セミナー 印刷
【 2 名 同 時 申 込 で 1 名 無 料 】 対 象 セ ミ ナ ー 【Live配信対応セミナー(Zoom使用)】対応  ※会社・自宅にいながら学習可能です※

【Live配信(Zoom使用) or アーカイブ配信】

初めての方でもわかる
Pythonによる機械学習の基礎と実践適用

~薬物動態データでの適用事例をふまえて~

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。
ステップ1>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

ステップ2>機械学習における
     「教師あり学習(分類問題と回帰問題)」および「教師なし学習(次元圧縮およびクラスター解析)」
      についてExcelおよびPythonを使ってわかりやすく紹介


ステップ3>ソースコードもご希望により配布しますので、すぐに実践することが可能

 
 
【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。
このセミナーの受付は終了致しました。
日時 【Live(ZOOM)受講】 2021年8月27日(金)  10:30~16:30
【アーカイブ受講】 2021年9月3日(金)  ごろ配信予定(視聴期間:配信後10日間)
会場 【Live(ZOOM)受講】 Live配信セミナー ※会社・自宅にいながら受講可能です※  
会場地図
【アーカイブ受講】 Webセミナー ※会社・自宅にいながら受講可能です※  
会場地図
受講料(税込)
各種割引特典
55,000円 ( E-Mail案内登録価格 52,250円 ) S&T会員登録とE-Mail案内登録特典について
定価:本体50,000円+税5,000円
E-Mail案内登録価格:本体47,500円+税4,750円
E-Mail案内登録なら、2名同時申込みで1名分無料 1名分無料適用条件
【2名同時申込みで1名分無料キャンペーン(1名あたり定価半額の27,500円)
 

※【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:受講料( 定価:35,200円/S&T会員 33,440円 )

 35,200円 ( S&T会員受講料 33,440円 ) 
   定価:本体32,000円+税3,200円
   会員:本体30,400円+税3,040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。
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。
(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
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。

セミナー講師

(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】
 

セミナー趣旨

Pythonは現在流行のプログラミング言語で、これをマスターするだけでも仕事に困らないと言われています。また、オフィスワーク、医療、金融と様々な分野で活用されており、エンジニアを目指す方以外にも勉強しておいて必ず役に立つツールです。さらに、病態の予測や株式の予測のような複雑な予測は、機械学習によりある程度可能になってきております。

◆講習会のねらい◆
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、機械学習における教師あり学習(分類問題と回帰問題)および教師なし学習(次元圧縮およびクラスター解析)についてExcelおよびPythonを使ってわかりやすく紹介します。ソースコードもご希望により配布しますので、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。

セミナー講演内容

1. 機械学習の基礎知識
 (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
  g. Anacondaのインストール
  h. Pythonの実行

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)薬物動態データでの適用事例
  a. 薬物動態を機械学習により予測する
  b. 肝ミクロソーム分画での安定性の予測
  c. 計算時間の問題

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. Excelによる最短距離法
  b. Excelによるウォード法
 (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・名刺交換□