スパース推定 統計モデリング 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
8月
9月
10月
11月〜

化学・電気系 その他各分野
8月
9月
10月
11月〜

  ・10月名古屋開催セミナー
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
  ↑2019/7/3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  


医薬・機器・化粧・食品系セミナー

*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:

★スパースモデリングで回帰モデルの推定が出来るようになります。


スパース推定法による統計モデリング入門

講師

九州大学 マス・フォア・インダストリ研究所 准教授 博士(機能数理学) 廣瀬 慧 先生

* 希望者は講師との名刺交換が可能です

講師紹介

■主経歴
大阪大学大学院基礎工学研究科 助教(2011年4月〜2016年3月)
九州大学・マス・フォア・インダストリ研究所(2016年4月〜)

■専門・得意分野
統計科学

■本テーマ関連の学会・協会等での委員会活動など
日本統計学会,日本計算機統計学会,応用統計学会

→このセミナーを知人に紹介する

<その他関連セミナー>

機械学習・ディープラーニング・人工知能関連セミナー・書籍一覧

日時・会場・受講料

●日時 2019年9月5日(木) 10:30-16:30
●会場 [東京・大井町]きゅりあん5階第2講習室 →「セミナー会場へのアクセス」
●受講料 1名46,440円(税込(消費税8%)、資料・昼食付)
 *1社2名以上同時申込の場合、1名につき35,640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

■講座のポイント
 スパース推定は,回帰モデルの変数選択で用いられる手法で,変数の数が大きい場合においても高速にパラメータを推定する手法として広く用いられるようになりました.この講座では,回帰モデルにおけるスパース推定の導入とアルゴリズムについてお話します.また,推定量の性質などアドバンスドな内容についても触れます.また,ガウシアングラフィカルモデルにおけるスパース推定についてもお話します.
 第1部では回帰分析の復習と最小二乗法の問題点について述べます.
 第2部ではスパース推定であるLassoを解説し,なぜスパースな解が得られるのかを詳しく説明します.
 第3部ではスパース推定のアルゴリズム及び推定量の性質について述べます.少しアドバンスドな内容となりますが,実際にlassoがどのような場合にうまくいくのかなど,実務においてもお役に立てる内容になるかと思いますのでお話させていただければと思っています.できるだけわかりやすくお話したいと考えています.
 第4部ではガウシアングラフィカルモデルでのスパース推定について述べます.この手法は,変数間の条件付き独立性を調べることでネットワークを推定するというものです.ガウシアングラフィカルモデルは,遺伝子ネットワークの推定によく用いられますが,ビジネスにも用いられると考えています.

■受講後、習得できること
・スパース推定を用いた回帰モデルの推定ができるようになる
・スパース推定のアルゴリズムと推定量の性質について理解することができる
・スパース推定を用いたガウシアングラフィカルモデルのスパース推定ができるようになる

セミナー内容

1.回帰モデルの復習
 1.1 最小二乗推定によるパラメータの推定
 1.2 推定量の分散について
 1.3 予測誤差の計算
 1.4 モデル選択の必要性

2.Lasso
 2.1 Lassoとは
 2.2 なぜスパースな推定値が得られるのか
 2.3 Solution path, 正則化パラメータの選択
 2.4 Rによる実装

3.推定アルゴリズムと推定量の性質
 3.1 推定アルゴリズム:計画行列が直交している場合
 3.2 推定アルゴリズム:計画行列が直交していない場合
 3.3 一般の予測二乗誤差の評価
 3.4 高次元データにLassoを適用したときの予測二乗誤差の評価

4.Graphical Lasso
 4.1 ガウシアングラフィカルモデルについて
 4.2 なぜスパース推定が必要なのか
 4.3 Graphical lasso
 4.4 推定値を計算するアルゴリズム
 4.5 Rによる実装

(質疑応答)

セミナー番号:AA190962

top

注目の新刊

雑誌 月刊化学物質管理

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

自動運転センシング

半導体製造プロセス

三次元培養

ピッカリング・エマルション

再生医療・細胞治療

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.