技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー

ベイズ統計及びベイズモデリングの基本的な考え方とその実践・活用

ベイズ統計及びベイズモデリングの基本的な考え方とその実践・活用

～ベイズ統計の基本、各モデルの理解、データ分析・予測の実践～
オンライン 開催
関連するセミナー・出版物
本セミナーは終了いたしました。
セミナーの再開催を依頼する 関連するセミナー・出版物を探す

視聴期間は2024年3月7日〜21日を予定しております。
お申し込みは2024年3月7日まで承ります。

概要

本セミナーでは、ベイズ統計及びベイズモデリングの基本的な考え方を多くの例を交えて解説いたします。
また、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)を取り上げ、ベイズ統計の各モデリング手法、RStanによるデータ分析の実践例を示します。

配信期間

  • 2024年3月7日(木) 10時30分 ～ 2024年3月21日(木) 16時30分

お申し込みの締切日

  • 2024年3月7日(木) 10時30分

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、技術者
  • ベイズ統計に基いたデータ分析や活用方法に関心がある研究者、技術者
  • 各種ソフトやツールを利用してベイズ分析を行っている方

修得知識

  • ベイズ統計に基いたデータ分析の基本的な方法、考え方
  • ベイズモデリングと予測分布の基本的な方法、考え方
  • ベイズ決定理論に沿った意思決定の基本的な方法、考え方
  • マルコフ連鎖モンテカルロ法の基本
  • ベイズ統計モデリングの各手法とデータ分析実践例

プログラム

　今や世界の最も貴重な資源は石油ではなくデータです。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におい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。
　本講座では、現実の課題解決に直結するベイズモデリングの基礎を習得し、事前の知識をデータに織り交ぜる術を学びます。広告効果の確率評価や最適な購入台数の決定などの例を通じて、実務に役立つスキルを身につけましょう。また、Rのサンプルプログラム (受講者のみ限定配布) も利用し、ベイズ統計の各モデリング手法とRStanによるデータ分析・予測の実践例も紹介します。

  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
      1. 確率と条件付き確率の違い
      2. 窓口OL問題 (モンティ・ホール問題)
    4. ベイズの定理とその応用
      1. ベイズの定理と分解公式
      2. ベイズの定理の応用例:がん診断
    5. 機械学習への応用
      1. 迷惑メールフィルタ
      2. 演習: 迷惑メールの確率の計算
      3. 機械学習の考え方
  3. ベイズ統計入門
    1. 統計モデル
      1. 推測統計でのデータの解釈
      2. 母集団と統計モデル
      3. モデルの明示
      4. 基本的なデータ分析の流れ
    2. 事前分布の導入
      1. パラメータの不確実性の表現
      2. データから計算したい条件付き確率
      3. 事前分布の導入
    3. 事後分布
      1. 事後分布の定義
      2. 演習: 事後分布の計算
    4. 事前分布の設定の仕方4.事後分布に基いた統計推測
    5. 共役事前分布
      1. 共役事前分布
      2. 二項分布+ベータ分布
      3. ポアソン分布+ガンマ分布
      4. 正規分布+正規分布
    6. 事後分布に基いたパラメータ推定
      1. ベイズ分析の報告の基本
      2. 点推定
      3. 信用区間
  4. ベイズモデリングと予測分布
    1. 広告効果を確率で評価する
    2. 新規店舗の売上を分布で予測する
    3. 期待損失最小化で中古PCの追加購入台数を決める
  5. コンピュータ (計算機) を用いたベイズ分析の実践
    〜各モデリング手法及びRStanによる実行・評価〜
    1. ベイズ分析ツールRStanについて
    2. モンテカルロ法
      1. ベイズ分析に必要な計算
      2. モンテカルロサンプリング
      3. モンテカルロ積分
      4. IIDサンプル (理想的なモンテカルロサンプル)
    3. マルコフ連鎖と定常分布
      1. マルコフ連鎖の例: 1次元ランダムウオーク
      2. 1次元山登りウオーク
      3. 定常分布
    4. マルコフ連鎖モンテカルロ法 (MCMC法)
      1. メトロポリス・ヘイスティングス法 (MH法) のアルゴリズム
      2. MH法の実装例とMCMCサンプル
      3. ギブスサンプリングの概要
      4. ギブスサンプリングのアルゴリズム
    5. 階層ベイズモデルとその分析例
      1. 問題設定
      2. 統計モデルの設定
      3. 事前分布の設定
      4. 分析結果
    6. 一般化線形モデルとその分析例
      1. 問題設定
      2. 統計モデルの設定
      3. 事前分布の設定
      4. 分析結果
    7. 状態空間モデルとその分析例
      1. 問題設定
      2. 統計モデルの設定
      3. 事前分布の設定
      4. 分析結果
    • 質疑応答
ページのトップヘ

