重回帰分析と主成分分析のプログラムを作成しながら学ぶPython入門
＜概要＞
プログラミング言語の学び方として、すでに開発されたプログラムを読み解きながらスキルを身に着ける方法がある。本セミナーでは、1970年代に大型コンピューターで利用の始まった重回帰分析と主成分分析のプログラムを事例にPythonプログラミング技法を学ぶ。
多変量解析による問題解決法を全く知らない技術者でも、セミナーの中で実験から解析まで行った事例を解説するので、本セミナーで配布するプログラムを使いすぐに実務の問題に取り組める。
なお、本セミナーで使用するプログラムのエンジン部分を参加者には事前に無料配布し、セミナーの予習としてPythonプログラム開発環境構築を行い動作確認していただきます。ゆえに、本セミナー受講者はコンピューターを手順に従い操作できる最低限のスキル（ワープロや表計算ソフトを使用できるレベル）が必要である。
実務にデータサイエンスを導入したい技術者は、まず多変量解析の活用から始めるとよい。すなわち、多変量解析でもディープラーニングと同様の回帰と分類の問題を解けるからである。さらに、日々の実験データはビッグデータではないので、ディープラーニングの手法による解析よりも実用的な結果が得られる。これも「重回帰分析とディープラーニングとの比較」と題してセミナーの中で解説する。
＜習得できるスキル＞
Pythonプログラミングの初歩から中級レベルまでのスキル。
コンピューターを用いる問題解決法。
多変量解析の手法
＜対象＞
技術開発を担当する新入社員
技術系中堅社員
企業でPythonプログラムを提供する立場の方
＜内容＞
1.プログラミング言語概論
1.1.コンピューターの仕組みとプログラミング言語
1.2.プログラミング言語の歴史
1.3.オブジェクト指向の考え方
1.4.Pythonの普及
1.5.技術者にとってPythonの優位性
1.6.Pythonにできること
2.Pythonの導入
2.1.要求マシンスペック
2.2.事前学習にお勧めのサイト
2.3.開発環境の準備
2.4.基本用語と基本文法（1）
3.多変量解析プログラム例によるPython入門
3.1.基本文法（2）
3.2.データ構造
3.3.クラスと関数
3.4.ファイル操作
3.5.各種モジュールの扱い方
3.5.1.Pandas
3.5.2.Matplotlib
3.6.エクセルファイルの自動処理
4.重回帰分析プログラム
4.1.プログラムの全体像
4.2.重回帰分析を用いる問題解決法
4.3.事例：高分子の難燃化技術
4.3.1.解析事例
4.3.2.ディープラーニングとの比較
4.4.事例：樹脂の劣化寿命予測法
5.主成分分析プログラム
5.1.プログラムの全体像
5.2.主成分分析を用いる問題解決法
5.3.事例：電気粘性流体の耐久性問題
5.4.事例：難燃性再生樹脂の工程問題
6.まとめ
お申込みはこちら