近年、様々な分野で人工知能 (AI) の技術に期待が寄せられていますが、AIの情報処理技術をフルに活用し開発を進めていく分野はインフォマティクスと呼ばれています。そしてインフォマティックにおける情報処理技術の中核をなすものが機械学習であり、そのベースとなるのが多変量解析とデータ前処理テクニックです。多変量解析とデータ前処理テクニックについてわかりやすく説明した教科書は非常に少ないです。多くの解説書は難しい線形代数の理論に終始しています。
　しかし、本講座では先ず2変数の小規模データを題材に丁寧に解説してから多変数へと発展させます。理論や数式だけでなく、既に親しみのあるExcelと無料解析ツールのR、Pythonを使った豊富な計算事例を用いた実践的な内容になっています。また、本講座は機械学習・多変量解析を使用するあらゆる分野の方向けの入門講座です。機械学習・多変量解析の面白さと可能性に一人でも多くの方に触れて頂けることを期待しています。

第1日目

(2024年4月4日 10:30〜16:30)

1. 多変量解析の基本コンセプト
   1. 多変量データとは
   2. 説明変数と目的変数
   3. モデルの複雑性と頑健性
2. データの前処理
   1. Pythonによる簡単プログラミング
   2. Pandasモジュールによるデータの読み込み
   3. Numpyモジュールによる数値計算
3. 重回帰分析
   1. 単回帰分析
   2. 最小2乗法
   3. 重回帰分析
   4. 多重共線性と変数選択
4. 重回帰分析 (演習)
   1. Excelソルバーを使った重回帰分析
   2. Excel行列計算を使った重回帰分析
   3. R/Pythonを使った重回帰分析
5. ロジスティック回帰解析
   1. 単変数の場合のロジスティック回帰分析
   2. ロジスティック回帰モデル
   3. オッズとオッズ比
   4. 尤度と最尤推定法
6. ロジスティック回帰分析 (演習)
   1. Excelソルバーを使ったロジスティック回帰分析
   2. R/Pythonを使ったロジスティック回帰分析
7. 主成分分析
   1. 多次元データの1次元への縮約
   2. Excelソルバーを使った主成分分析
   3. 固有値・固有ベクトルと因子負荷量
   4. 変数間の関係を調べる
8. 主成分分析 (演習)
   1. Excelソルバーを使った主成分分析
   2. R/Pythonを使った主成分分析
• 質疑応答

第2日目

(2024年4月5日 10:30〜16:30)

1. 判別分析
   1. 変数による2群の判別
   2. 線形判別関数
   3. 判別得点と誤判別の確率
2. 判別分析 (演習)
   1. Excelを使った判別分析
   2. R/Pythonを使った判別分析
3. クラスター分析
   1. 階層的クラスター分析
   2. 非階層的クラスター分析
4. クラスター分析 (演習)
   1. Excelを使ったクラスター分析
   2. R/Pythonを使ったクラスター分析
5. 決定木分析
   1. 回帰木分析
   2. ランダムフォレスト法
6. 決定木分析 (演習)
   1. Excelを使った決定木分析
   2. R/Pythonを使った決定木分析
7. 機械学習
   1. 機械学習とは
   2. 分類問題
   3. 回帰問題
   4. 深層学習
8. 機械学習 (事例紹介)
   1. サポートベクターマシン
9. おわりに
• 質疑応答