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多変量解析です。多変量解析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、本講座は多変量解析を使用するあらゆる分野の方 (医薬分野、ケモインフォマティクスやマテリアルズインフォマティクス含む) 向けの入門講座です。多変量解析の基本的な考え方や手法をExcel/Pythonを通じて初心者にもわかりやすく解説し、講座終了後にお手元のPC上ですぐにでも実行・活用できることを目標とします。

1. なぜ今多変量解析にPython/Excelか
   1. 多変量解析が重要視される背景
   2. 多変量データとは
   3. モデルの複雑性と頑健性
   4. 解析ソフトの選択肢の増大
   5. プログラミング言語の多様化とPython/Excelの位置づけ
   6. Pythonを使うために
      • Anaconda
      • Jupyter Notebook
   7. Python簡単プログラミング
      • 演算
      • 変数
      • 基本モジュール
2. 重回帰分析
   1. 単回帰と重回帰
   2. 行列計算を使った重回帰分析
   3. 変数選択
   4. Excelソルバーを使った単回帰分析
   5. Excelソルバーを使った重回帰分析
   6. Pythonを使った重回帰分析
3. ロジスティック回帰分析
   1. 単変数の場合のロジスティック回帰分析
   2. 尤度と最尤推定法
   3. 2変数の場合のロジスティック回帰分析
   4. Excelソルバーを使ったロジスティック回帰分析
   5. Pythonを使ったロジスティック回帰分析
4. 主成分分析
   1. 多次元データの1次元への縮約
   2. 固有値・固有ベクトルと因子負荷量
   3. 変数間の関係を調べる
   4. Excelソルバーを使った主成分分析
   5. Pythonを使った主成分分析
5. 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
   3. Excelを使ったクラスター分析
   4. Pythonを使ったクラスター分析
6. おわりに
7. 質疑応答