データ 前処理 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
1月
2月
3月
4月〜

化学・電気系 その他各分野
1月
2月
3月
4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
  ↑2020/1/15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  


データ 前処理 セミナー

★膨大なデータ、統合されていないデータ…いかに処理する?
「機械学習は前処理が8割」…そのエッセンスを学ぶ!


<機械学習やデータ解析を実施する方のための>

データの前処理ノウハウ

〜講師による実演デモ付きセミナー

講師

フューチャーブリッジパートナーズ(株)
 代表取締役 博士(情報理工学) 長橋 賢吾 先生

* 希望者は講師との名刺交換が可能です

講師紹介

慶應義塾大学環境情報学部卒業。同大学院政策・メディア研究科修了、2005年東京大学大学院情報理工学研究科修了。博士(情報理工学)。英国ケンブリッジ大学コンピュータ研究所訪問研究員を経て、2006年日興シティグループ証券(現、シティグループ証券)にてITサービス・ソフトウェア担当の証券アナリストとして従事したのち2009年3月、フューチャーブリッジパートナーズ(株)設立。コンサルティング業務の傍ら、統計やデータ分析、機械学習をテーマにした、RやPythonによる実演習つきセミナー講師を多数務め、毎回好評を博している。著書多数。

→このセミナーを知人に紹介する

日時・会場・受講料

●日時 2020年3月10日(火) 10:30-16:30
●会場 [東京・京急蒲田]大田区産業プラザ(PiO)6階D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 →

セミナーに際して

本セミナーはPCのご持参が可能です。受講に必須ではありません。
※弊社からのPC貸出は行いません


■講師より
 実際に機械学習を導入したいものの、データ量が多すぎて導入できない、そんな声をしばしば耳にします。膨大なデータ、統合されていないデータ、こうしたデータから機械学習を導入するためには、データの前処理がキモになります。そして、データの前処理は、単に「前」に処理するのではなく、データの特徴量を把握・抽出する大事なプロセスです。
 そこで本セミナーでは、前処理に焦点をあて、データから特徴量を抽出するプロセスについて解説します。すでに機械学習を導入されている方も、これから機械学習を導入される方も多くの知見を得られると考えています。
※また当日、解説に使うデータを配布します(USBメモリのまま進呈)。
PC持参する方はすぐに扱うことができます。持参されない方は後日の復習にお役立てください。


■受講対象者
・統計・データ分析・機械学習を実施している方、これから行いたい方
・社内のデータをどう活用するかを検討されている方
・特に、入手・取得したデータの前処理について、上手くいかない方や適切な方法を模索している方
 *また業種・業界は不問とします。

▽過去の同講師セミナー受講者の声(アンケートより)
「これから自分が何を勉強すればいいのか分かったのが一番の収穫でした。ありがとうございます」(生産管理)
「講師との距離も近く、名刺交換や具体的な質問・ディスカッションができたのがよかった」(データ処理)
「実際に操作できるので、講義だけでは見えにくい部分も分かりました」(マーケティング)
「日ごろ気になっていたことが訊けて大変有意義でした」(材料評価)

セミナー内容

1.データ前処理について
 1-1 データの前処理とは?
 1-2 機械学習は前処理が8割
 1-3 特徴量の抽出
 1-4 数値データ・テキストデータ・画像データの特徴量を抽出
 1-5 機械学習アルゴリズム

2.数値データの前処理
 2-1 カウントデータ
 2-2 連続・離散
 2-3 外れ値除去
 2-4 対数変換
 2-5 正規分布と正規化

3.テキストデータの前処理
 3-1 テキストデータと特徴量
 3-2 BoW
 3-3 nグラム
 3-4 出現頻度による特徴量の抽出
 3-5 TF-IDF

4.カテゴリ変数の前処理
 4-1 カテゴリ変数と特徴量
 4-2 ダミー変数
 4-3 特徴量ハッシング
 4-4 ビンカウンティング

5.次元削減によるデータのスリム化
 5-1 次元削減と機械学習
 5-2 主成分分析とは?
 5-3 主成分分析による次元削減
 5-4 主成分分析のケーススタディ

6.クラスタリングによるデータのスリム化
 6-1 クラスタリングと機械学習
 6-2 クラスタリングとは?
 6-3 クラスタリングによる次元削減
 6-4 クラスタリングのケーススタディ

7.画像データの前処理
 7-1 画像データの前処理とは
 7-2 画像勾配とフィルタ
 7-3 勾配方向ヒストグラム
 7-4 ディープラーニングと画像勾配
 7-5 畳み込みニューラルネットワーク

<質疑応答・名刺交換・個別相談>

セミナー番号:AC200313

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

新時代植物工場

創薬スクリーニング

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

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.