ベイズ統計の基礎とデータ分析への効果的な活用実践講座 ~1人1台PC実習付~

~ 条件付き確率とベイズの定理、機械学習への応用、事後分布に基いた統計推測、ベイズモデリングと予測分布 ~

・ビッグデータの分析で注目されるベイズ統計に基づいたデータ分析手法を実践的に修得し、実務に応用するための講座
・平易なベイズモデリングを例に、ベイズによるデータ分析方法と予測や機械学習への応用が修得できる特別セミナー! 
*PCは弊社でご用意いたします

講師の言葉

 今や世界の最も貴重な資源は石油ではなくデータであるといわれています。IoTやスマートデバイスの進展により様々な機器から得られる多種多様なビッグデータ。これらの分析と利活用が既に多くの分野で重要な課題になっており、そのための方法論としてベイズ統計や機械学習が注目を集めています。
 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でしっかりと学んでいきます。特に、様々な職種・業務の方が理解しやすいように平易なベイズモデリングの例をとりあげます。また、手を動かす計算とRのサンプルプログラムの実行をバランスよく配置し、多くの受講者に好評を得てきました。さらに、最近話題のベイズ分析ツールRStanなどの基礎となるアルゴリズム(マルコフ連鎖モンテカルロ法)も丁寧に説明します。

セミナー詳細

開催日時
  • 2020年06月01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)
・各種ソフトやツールを利用してベイズ分析を行っており基本的な部分をしっかりと理解したい方
・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)
・大学初年度程度の数学知識(期待値や分散の計算に必要なレベルの微積分)
・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
・ベイズモデリングと予測分布の基本
・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.ベイズ決定理論
  (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.ベイズモデリングと予測分布
  (1).予測分布の活用方法
    a.例:ガウスモデルによる新規店舗の売り上げ予測
    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(MCMC法)
    a.メトロポリス・ヘイスティングス法(MH法)のアルゴリズム
    b.MH法の実装例とMCMC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).総合演習: ベイズモデリングで予測してみよう
     (MH法のサンプルプログラムを実行してベイズ分析をいちから実行)

キーワード ベイズ因子 マルコフ連鎖モンテカルロ法 ベイズ統計 階層ベイズモデル 機械学習 統計推測 共役事前分布 パラメータ推定 ガウスモデル ポアソンモデル MCMC法
タグ 統計・データ解析AI・機械学習信号処理ソフト教育データ解析データ分析R言語
受講料 一般 (1名):51,700円(税込)
同時複数申込の場合(1名):46,200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 小田急第一生命ビル(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