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
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
本セミナーでは、アンケート調査や官能評価の複数の項目をまとめて解析し、設計・開発・企画等に活かすために必要な統計について解説いたします。
主成分分析・対応分析、重回帰分析、クラスター分析、決定木分析、判別分析やロジスティック回帰など、実務でよく使われる代表的な手法を、Excelや統計ソフトを使って複数の例題を通じて実践的に学習いたします。
本セミナーでは、ICH Q2の改訂前と後で特に変更された部分に焦点を当てて解説を行うと共に、ICH Q2に新たに取り入れられた多変量解析を応用した分析法、ICH Q14のコアとなる概念である分析法ライフサイクルについて詳しく解説いたします。
本セミナーでは、複数企業・複数機関が分散保持する秘匿データについて、生データを共有せずに安全に統合解析する「分散データ統合解析技術」について解説いたします。
本セミナーでは、品質不良や設備・工程の異常兆候を早期に捉えるために、データを用いた正常/異常の判断を行うための判定根拠や精度の限界について詳解し、現場で説明・活用するための実践ポイントを解説いたします。
本セミナーでは、分析法バリデーションに必要な統計学の背景とその意味を解説し、その活用について、Excelを用いた演習を交えて解説いたします。
本セミナーでは、化学分析の基礎から解説し、分析結果の取りまとめと信頼性、分析の測定装置における具体的事例について、演習を交えて詳解いたします。
本セミナーでは、ICH Q2の改訂前と後で特に変更された部分に焦点を当てて解説を行うと共に、ICH Q2に新たに取り入れられた多変量解析を応用した分析法、ICH Q14のコアとなる概念である分析法ライフサイクルについて詳しく解説いたします。
本セミナーでは、複数企業・複数機関が分散保持する秘匿データについて、生データを共有せずに安全に統合解析する「分散データ統合解析技術」について解説いたします。
本セミナーでは、統計的寿命予測法について基礎から解説し、信頼性工学の寿命予測を行う際に、確率紙を起点にして、分析方法の進化を段階的に示し、正確な推定方法である多変量非線形回帰モデルまでの流れを詳解いたします。
本セミナーでは、分析法バリデーションに関する改正点や、分析法開発に関する新しい概念などについて解説いたします。
本セミナーでは、統計的寿命予測法について基礎から解説し、信頼性工学の寿命予測を行う際に、確率紙を起点にして、分析方法の進化を段階的に示し、正確な推定方法である多変量非線形回帰モデルまでの流れを詳解いたします。
本セミナーでは、化学分析の基礎から解説し、分析結果の取りまとめと信頼性、分析の測定装置における具体的事例について、演習を交えて詳解いたします。
本セミナーでは、分析法バリデーションに必要な統計学の背景とその意味を解説し、その活用について、Excelを用いた演習を交えて解説いたします。
本セミナーでは、フロー合成の基礎知識、実験装置の実際、流れ制御技術、トラブル対応例について解説いたします。
また、フロー合成の適応事例や条件最適化 (ベイズ最適化) 事例、医薬品原料のスケールアップ事例をもとに処理量拡大時の注意点等についても解説いたします。
本セミナーでは、臨床試験について基礎から解説し、目的から試験デザイン、実施可能性、解析、結果の解釈までを一貫させるための実務のポイントを、統計的視点を交えてわかりやすく解説いたします。
本セミナーでは、フロー合成の基礎知識、実験装置の実際、流れ制御技術、トラブル対応例について解説いたします。
また、フロー合成の適応事例や条件最適化 (ベイズ最適化) 事例、医薬品原料のスケールアップ事例をもとに処理量拡大時の注意点等についても解説いたします。
本セミナーでは、臨床試験について基礎から解説し、目的から試験デザイン、実施可能性、解析、結果の解釈までを一貫させるための実務のポイントを、統計的視点を交えてわかりやすく解説いたします。
本セミナーでは、統計についての基礎を学び、測定データなどを統計的に扱う上で必須となる「正規分布」、これを利用することで導き出せる「不良率」と「工程能力指数」など、現場で実際に使用される統計手法の基礎を習得できます。
本セミナーでは、分析法バリデーションに関する改正点や、分析法開発に関する新しい概念などについて解説いたします。
本セミナーでは、材料実験AIエージェントについて取り上げ、LLMへの自社の実験知見の与え方、実験データとの連携方法、エージェントの精度・速度を向上させるための工夫、つまずいたポイントについて詳解いたします。
本セミナーでは、時系列予測の一般的な機械学習法の基礎から始め、リザバーコンピューティングの特徴、学習/予測の仕組み、実装例の紹介、学習と予測のデモンストレーション、数理的な性質、具体的な応用例の紹介、最新の研究状況と展望までを分かりやすく解説いたします。
本セミナーでは、臨床開発担当者・研究者など統計の非専門家を主な対象として、統計的仮説検定の基礎 (帰無仮説・p値・第1種/第2種の過誤・検出力) から出発し、症例数計算に必要なすべての概念をゼロから体系的に解説いたします。