ベイズ統計の基礎とデータ分析実践講座 〜1人1台PC実習付〜

〜 ベイズ統計に基づいたデータ分析の基本的な方法、ベイズ因子を用いた統計モデルの選択方法、ベイズ予測分布の活用法、マルコフ連鎖モンテカルロ法の基本 〜

・多種多様なビッグデータの解析で重要な役割を果たすベイズ統計をマスターするための講座

・Rによる多くのサンプルプログラムを使い、ベイズ統計を実践的に修得し、様々な場面で実践できる特別セミナー!
・実データのベイズ分析で必要なアルゴリズム(マルコフ連鎖モンテカルロ法)も解説いたします 
*PCは弊社でご用意いたします

講師の言葉

 ここ最近、機械学習や人工知能(AI)が科学研究からビジネスに至るまで様々な場面で活躍しています。アルファ碁は大量の棋譜データから学習して人間を凌駕する強さを獲得しており、IoTでも様々な機材から収集される大量のデータの利活用が重要な課題になりつつあります。このように、多種多様なビッグデータの解析で重要な役割を果たすのがベイズ統計です。
 ベイズ統計は条件付き確率に基いて推測するという一貫した考え方ですので、基本的な考え方が理解できれば様々な場面に応用できます。そこで、本講座ではベイズ統計の基本的な考え方を多くの例や実習を織り交ぜて解説していきます。平易な例ですので、ご自身の職種・業務に沿って理解してもらえればと思います。また、実データのベイズ分析で必要なアルゴリズム(マルコフ連鎖モンテカルロ法)も解説いたします。多くのサンプルプログラムを実際に動かすことで、ベイズ統計に基いたデータ解析の基本をしっかり習得できます。

セミナー詳細

開催日時
  • 2018年06月18日(月) 10:30 ~ 17:30
開催場所 日本テクノセンター研修室
カテゴリー ソフト・データ・画像・デザイン
受講対象者 ・ベイズ統計の基本について効率よく学びたい研究者、実務の方(業種や職種は問いません) ・ベイズ統計に基いたデータ分析の方法に興味がある研究者、実務の方(業種や職種は問いません) ・これまでの経験やノウハウとデータの両方をとりいれた意思決定やリスク評価方法を知りたい方
予備知識 ・大学などで統計を一通り習っていることが望ましい(講座の最初に説明します) ・簡単なプログラミング経験(言語不問) ・PC操作
修得知識 ・ベイズ統計を用いてどのようなことが可能か、従来の統計的手法との違い ・ベイズ統計に基いたデータ分析の基本的な方法、考え方 ・不確実な状況下でデータに即した意思決定を行う方法 ・ベイズ因子を用いた統計モデルの選択方法 ・ベイズ予測分布の構成方法と活用法 ・マルコフ連鎖モンテカルロ法の基本
プログラム

1.イントロダクション:ベイズ統計でなにができるようになるか
  (1).原発でのポンプ故障率の分析例 (階層ベイズモデル)

2.条件付き確率とベイズの定理
  (1).確率分布と期待値、分散
  (2).条件付き確率、独立性
  (3).条件付き確率を活用する
    a.確率と条件付き確率の違い
    b.モンティ・ホール問題 
  (4).ベイズの定理とその応用
    a.ベイズの定理と分解公式
    b.応用上の意味
    c.がん診断
    d.ベイズの定理を用いた計算例
  (5).機械学習への応用
    a.迷惑メールフィルタ
    b.迷惑メールの確率
    c.迷惑メールフィルタの仕組み
    d.機械学習の考え方

3.ベイズ統計入門
  (1).統計モデル
    a.推測統計でのデータの解釈
    b.母集団と統計モデル
    c.モデルの明示
    d.基本的な分析の流れ
  (2).事前分布の導入
    a.パラメータの不確実性の表現
    b.データから計算したい条件付き確率
    c.事前分布の導入
  (3).事後分布
    a.事後分布の定義
    b.ベイズ分析の主要な部分

4.事後分布に基いた統計推測
  (1).事前分布の設定の仕方
  (2).共役事前分布
    a.共役事前分布
    b.二項分布+ベータ分布
    c.ポアソン分布+ガンマ分布
    d.正規分布+正規分布
  (3).事後分布に基いたパラメータ推定
    a.ベイズ分析の報告の基本
    b.点推定
    c.信用区間
    d.従来の統計との関係
  (4).応用例: 広告効果の検証
    a.問題設定
    b.統計モデルの設定
    c.事前分布の設定
    d.解析結果

5.ベイズ決定理
  (1).損失を最小にする合理的な判断方法
    a.例:中古PCの追加購入
    b.損失関数
    c.決定関数
    d.計算例 (例の続き)
  (2).ベイズ決定
    a.統計推測と損失関数
    b.パラメータ推定の場合
    c.複数パラメータから選ぶ場合(仮説検定)
  (3).ベイズ因子による判断の例
    a.ベイズ因子
    b.例:天候の違いによる売れ行きの変化の検証
    c.複数の統計モデルの選択

6.ベイズ予測分布
  (1).ベイズ予測分布の活用方法
    a.例:ガウスモデルによるコンビニの売り上げ予測
    b.予測分布
    c.計算例 (例の続き)
  (2).いろいろな予測分布
    a.例:ポアソンモデルによるイベント来場者の予測
    b.例:多項モデルによる商品の売れ筋予測

7.コンピュータ(計算機)を用いたベイズ分析
  (1).モンテカルロ法
    a.ベイズ分析に必要な計算
    b.モンテカルロサンプリング
    c.モンテカルロ積分
    d.IID.サンプル(理想的なモンテカルロサンプル)
  (2).マルコフ連鎖と定常分布
    a.マルコフ連鎖
    b.1次元山登りウオーク
    c.定常分布
  (3).マルコフ連鎖モンテカルロ法(MC.MC.)
    a.メトロポリス・ヘイスティング法(MH法)のアルゴリズム
    b.MH法の実装例とMC.MC.サンプル
    c.ギブス・サンプラーの概要
    d.ギブス・サンプラーのアルゴリズム
  (4).分析例 (総合演習)

キーワード 階層ベイズモデル 条件付き確率 パラメータ推定 ベイズ決定理 ベイズ因子 マルコフ連鎖モンテカルロ法 メトロポリス・ヘイスティング法 ギブス・サンプラー
タグ 統計・データ解析シミュレーション・解析データ解析ITサービス
受講料 一般 (1名):50,600円(税込)
同時複数申込の場合(1名):45,100円(税込)
会場
日本テクノセンター研修室
〒 163-0722 東京都新宿区西新宿2-7-1 新宿第一生命ビルディング(22階)
- JR「新宿駅」西口から徒歩10分
- 東京メトロ丸ノ内線「西新宿駅」から徒歩8分
- 都営大江戸線「都庁前駅」から徒歩5分
電話番号 : 03-5322-5888
FAX : 03-5322-5666
こちらのセミナーは受付を終了しました。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
contact us contact us
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888

営業時間 月~金:9:00~17:00 / 定休日:土日・祝日