なる解説
   5. 正規分布のグラフと平均値・標準偏差・分散の関係
   6. 種々の正規分布のグラフ
   7. 確率密度関数と正規分布
   8. 正規分布の特徴を数学的に証明
   9. 高速フーリエ変換アナライザにてS/N比の向上活用できる正規分布による誤差理論とは？
4. 標準正規分布
   1. 標準正規分布とは？
   2. 標準正規分布 （ Z 変換 ） の本質を理解しよう
   3. 標準正規分布を使用することのメリットは何だろうか？
   4. 標準正規分布のグラフ
   5. 標準正規分布表の活用法
5. 中心極限定理
   1. 統計学にて重要な中心極限定理とは？
   2. 中心極限定理について更に詳しく考えよう
   3. 中心極限定理と標準正規分布との関係
6. 母平均の平均値の推定のしかた
   1. 平均値の推定とは？
   2. 母集団が正規分布でその分散が既知の場合、標本平均から母平均を推定する方法
   3. 母分散が既知でない場合
   4. 不偏分散の使用のしかた
7. t-分布とは
   1. t-分布の由来
   2. 自由度とは ？
   3. t-分布を表す確率密度関数
   4. t-分布と標準正規分布との関係を数学手に確認しよう！
   5. 自由度とは
   6. t-分布を利用した母平均お推定方法とは？
   7. 比率の推定
   8. 抜き取り調査のための最適な数を統計理論に基づいて求めてみよう！
   9. 練習問題
8. 統計的仮説検定
   1. 統計的仮説検定とは
   2. 統計的仮説検定の考え方としかた
9. ベイズ統計とは？
   1. ベイズ統計をわかりやすく一言で解説すると？
   2. 最初に理解しなくてはならない専門用語
      1. 同時確率とは？
      2. 条件付き確率とは？
      3. ベイズ統計における乗法定理とは？
      4. ベイズ統計における加法定理とは？
   3. ベイズの定理について
      1. ベイズの定理とはどのようなものでどのように役立っているのか？
   4. 次に理解しなくてはならない専門用語
      1. 事前確率
      2. 尤度
      3. 事後確率とは？
10. 実はこれが重要：ベイズの定理を実務へ応用する方法
    1. ベイズの定理の応用とは？
    2. 理由不十分の原則とは？　融通がきくとはどういうことか？
    3. ベイズ更新とは？　なぜ融通がきくのか？
    4. ナイーブベイズフィルタとは？　迷惑メールへの応用とは？
11. 質疑応答