データサイエンティスト養成講座

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
セミナーのメニュー
  ヘルスケア系
ライブ配信
4月
5月
6月
2021年7月〜

化学・電気系 その他各分野
ライブ配信
4月
5月
6月
2021年7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
  ↑2021/4/8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  



Zoom見逃し視聴あり


◎各種受講方法を選択しお申込下さい

データサイエンティスト養成【オンライン(見逃し視聴なし)】→ 

データサイエンティスト養成【オンライン(見逃し視聴あり)】→ 

★デジタル化が進み、これからの時代ますます求められる人材「データサイエンティスト」
★全3回の講座でデータサイエンティストのスキルを身につけます!
★社会人の方だけではなく、学生の方々のご参加もお待ちしております!

データサイエンティスト養成講座

<Zoomによるオンラインセミナー:見逃し視聴あり>

講師

株式会社フィンデクス 代表取締役 博士(学術) 青木義充 先生

講師紹介

慶應義塾大学にてニューラルネットワーク,衛星レーダの画像解析の研究に従事.2004年に一橋大学助手就任し,金融データ解析を専門とする.2007年から株式会社QUICKで,金融業界動向のマーケティング,新たな金融情報サービスの企画,金融機関などとの共同研究に従事する傍ら,総合研究大学院大学複合科学研究科統計学専攻を修了し,商品先物のリスクに関する研究で学位(学術)を取得する.それ以降,金融に関する学会,論文の発表,著書の執筆のほか,一橋大学,上智大学で非常勤講師としてデータサイエンス,数理ファイナンスを指導.2018年9月,FinTech時代に真に役立つ金融知識と技能を幅広い方々に届けるべく,株式会社エフビズを創立,代表取締役を務める.2020年11月に社会人向けデータサイエンス教育プログラムとデータ解析コンサルティングに特化した株式会社フィンデクスを共同創業し,代表取締役に就任.

■業界での活動
企業との共同研究,データ解析コンサルティング
学会,研究集会での研究発表,
大学での非常勤講師,企業での教育研修セミナー講師
・一橋大学,上智大学,成蹊大学
一般向け,専門家向けの各種セミナー講演,

■専門・得意分野
時系列解析,金融データ解析,ベイズ統計学,データサイエンス

→このセミナーを知人に紹介する

■日時
第○回開催日シリーズテーマ
第1回5月24日(月)10:30−16:30第一回 「Rを用いた時系列データ分析の基礎」
第2回5月28日(金)10:30−16:30第二回 「データサイエンスに必要なベイズ統計の基礎知識を身につける」
第3回5月31日(月)10:30−16:30第三回 「機械学習を用いたデータ分析入門」

■受講料(税込(消費税10%)、資料付)
*日程変更等ございました場合は、ご容赦下さい。

*全3回申込の方へ(不測の事態により、全回開催出来ない場合、以下規定に基づき、返金致します。)
 全3回中、2回未満の実施の場合: 70%返金
 全3回中、3回未満の実施の場合: 40%返金

参加形態区分見逃し配信なし価格(税込)
(1社2名以上同時申込)
見逃し配信あり価格(税込)
(1社2名以上同時申込)
1講座のみの参加1回、2回、3回・・・47,300円 (36,300円)52,800円 (41,800円)
2講座の参加1・2回、1・3回、2・3回、・・・72,600円 (61,600円)78,100円 (67,100円)
全講座(3講座)の参加1・2・3・回・・・92,400円 (81,400円)97,900円 (86,900円)


*準備の都合上、開催1営業日前の12:00までにお申し込みお願い致します。
 (土、日、祝日は営業日としてカウント致しません。)
※申込時に見逃し配信「なし」「あり」どちらかをお選び下さい。  参加形態(第○・○回参加)を申込備考覧に記載下さい。
※各回、別の方が受講いただくことも可能です。
※1社2名以上同時申込は、同時申込、同形態(講座数、参加日)でのお申込にのみ有効です

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。
●講義中のパソコン・携帯電話の使用はご遠慮下さい。


■ セミナーお申込手順からセミナー当日の主な流れ →


配布資料・講師への質問等について

●配布資料は、印刷物を郵送で送付致します。
 お申込の際はお受け取り可能な住所をご記入ください。
 お申込みは4営業日前までを推奨します。
 それ以降でもお申込みはお受けしておりますが(開催1営業日前の12:00まで)、
 テキスト到着がセミナー後になる可能性がございます。


●当日、可能な範囲で質疑応答も対応致します。
(全ての質問にお答えできない可能性もございますので、予めご容赦ください。)
●本講座で使用する資料や配信動画は著作物であり
 無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。
●受講に際しご質問・要望などございましたら、下記メールにてお問い合わせ下さい。 req@johokiko.co.jp


