原文


MANUFACTURING

マニュファクチュアリングデータサイエンス実践力養成講座

製造業に必須のデータサイエンスを
実践的・効率的に習得

・初学者対象の対面Live講座(一部オンデマンド講座)です。
 オンラインLive受講、ご都合に合わせたアーカイブ受講も可能です
・分野別にデータの実践活用に必須の分析手法を習得します。
・補助金(70%)・助成金(最大75%)対象講座です。

オンラインによるライブ受講
アーカイブ受講も可能です。

ライブ配信・リアルタイム質問機能を備えた専用システムにより、臨場感のある受講が可能です。講義内容はアーカイブされ、講座終了後1年間、何度でも都合に合わせた視聴、復習が可能です。

実践的分析力の

習得を目指します。

分野別に用いられる解析手法の理解、分野別に特徴的なデータを用いた演習により、実践的な分析力の習得を目指します。また、総合演習により課題解決能力を養成します。

質問対応等 、講座終了後
1年間サポート致します。

受講内容に関するご質問等、講座終了後1年間可能です。

・制限無しのチャットサポート

・22時迄(日祝祭日除く)対応

・ZOOMによる個別対応

統計検定2級取得
無料サポート

修了認定者には、統計検定2級取得を無料サポートします。

料金・標準学習時間・修了認定要件

料金 50万円(税込)
受講方法

1)オンデマンド受講 2)対面Live受講(当研究所内研修室・オンラインによるWEB受講)

  • *オンデマンド受講は、お申込み後3営業日以降に開始することが可能です。
  • *対面Live受講は、原則として毎月開講されます。日程は、講義スケジュールをご確認ください。
  • *講義は同時収録されますので、ご都合の合わない場合は、アーカイブによる受講が可能です。
  • *アーカイブ視聴は、受講終了後1年間、何回でも可能です。
標準学習時間 88時間(4カ月)
    ・受講時間54時間(6時間/日×9日)+演習課題(12時間)+課題解決プレゼンテーション(22時間)
    ・演習課題、及び課題解決プレゼンテーションの作成時間には個人差があります。
修了認定要件

下記3 要件を満たした場合、修了認定証を交付

  • ・全科目受講(各科目90%以上出席)
  • ・各科目修了課題の提出
  • ・課題解決プレゼンテーションに合格
<課題解決プレゼンテーションに不合格の場合>
  •  1受講者、メンター、講師と不合格の事由について具体的に協議します。
  •  2受講不足の科目がある場合は、アーカイブ受講をして頂きます。
  •  3プレゼンテーション資料の再作成をして頂きます。
  •  4.総合的に審査し、合格と認められた場合は、修了認定証を交付します。

講義スケジュール

オンデマンド受講

オンデマンド受講の場合は、随時受講可能です。

対面Live受講

毎月開講されます。(平日:昼間・夜間、土曜日)

講座説明

(再生時間:9分03秒)

講師メッセージ

(再生時間:3分55秒)

事例演習(例)

過去10年間の年度別製品生産量平均を幾何平均によって求める。 技術研修前後の成績についてZ値(偏差値)により比較する。
新型機械の製造部品の重さが製品仕様書の表示どおりか調べる。 機械の製造する部品の長さが一定値かどうかサンプルから調べる。
二種類の機械の加工精度の違いの有無について調べる。 同材料を加工したときの二種類の機械の性能差について調べる。
工程に対する改善案の実施前後による適合度合について検討する。 温度と生産量の関係についてグラフ及び数値で確認する。
接着強度と不純物含有量の関係について回帰分析を行う。 接着強度と2種類の材料について回帰分析を行い、材料間の影響力を比較する。
不良品数と稼働時間の関係について分析する。 不良種別発生件数データからトレンドの有無を調査する。
集積回路の不適合データにおけるパレート図、工程管理図等から不良傾向の確認を行う。 品質を目的変数としランダムフォレストによる不良要因分析モデルを構築する。
電子部品の寸法、品質データから不良に影響を与える因子について考察する。 製造・品質データにおいてロジスティック回帰、決定着による分析モデルを構築する。
分析モデルをチューニングしRecallの改善を試みる。 部品の寸法、重量データの特徴をK-meansによりグルーピングする。
クラスタ番号を目的変数とし決定木分析からクラスタ間の違いについて考察する。 印刷機テストデータについて散布図行列・相関行列により観察する。
設備センサーデータから予知保全モデルを構築する。 鋳造部品画像データから不良品を予測する機械学習モデルを構築する。
自動車リコール情報のテキストマイニングから車名別の傾向を比較する。 寸法などの結果系データから不良モードを分類する。
製造条件に基づく精密部品の不良発生件数を予測する。 原材料・製造工程データから品質管理指標を予測、及び影響因子を探索する。
多クラス分類による全故障モードの判別と、2クラス分類による特定故障を検出する。 不良率の算出、良品/不良品のダミー変数化、不良種別の2クラス化を行う。
クラスタリングによる不良モードの分類、決定木による不良モード別の影響因子を分析する。 不良率を閾値設定によりカテゴリー値化し、2クラス分類として影響因子を探索する。
アンダーサンプリングにより少数の不良品データと多数の良品データのサンプル数を揃えて分析する。

講座カリキュラム・標準学習進度

個別ご相談に対応いたします。

 ・現在の業務に役立つ内容か具体的に知りたい・・・  ・転職に役立つスキルについて教えて欲しい・・・
    ・初心者でも学習が可能かどうか・・・・・・・・   ・仕事が忙しく学習時間の確保が難しい・・・・・