【講座主旨】
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（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。本講座を通じて機械学習・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。
【講座内容】
≪第１日目≫ 6月6日（月）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．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
３．重回帰分析（演習）
①Ｅｘｃｅｌソルバーを使った重回帰分析
②Excel行列計算を使った重回帰分析
③R/Pythonを使った重回帰分析
４．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
５．ロジスティック回帰分析（演習）
①Excelソルバーを使ったロジスティック回帰分析
②R/Pythonを使ったロジスティック回帰分析
６．主成分分析
①多次元データの１次元への縮約
②Ｅｘｃｅｌ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
７．主成分分析（演習）
①Excelソルバーを使った主成分分析
②R/Pythonを使った主成分分析
【質疑応答】
≪第２日目≫ 6月7日（火）10：30～16：30
１．判別分析
①１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）
①Excelを使った判別分析
②R/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）
①Excelを使ったクラスター分析
②R/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）
①Excelを使った決定木分析
②R/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】
|
