原文


AI・機械学習活用のための実践統計学入門

担当講師 伊藤嘉朗
場所 株式会社データサイエンス研究所セミナールーム
〒102-0093 東京都千代田区平河町2-5-5 全国旅館会館B1F【GoogleMap
定員 20名
申込締切 開催前日もしくは定員に達した時点

セミナーの概要

 近年、AI、ビッグデータ、IOT、機械学習等がキーワードとして注目されていますが、本セミナーでは、AIを活用するための主要アルゴリズムである機械学習の根幹部分としてよく用いられる統計的手法について、事例を用いながら分かりやすく解説致します。
 AI関連用語、及びAI導入時に必須の知識である機械学習、機械学習に用いられる統計的手法の考え方、エッセンス、活用方法等について理解することを目的とします。

受講対象者

・機械学習のしくみを基本から理解したい方
・機械学習に用いられる統計学の実践的な活用方法について学びたい方
・業務担当者、管理者、スキルアップを目指す方
(特に数学の知識は必要ありません。)

受講費用

 28,350円(税込)

セミナーの内容

1. AI関連用語の解説
  AI、機械学習、IOT、ビッグデータ等について解説します。

2. 機械学習について
  ・教師あり、教師なしとは何か
  ・回帰及びクラス分類の説明
  ・決定木分析、クラスタリング 等

3. 機械学習によく用いられる統計手法
(1)相関関係
  ・散布図、相関係数
  ・アソシエーション分析
(2)回帰分析
  ・一般的な線形回帰 
   最小2乗法とは何か、
   t検定、決定係数の解釈方法
  ・ロバスト回帰 
   外れ値に対応した回帰分析方法
   損失関数(フーバー型等)
  ・多項式回帰 
   過学習の意味とその対策方法
   リッジ回帰
(3)ロジスティック回帰 
   応答変数が2値変数の場合
   オッズ比の解釈方法
(4)判別
  ・線形判別分析
  ・SVM(サポートベクターマシン)
   非線形判別
   カーネル法とは
(5)主成分分析
   主成分、寄与率、主成分得点
(6)クラスタリング
  ・階層クラスター分析 
  ・非階層クラスター分析
   k-means法による分類方法
(7)検証・評価方法
   テストサンプル法、交差検証法
   知識の合理性

(セミナーの内容は変更されることがあります。)

   統計学活用支援サイト

Copyright © データサイエンス研究所 All Rights Reserved.
S