tech-seminar.jp

本セミナーでは、非臨床試験を統計解析の観点からどのような点に留意してデザインするか、また、試験で得られたデータをどのような方針で解析・正しく解釈し報告するか、試験計画書と試験報告書の作成および論文投稿に際して統計的に留意すべきポイントを解説いたします。

本セミナーでは、データの可視化、モデルの予測性能向上、モデルの逆解析を特に重点的に解説いたします。
また、分子設計・材料設計・プロセス設計・プロセス管理に関する最新の研究事例を紹介いたします。
ケモインフォマティクス・プロセスインフォマティクスにも役立つ内容となっております。

本セミナーでは、時系列データ分析の基礎である時系列重回帰分析の基礎的な理論から解説し、自己回帰モデルなどの数理モデルを市販ソフトであるExcelで使用する方法やクラウド上にあるサービスや開発環境により機械学習を利用する方法の概要と実例を紹介いたします。

本セミナーでは、非臨床試験を統計解析の観点からどのような点に留意してデザインするか、また、試験で得られたデータをどのような方針で解析・正しく解釈し報告するか、試験計画書と試験報告書の作成および論文投稿に際して統計的に留意すべきポイントを解説いたします。

本セミナーでは、非臨床試験を統計解析の観点からどのような点に留意してデザインするか、また、試験で得られたデータをどのような方針で解析・正しく解釈し報告するか、試験計画書と試験報告書の作成および論文投稿に際して統計的に留意すべきポイントを解説いたします。

本セミナーでは、非臨床試験を統計解析の観点からどのような点に留意してデザインするか、また、試験で得られたデータをどのような方針で解析・正しく解釈し報告するか、試験計画書と試験報告書の作成および論文投稿に際して統計的に留意すべきポイントを解説いたします。

本セミナーでは、機械学習の基本的な手法である回帰(重回帰分析)、分類(ロジスティック回帰、サポートベクターマシン)、クラスタリング(k-means法)、主成分分析について基礎かrあ解説し、Pythonを用いた実装、結果の活用方法について解説いたします。

本セミナーでは、多変量解析について基礎から解説し、重回帰分析、主成分分析、分散分析 (ANOVA) 、クラスター分析など代表的な手法について解説いたします。
ご自身が関わっている業務や研究課題について、どのような手法を適用していくべきか、そのためにどんな準備が必要かについて、ヒントが得られることと思います。

本セミナーでは、ベイズ解析の基礎から、PythonのPyMCおよびそのラッパーであるBAMBIの使い方、入力ミスや計測ミスにより生じる外れ値が存在するようなデータに対してベイズ統計により頑健な回帰分析を行う方法、標本のサイズが十分にない場合の2値データに対するロジスティック解析について解説いたします。

本セミナーでは、多変量解析に必要な統計の基礎から、多変量解析の基礎と応用について解説いたします。