講師

  • 田中 冬彦 氏
    大阪大学 全学教育推進機構 全学教育企画開発部 全学共通教育部門
    教授
ページのトップヘ

主催

サイエンス＆テクノロジー 株式会社
お支払い方法、キャンセルの可否は、必ずお申し込み前にご確認をお願いいたします。

お問い合わせ

本セミナーに関するお問い合わせは tech-seminar.jpのお問い合わせからお願いいたします。
(主催者への直接のお問い合わせはご遠慮くださいませ。)

受講料

1名様
: 36,200円 (税別) / 39,820円 (税込)
複数名
: 25,000円 (税別) / 27,500円 (税込)

複数名受講割引

  • 2名様以上でお申込みの場合、1名あたり 25,000円(税別) / 27,500円(税込) で受講いただけます。
    • 1名様でお申し込みの場合 : 1名で 36,200円(税別) / 39,820円(税込)
    • 2名様でお申し込みの場合 : 2名で 50,000円(税別) / 55,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 75,000円(税別) / 82,500円(税込)
  • 同一法人内 (グループ会社でも可) による複数名同時申込みのみ適用いたします。
  • 受講券、請求書は、代表者にご郵送いたします。
  • 請求書および領収書は1名様ごとに発行可能です。
    申込みフォームの通信欄に「請求書1名ごと発行」とご記入ください。
  • 他の割引は併用できません。
  • サイエンス&テクノロジー社の「2名同時申込みで1名分無料」価格を適用しています。

アカデミー割引

教員、学生および医療従事者はアカデミー割引価格にて受講いただけます。

  • 1名様あたり 10,000円(税別) / 11,000円(税込)
  • 企業に属している方(出向または派遣の方も含む)は、対象外です。
  • お申込み者が大学所属名でも企業名義でお支払いの場合、対象外です。

アーカイブ配信セミナー

  • 「ビデオグ」を使ったアーカイブ配信セミナーとなります。
  • 当日のセミナーを、後日にお手元のPCなどからご視聴ができます。
  • お申し込み前に、 視聴環境 をご確認いただき、 視聴テスト にて動作確認をお願いいたします。
  • 別途、ID,パスワードをメールにてご連絡申し上げます。
  • 視聴期間は2024年3月7日〜21日を予定しております。
    ご視聴いただけなかった場合でも期間延長いたしませんのでご注意ください。
  • セミナー資料は、PDFファイルをダウンロードいただきます。
  • ご自宅への書類送付を希望の方は、通信欄にご住所・宛先などをご記入ください。
  • ご視聴は、お申込み者様ご自身での視聴のみに限らせていただきます。不特定多数でご覧いただくことはご遠慮下さい。
  • 講義の録音、録画などの行為や、権利者の許可なくテキスト資料、講演データの複製、転用、販売などの二次利用することを固く禁じます。
本セミナーは終了いたしました。
セミナーの再開催を依頼する
ページのトップヘ

これから開催される関連セミナー

開始日時 会場 開催方法
2026/1/19 Excel/Pythonを活用した製造現場の品質データ分析入門 オンライン
2026/1/19 微生物試験の妥当性確保のための統計的手法及び評価 オンライン
2026/1/19 統計手法の基礎 オンライン
2026/1/20 ICH Q2(R2) の要点と分析法バリデーション実施 オンライン
2026/1/22 医療機器QMSで有効な統計的手法とサンプルサイズ決定 オンライン
2026/1/23 分析法バリデーションの進め方と分析試験計画の策定 オンライン
2026/1/26 医療機器QMSで有効な統計的手法とサンプルサイズ決定 オンライン
2026/1/26 機械学習と脳科学におけるベイズ統計 オンライン
2026/1/26 ラマン分光法の基礎から実際の分析手法・各産業界での活用例 オンライン
2026/1/27 実験・測定に必要な統計の基礎とデータ解析のポイント オンライン
2026/1/27 医薬品・部外品・化粧品分野で必要な品質管理/検査に役立つ化学分析の基礎 オンライン
2026/1/27 ラマン分光法の基礎から実際の分析手法・各産業界での活用例 オンライン
2026/1/27 時系列データ分析 入門 : 基礎とExcelでの実行方法 オンライン
2026/1/28 Excel/Pythonを活用した製造現場の品質データ分析入門 オンライン
2026/1/28 データ分析およびAIエージェントの基礎と活用に向けたポイント オンライン
2026/1/29 ICH Q2(R2) の要点と分析法バリデーション実施 オンライン
2026/1/29 計算ブラックボックスからの脱却と精度評価の本質に迫る オンライン
2026/1/29 やさしく学ぶベイズ統計 オンライン
2026/1/30 技術者・研究者のための実験計画法入門 オンライン
2026/1/30 やさしく学ぶベイズ統計 オンライン
ページのトップヘ