『Pythonで学ぶ多変量統計学・機械学習の基礎』


  《講師》 鈴木智也 (CollabWiz代表)  図解による分かり易さを重視し解説します!
  《時間》 実施時間はご都合に合わせます
       ・1日間 6時間コース (Pythonは概要のみ)
       ・2日間 12時間コース (Pythonもしっかり演習)

メッセージ
初学者大歓迎です.データ分析に必要な統計学のポイントを1日〜2日で理解します.Python未経験でも構いません.
ゼロから統計学をプログラム化することで,Pythonや統計学について根本から習得します.
さらに実務のために,Pythonのライブラリーによる便利なプログラミング方法も多数紹介します.
図解による分かり易さを重視します.抽象的にならないように,具体的なデータ・プログラム・実行結果を示します.
プログラムは全て再現可能なので,復習やご自身の業務にご活用いただけます.Pythonのインストール方法や基本操作ガイドも添付します.
本セミナーは「Pythonで学ぶ時系列解析・機械学習の活用」の導入編です.

受講対象
 ◆統計学のポイントを短期集中で理解したい方
 ◆データ分析の基礎固めをしたい方
 ◆Pythonを使える自信を付けたい方
 ◆機械学習の活用にご関心がある方

習得知識
 ◆記述統計と推測統計を理解できる
 ◆重回帰分析により因果推論ができる
 ◆主成分分析によりデータ圧縮ができる
 ◆因子分析により共通因子を特定できる
 ◆教師なしと教師ありの機械学習ができる
 ◆Prophetで簡単な時系列予測ができる
 ◆Pythonのライブラリーを使いこなせる

セミナー内容
1.基本統計量
 (1) データの種類
 (2) 母集団
 (3) 記述統計学と推測統計学
 (4) 不偏推定量
 (5) 自由度
 (6) 標準化と正規化
 (7) 相関係数の注意点

2.確率分布
 (1) 中心極限定理
 (2) 正規分布
 (3) t分布
 (4) χ(カイ)2乗分布
 (5) その他の確率分布

3. 区間推定
 (1) 母平均の区間推定
 (2) 母分散の区間推定

4. 統計的仮説検定
 (1) 母平均の検定 (t検定)
 (2) 母分散の検定 (χ2乗検定)
 (3) 2組の母平均の差の検定
 (4) 対応のある母平均の差の検定

5. 重回帰分析
 (1) 最小二乗法
 (2) 多重共線性
 (3) パス解析による因果推論
 (4) 決定係数の仮説検定 (F検定)
 (5) 説明変数の仮説検定 (t検定)

6. 主成分分析
 (1) ラグランジュの未定乗数法
 (2) 共分散行列の固有値分解
 (3) 主成分の解釈
 (4) 主成分の寄与率
 (5) 重回帰分析への活用

7. 因子分析
 (1) 共通因子の特定
 (2) 共通因子の解釈
 (3) 共通因子の寄与率
 (4) 多因子モデル
 (5) 主成分分析との違い

8 判別分析
 (1) 生成モデルと識別モデル
 (2) 点と分布の距離
 (3) 判別境界の導出
 (4) 多変量モデルへの拡張

9. クラスター分析
 (1) クラスター同士の距離
 (2) 階層的クラスター分析(デンドログラム)
 (3) 非階層的クラスター分析(k-means法)
 (4) 主成分分析による可視化

10. Prophetによる時系列分析
 (1) 時系列データの要因分解
  a. トレンド成分
  b. 周期成分
  c. イベント成分
 (2) トレンド変化の推定
 (3) 将来予測と異常検知

付録資料
 (1) Pythonのインストール方法
 (2) Pythonの基本操作ガイド