ベイズ統計学 Python セミナー

サイトマップサイトマップ よくあるお問合わせよくあるお問合せ リクエストリクエスト セミナー会場セミナー会場へのアクセス リンクリンク
セミナーのメニュー
  ヘルスケア系
11月
12月
2020年1月
2月〜

化学・電気系 その他各分野
11月
12月
2020年1月
2月〜
出版物出版物
新刊図書新刊図書 月刊 化学物質管理Gmpeople
通信教育講座通信教育講座
LMS(e-learning)LMS(e-learning)
セミナー収録DVDDVD
電子書籍・学習ソフトDVD
セミナー講師のコラムです。講師コラム
  ↑2019/11/7更新!!
お申し込み・振込み要領お申込み・振込要領
案内登録案内登録
↑ ↑ ↑
新着セミナー、新刊図書情報をお届けします。

※リクエスト・お問合せ等
はこちら→ req@johokiko.co.jp



SSL GMOグローバルサインのサイトシール  


ベイズ統計学 Python セミナー

*その他 機械学習・ディープラーニング・人工知能: 関連セミナー、書籍はこちら:

「ベイズ統計学を初歩から理解したい方」
「Pythonを用いたベイズ推定に興味がある方」
「マルコフ連鎖モンテカルロ法に興味のある方」など、是非ご参加下さい。

Pythonで初めて学ぶ!

ベイズ統計学の基礎と応用

講師

高崎経済大学 経済学部 准教授 博士(理学) 宮田 庸一 先生

* 希望者は講師との名刺交換が可能です

→このセミナーを知人に紹介する

<その他関連セミナー>

統計関連セミナー開催予定はこちら

日時・会場・受講料

●日時 2020年1月27日(月) 10:30-16:30
●会場 [東京・京急蒲田]大田区産業プラザ(PiO)6階F会議室 →「セミナー会場へのアクセス」
●受講料 1名47,300円(税込(消費税10%)、資料・昼食付)
 *1社2名以上同時申込の場合、1名につき36,300円
      *学校法人割引;学生、教員のご参加は受講料50%割引。→「セミナー申込要領・手順」を確認下さい。

 ●録音・撮影行為は固くお断り致します。
 ●講義中の携帯電話の使用はご遠慮下さい。
 ●講義中のパソコン使用は、講義の支障や他の方の迷惑となる場合がありますので、極力お控え下さい。
  場合により、使用をお断りすることがございますので、予めご了承下さい。
  *PC実習講座を除きます。


■ セミナーお申込手順からセミナー当日の主な流れ →

セミナーポイント

■はじめに
データ解析や統計学に携わっている方であれば、ベイズ統計学という言葉をどこかで耳にしたことがあるかもしれません。しかし、ベイズ統計学を講義科目として扱っている大学はごく限られています。このため、本講座ではベイズ解析を用いた推定、検定の手法を基礎から解説していきます。また、ベイズ推定量をマルコフ連鎖モンテカルロ法により計算するために、PythonのPyMC3というパッケージの使い方を説明します。一般的にマルコフ連鎖モンテカルロ法のプログラムを作るのはやや大変ですが、PyMC3を使うことで、比較的容易にベイズ推定量を計算することができます。また機械学習で用いられるモデルの一つであるノンパラメトリック回帰モデルに対するベイズアプローチを紹介します。
入門ということなので、数学的に高度にならないようにします。

■受講対象
・ベイズ統計学を初歩から理解したい方
・Pythonを用いたベイズ推定に興味がある方
・マルコフ連鎖モンテカルロ法に興味のある方
・周辺尤度の使い方について知りたい方

■必要な予備知識
1. 行列(マルコフ連鎖モンテカルロ法を説明するときに使います。)
2. 重積分(ベイズ推定を説明するときに使います。計算できる必要はありません。)
3. 条件付き確率分布,確率密度関数、および標本平均、標本分散、相関係数
 (もちろん解説しますが、知識があった方が理解しやすくなるかもしれません。)

■本セミナーに参加して修得できること
・ベイズ統計学における推定、検定の仕方がわかる。
・Python(PyMC3)を用いたベイズ推定の仕方がわかる。(ソースコードは差し上げます)
・マルコフ連鎖モンテカルロ法で、なぜベイズ推定を計算できるのかがわかる。
・ベイズアプローチのノンパラメトリック回帰モデルへの応用の仕方がわかる。

セミナー内容

1. 予備知識
   1) 期待値,分散
   2) 代表的な確率分布(正規分布,ガンマ分布,二項分布など)
   3) 条件付き確率分布,条件付き確率密度関数
   4) 線形回帰モデルおよび最小二乗推定量

2. ベイズの定理

3. ベイズ分析
   1) 尤度関数
   2) 事前分布
   3) 事後分布
   4) ベイズ推定量(事後平均,事後モード)
   5) 信用区間
   6) 予測分布

4. ベイズ推定量の計算の仕方
   1) モンテカルロ法でなぜベイズ推定量を計算できるのか?
   2) 重点サンプリング法,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,ハミルトニアンモンテカルロ法)
   3) 実行するためのソフト(Python),参考となる書籍,パッケージPyMC3の紹介
    (歪んだコインの表の出る確率を推定する例を説明します)
   4) 線形回帰モデル,ロジスティック回帰モデルに対するPyMC3を用いたベイズ推定

5. ベイズ型の仮説検定
   1) 周辺尤度,ベイズファクターの解釈の仕方

6. ベイズ分析の応用
   1) ノンパラメトリック回帰モデルへの応用

7. まとめ

講師紹介

【講師略歴】
1999年に早稲田大学大学院理工学研究科修士課程を卒業後、早稲田大学本庄高等学院数学科に専任教諭として勤務。2008年に高崎経済大学経済学部専任講師となり、2011年に同大学准教授となり現在に至る。

【専門】数理統計学(ベイズ統計学および有限混合モデル)

セミナー番号:AC200137

top

注目の新刊

雑誌 月刊化学物質管理

動画配信 統計学入門

異常検知技術と応用提案

各社の化学物質管理

分散技術

中分子医薬品

5G

洗浄バリ 2019

日本語メディカルライティング

DI対応CSV 2019

プラスチック環境対応技術

分野別のメニュー

化学・電気系他分野別一覧

  植物工場他

  機械学習他

ヘルスケア系分野別一覧

  海外関連

  医療機器

各業界共通
マーケティング・人材教育等

「化学物質情報局」

特許・パテント一覧 INDEX
(日本弁理士会 継続研修)

印刷用申込フォーム    

セミナー用

書籍用

会社概要 プライバシーポリシー 通信販売法の定めによる表示 商標について リクルート
Copyright ©2011 情報機構 All Rights Reserved.