※本講座は、お手許のPCやタブレット等で受講できるオンラインセミナーです。

下記ご確認の上、お申込み下さい(クリックして展開「▼」:一部のブラウザーでは展開されて表示されます)
・PCもしくはタブレット・スマートフォンとネットワーク環境をご準備下さい。
・ご受講にあたり、環境の確認をお願いしております(20Mbbs以上の回線をご用意下さい)。
 各ご利用ツール別の、動作確認の上お申し込み下さい。
・開催が近くなりましたら、当日の流れ及び視聴用のURL等をメールにてご連絡致します。開催前日(営業日)の12:00までにメールが届かない場合は必ず弊社までご一報下さい。
・その他、受講に際してのご質問・要望などございましたら、下記メールにてお問い合わせ下さい。
 <req@johokiko.co.jp>

Zoom
Zoomを使用したオンラインセミナーとなります(クリックして展開「▼」)
・ご受講にあたり、環境の確認をお願いしております。
 お手数ですが下記公式サイトからZoomが問題なく使えるかどうか、ご確認下さい。
 → 確認はこちら
 *Skype/Teams/LINEなど別のミーティングアプリが起動していると、Zoomでカメラ・マイクが使えない事があります。お手数ですがこれらのツールはいったん閉じてお試し下さい。
 →音声が聞こえない場合の対処例

・Zoomアプリのインストール、Zoomへのサインアップをせずブラウザからの参加も可能です
 →参加方法はこちら
 →※一部のブラウザーは音声(音声参加ができない)が聞こえない場合があります、
   必ずテストサイトからチェック下さい。
   対応ブラウザーについて(公式);コンピューターのオーディオに参加に対応してないものは音声が聞こえません

見逃し視聴あり
申込み時に(見逃し視聴有り)を選択された方は、見逃し視聴が可能です。
(クリックして展開「▼」)
・原則、開催5営業日後に録画動画の配信を行います(一部、編集加工します)。
・視聴可能期間は配信開始から1週間です。
 セミナーを復習したい方、当日の受講が難しい方、期間内であれば動画を何度も視聴できます。
 尚、閲覧用URLはメールでご連絡致します。
 ※万一、見逃し視聴の提供ができなくなった場合、
 (見逃し視聴あり)の方の受講料は(見逃し視聴なし)の受講料に準じますので、ご了承下さい。

 →こちらから問題なく視聴できるかご確認下さい(テスト視聴動画へ)パスワード「123456」



講座内容

第1回 5月24日(月)10:30−16:30

Rを用いた時系列データ分析の基礎

■セミナーポイント

時系列データとは,時刻変化に伴って値が変化する対象を,ある特定の時間間隔で記録したものを指します.たとえば,毎日の正午の気温を記録したものは時系列データです.時系列データの分析では,データの並び順・前後関係を意識するか否かを重要視します.たとえば,1週間の正午の平均気温は,7日分の気温の総和を7で割れば求められます.ここで,7日分の総和は,足し合わせる順番を意識する必要はなく,月火水木金土日でも金月水火日木土のいずれであっても変わりありません.同様に,バラつきを示す指標である分散も,他のデータとの関係を見る相関係数も,データの並び順を意識しないため,いわゆる時系列データの分析とは考え方が異なります.
本セミナーでは,時系列データの特徴をとらえながら分析する手法の考え方,特にデータの順序関係を意識することで生じるメリットについて,実際の時系列データを用いながら説明します.なお,データ分析に広く利用されているR言語を用いた演習例を交えることで,より実践的に学習することができます.

■受講後、習得できること
・時系列データの特徴を理解し,一般的なデータとの違いが分かる.
・時系列データの特徴を活かした分析手法の基礎が学べる.
・R言語を用いた時系列データの分析ができるようになる.

■セミナー内容

1. 時系列データの特徴について
 1-1 時系列データの定義
 1-2 時系列データでない例とその違い
 1-3 時系列データの観察と確認法

2. 時系列データの分析について
 2-1 時系列データの取り扱い
 2-2 時系列データの性質とモデルの導入
  ・自己回帰(AR)モデル
  ・移動平均(MA)モデル
  ・ARMAモデル
  ・ARIMAモデル
 2-3 うまくいかない分析例
 2-4 時系列データ分析のコツ

3. 統計分析用のプログラミング言語
 3-1 Rの導入
 3-2 ソースコードと実行例の紹介



第2回 5月28日(金)10:30−16:30

データサイエンスに必要なベイズ統計の基礎知識を
身につける

■セミナーポイント

データを解析している際に,「データ以外の情報を利用した解析をしたい」と思ったことはありませんか?ベイズ統計学では,データから得られる情報だけでなく,事前に知りえた情報(主観的に設定した情報)を利用して推測していきます.本講義では,一般的な統計学の手法との違いを意識しながら,ベイズ統計学の考え方を学ぶことにより,データとそれ以外の情報を組み合わせた推論方法を習得することができます.
また,ベイズ統計学を学んだことのある方の中には,手法について理解はできたが,どのように用いればよいか分からない人もいるかもしれません.特に,一般的な統計学の手法を適用できる問題では,ベイズ統計学を活用する必然性が感じられないこともあるでしょう.本講義では,ベイズ統計学の特徴が活かされる事例を取り扱い,Rを用いた解析法を具体的に説明するため,ベイズ統計学の使いどころがはっきりと理解できるようになるでしょう.

