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】

【基礎・実習による充実の2日間】
統計解析・機械学習のためのPythonハンズオンセミナー
<プログラミングの基礎から応用事例まで>

~ハンズオンで実際に機械学習をPythonでやってみよう~
<ソースコードを配布しますので、すぐに実践することが可能です>

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。
【充実の2日間ハンズオンセミナー:プログラミングの基礎から応用事例まで】
< ExcelおよびPythonを使ってわかりやすく紹介し、Pythonを使った機械学習を実践 >
統計解析・機械学習に必要なPythonのプログラミングをハンズオンで実施し、
講座終了後直ちに皆様の業務に活用できることを目指します。

ステップ1>Pythonの基礎を学びます。インストールを含め、Pythonを実際に動かしてみよう!

ステップ2>・統計解析(記述統計、推測統計、線形モデルによる予測)
      ・機械学習(分類問題、回帰問題、次元圧縮、クラスター解析)
      をPythonを使い具体的事例でわかりやすく紹介します。


ステップ3>ソースコードを使って、機械学習をPythonでやってみよう!

 
<事前にGoogleで「Anaconda」を検索し、「Anaconda Individual Edition」のインストールをお願いします。
また、弊社HPのマイページよりソースコードのダウンロードをお願いします。>

※ソースコードのダウンロードは、マイページから可能となります。(※更新:2022/6/9)
 
 
【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】 2022年6月20日(月)  10:30~16:30
【Live(ZOOM)受講】 2022年6月21日(火)  10:30~16:30
【アーカイブ受講】 2022年6月30日(木)  ごろ配信予定(視聴期間:配信後10営業日間)
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)  
会場地図
【Live(ZOOM)受講】 Live配信セミナー(会社・自宅にいながら受講可能)  
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)  
会場地図
受講料(税込)
各種割引特典
99,000円 ( E-Mail案内登録価格 94,050円 ) S&T会員登録とE-Mail案内登録特典について
定価:本体90,000円+税9,000円
E-Mail案内登録価格:本体85,500円+税8,550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(2日間受講:1名あたり定価半額の49,500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】
  2日間受講:1名申込みの場合:受講料( 定価:71,500円/S&T会員 67,925円 )

 2日間受講:71,500円 ( S&T会員受講料 67,925円 ) 
    定価:本体65,000円+税6,500円
    会員:本体61,750円+税6,175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。(10営業日視聴可能)
(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

最近、プログラミング言語として、Pythonが注目の的となっています。Pythonは汎用のスクリプト言語で、多くのプログラミング言語の中でも多目的で使用でき、簡単であり、また無料であるという特長があります。Pythonによる統計解析と機械学習は、様々な領域(医療、画像処理、インフォマティクス、ファイナンス等)に応用されています。システム連携を考慮したデータ分析を目指すのであれば、Pythonは長い目で見て優れたツールといえます。ただしそのためにはプログラミングの知識が必要となります。本講座では統計解析・機械学習に必要なPythonのプログラミングをハンズオンで実施し、講座終了後直ちに皆様の業務に活用できることを主旨としております。

◆講習会のねらいなど
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、初日は統計解析(記述統計、推測統計、線形モデルによる予測)、2日目は機械学習(分類問題、回帰問題、次元圧縮、クラスター解析)をPythonを使い具体的事例でわかりやすく紹介します。ソースコードも配布しますので、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。


<事前にGoogleでAnacondaを検索し、Anaconda Individual Editionのインストールをお願いします。
 また、ソースコードのダウンロードをお願いします。>
※ソースコードのダウンロードは弊社HPのマイページよりダウンロードをお願いします。(更新:2022/6/9)

セミナー講演内容

<事前にGoogleでAnacondaを検索し、Anaconda Individual Editionのインストールをお願いします。
 また、弊社HPのマイページよりソースコードのダウンロードをお願いします。>

※ソースコードのダウンロードは、6月9日(木)以降、マイページから可能となっております。

【第1日目:Pythonによる統計解析】

1. なぜ今統計解析にPythonか
 (1)統計解析が重要視される背景
 (2)統計解析ソフトの選択肢の増大
 (3)プログラミング言語の多様化とPythonの位置づけ
 (4)PythonとRの違い

2. Pythonを使うために~PC環境の構築~
 (1)ANACONDAのインストール
 (2)Jupyter Notebookを使う
 (3)Pythonプログラミング入門
  a. 簡単プログラミング(演算、変数、条件分岐など)
  b. 基本モジュールとそのインポート(numpyの使い方)
  c. データを読み込もう(pandasの使い方)
 
3. Pythonによる記述統計

 (1)データを整理してわかりやすく伝えよう
  a.データを要約する(要約統計量)
  b.いろいろな要約統計量(平均値、中央値、標準偏差など)
  c.要約統計量をPythonで計算する(pandasとnumpy)
 (2)データを視覚化してわかりやすく伝えよう
  a.データを視覚化する(散布図、箱ヒゲ図、ヒストグラム)
  b.視覚化をPythonで行う(matplotlibとseaborn)

4. Pythonによる推測統計
 (1)統計解析における確率と統計的推測
  a.確率の基本を理解しよう(データは確率的に変動する)
  b.測定値は正規分布をする(正規分布の特徴)
  c.統計的推測(母集団と標本)
 (2)大きな集団を推定しよう
  a.母集団を推定する(標本の無作為抽出)
  b.標準誤差を理解しよう(母平均の推定)
  c.95%信頼区間を理解しよう(母平均の推定)
  d.Pythonを使って95%信頼区間を計算しよう(statistics)
 (3)差があることを証明しよう
  a.仮説検定における仮説の設定(帰無仮説と対立仮説)
  b.2群の平均値の差からp値を求める(t-検定)
  c.2群の有効率の差からp値を求める(カイ2乗検定)
  d.多群の群間差からp値を求める(分散分析)
  e.Pythonを使って仮説検定を行ってみよう(numpy)

5. Pythonを用いた線形モデルによる予測
 (1)直線回帰分析(直線的予測)
 (2)重回帰分析(説明変数が複数ある場合の予測)
 (3)ロジスティック回帰分析(2値の予測)
 (4)Pythonでモデルによる予測をやってみよう(sklearn)


【第2日目:Pythonによる機械学習】

1. Pythonによる機械学習

 (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

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.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.最短距離法
  b.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□