【Live配信セミナー】Pythonによるデータ解析の基礎と実務への応用

＜セミナー　No.606231（Live配信）＞

Pythonによるデータ解析の基礎と

実務への応用

★　データ解析の初心者、未経験者の方へ！
　　豊富な演習を通して、データ可視化、主成分分析、クラスタリングなどの実務を学ぶ！

----------------------------------------------------------------------------------
■講師

コニカミノルタ(株)　技術開発本部　データサイエンスセンター　データソリューション部　マネジャー　畠沢 翔太 氏

【専門】
プロセスインフォマティクス

■聴講料

１名につき５５,０００円（消費税込/資料付き）

１社２名以上同時申込の場合のみ１名につき４９,５００円（税込）
大学、公的機関、医療機関の方には割引制度があります。詳しくはお問い合わせください。

■セミナーの受講について
・下記リンクから視聴環境を確認の上、お申し込みください。
　→ https://zoom.us/test
・開催数日前または配信開始日までに視聴用のURLとパスワードをメールにてご連絡申し上げます。
　セミナー開催日時またはアーカイブ配信開始日に、視聴サイトにログインしていただきご視聴ください。
・出席確認のため、視聴サイトへのログインの際にお名前、ご所属、メールアドレスをご入力ください。
　ご入力いただいた情報は他の受講者には表示されません。
・開催前日または配信開始日までに、製本したセミナー資料をお申込み時にお知らせいただいた住所へお送りいたします。
　お申込みが直前の場合には、開催日または配信開始日までに資料の到着が間に合わないことがあります。
・本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
・本講座はお申し込みいただいた方のみ受講いただけます。
　複数端末から同時に視聴することや複数人での視聴は禁止いたします。
・アーカイブ配信セミナーの視聴期間は延長しませんので、視聴期間内にご視聴ください。

プログラム　　　　　　　　　　　　　　　　　　　　　

【受講者対象】

・Pythonの初心者または未経験者
　→インストールして動かしてみたことはあるけど，業務で使う際にどのようにすれば良いか分からない方など
・材料処方設計や製造プロセス業務に、Python等を用いたデータ活用をお考えの方
・Pythonのインストールと基礎的な使い方については，手順書をもとに各自で事前学習ができる方

【講座の趣旨】

　日本の製造業は、匠の技術の伝承によって、その競争力を維持してきた歴史がありますが、高齢化・生産年齢人口の減少により、その強みが失われつつあります。機械学習などのデータ解析技術を用いることで、匠の技術を形式知化できる可能性がありますが、データ活用人材の不足が大きな課題となっております。
　この講義では、製造業でのデータ解析において必要な、入門～基礎レベルの技術を学ぶことを目的としています。特に、Pythonを用いた実践的なデータの取り扱い方法に焦点を当て、実際の業務において受講者が調べながら応用できるレベルのスキルを身に付け、データ活用人材としての最初の一歩を踏み出していただくことを目指しています。
　データ解析技術の基礎を学ぶだけでなく、プロセスデータを使った実習や演習、データドリブンな実験水準の組み方などを、実習や演習に取り入れているので、実務に応用しやすいように配慮しております。

【習得できる知識】

・Pythonの基礎知識
・データ解析に関する基礎知識
・多変量データの基本的な取り扱い方
・実際の業務におけるプロセスデータ/実験データに対して、調べながら解析を進めていくことができるデータ解析の基礎

１．はじめに

　1.1　講師自己紹介
　1.2　Python環境の動作確認
　1.3　企業においてデータ活用に取り組む意義
　1.4　生成AIの紹介

２．データ基礎

　2.1　データについての基礎知識
　2.2　データ可視化
　2.3　実習1:データ可視化
　2.4　演習1:データ可視化

３．多変量データの取り扱い (次元削減・クラスタリング)

　3.1　多変量データとは
　3.2　基本的な前処理
　3.3　次元削減・クラスタリング ① 主成分分析
　3.4　実習2:主成分分析
　3.5　演習2:主成分分析
　3.6　次元削減・クラスタリング ② クラスタリング
　3.7　実習3:クラスタリング
　3.8　演習3:可視化/クラスタリング

４．線形回帰モデル基礎

　4.1　線形回帰モデルとは
　4.2　回帰モデルの評価指標
　4.3　実習4-1:線形回帰モデル (1)
　4.4　過学習/過剰適合
　4.5　実習4-2:線形回帰モデル (2)
　4.6　正則化
　4.7　実習4-3:線形回帰モデル (3)

５．おわりに

　5.1　データ活用プロジェクトの進め方の紹介
　5.2　参考書籍

６．補習 (スキルアップにご活用ください)

　6.1　補習1: Pythonの基本文法
　6.2　補習2: Dirty-Irisの前処理

【質疑応答】

セミナーの詳細についてお気軽にお問い合わせください。
「２名以上同時にお申込される場合、２人目以降の方の情報は【弊社への連絡事項がございましたら、こちらにお書きください】欄にご入力をお願いいたします」