■受講対象
・ベイズ統計学を基礎から学びたい方
・ベイズ的アプローチに興味がある方,一般的なアプローチとの違いを知りたい方
・データ解析の実務に携わっている方

■受講後、習得できること
・ベイズ統計学の考え方が分かり,一般的な統計学の手法との違いが分かるようになる.
・ベイズ統計学での推論の進め方(ベイズ的アプローチ)の考え方を学ぶことで,データ以外の情報を利用した解析手法を習得できるようになる.
・Rを用いたベイズ的アプローチによるデータ解析ができるようになる.

■セミナー内容

1.はじめに
 1-1ベイズ統計学の考え方
  a. 頻度論的アプローチ
  b. 異なるの情報の利用
 1-2.条件付確率とベイズの定理
  a. 条件付確率と周辺確率
  b. ベイズの定理
 1-3.事前情報とデータによる情報
  a. 因果関係の整理
   b. 学習の効果

2.ベイズ統計学における推定手法
 2-1.ベイズ統計学の特徴
  a. 尤度と最尤推定法
  b. 異なる情報に関する確信度合
  c. 尤度と事前情報の組み合わせ方:事後分布の計算
  d. 様々な事前情報の考え方:正規分布,一様分布,無情報事前分布
 2-2.推定手法
  a. 様々な確率分布のパラメタ推定:正規分布,指数分布,ベータ分布
  b. 推定結果のまとめ方:事後平均,事後標準偏差,信用区間
  c. マルコフ連鎖モンテカルロ法(MCMC法)の考え方
  d. ギブスサンプラーのアルゴリズム

3. データ解析
 3-1一般的な統計解析の手法との比較
  a. データの分布を解析する
  b. 線形回帰モデルを解く
 3-2.ベイズ統計ならではの解析手法
  a. 打ち切りなどの不完全な観測データへの応用
  b. データ拡大法のアルゴリズム



第3回 5月31日(月)10:30−16:30

機械学習を用いたデータ分析入門

■セミナーポイント

データを用いて二者択一の判断をすることを考えましょう.すでに得られているデータ,または過去の事例から判断の枠組みを構築し,今後の業務に活かすために(統計的)機械学習が用いられます.機械学習によって得られた判断枠組みは人工知能(AI)として利用されています.さて,AIを用いて新たに与えられたデータから何らかの判断を下した際に,「なぜそのような判断になったのか?」と気になることはないでしょうか.AIの判断だからと単純に受け容れてもよいのでしょうか.AIに判断させた結果に対する責任をAIに負わせることはできませんので,AIを利用した人間が負わざるをえません.2019年のG20でのAI原則における「信頼できるAIのための責任あるスチュワードシップ」でも,「透明性及び説明可能性」,「アカウンタビリティ」が明記された通り,説明可能なAIは社会的に要請されています.本講演では,説明可能なAIを開発するための手法としての機械学習とその結果の評価法について学びます.具体的には,企業の信用力を診断する問題を用いて,判断枠組みの構築だけでなく,性能を評価するうえでの注意点を学ぶことで,机上の理論だけでなく実社会への応用力を身に着けることを目的としています.

参考図書:
書名:イメージでつかむ機械学習入門 ~豊富なグラフ,シンプルな数学,Rで理解する~
著者:横内大介,青木義充,
出版社:技術評論社
出版年:2017

■受講対象
・機械学習の手法を学びたい方(初心者でも問題ありません)
・自らは主たる解析者ではないが,結果を評価する立場の方
※社会人だけでなく学生の方でも構いません


■受講後、習得できること
・当たり外れなどの二者択一の課題を定量的に解決するための考え方
・統計的機械学習の手法の利用法
・得られた結果を評価するための判断枠組み

■セミナー内容

1.はじめに
 1.1 AIとその開発法について
 1.2. AIのレベルと教師有り分類問題について
 1.3 企業の信用力診断を実現するための課題設定法

2. 教師有り分類問題を解くための手法の基礎
 2.1線形モデルの限界
  a. 線形回帰モデルを用いた解析法
  b. 解析結果とその問題点
 2.2ロジスティック回帰モデルによる解析
  a. 確率構造を利用した分類問題の解き方
  b. ロジスティック回帰モデルの利用と結果の読み解き方
 2.3 ニューラルネットワークによる解析
  a. ニューラルネットワークの基礎理論
  b. 分類問題を扱うためのニューラルネットワークと結果の読み解き方

3.性能評価と手法の比較
 3.1 評価する立場に応じた評価基準の違い
 3.2 モデルを用いた予測とその性能評価

セミナー番号:AM210590

top

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.