![](https://s3.techplay.jp/tp-images/event/dd0bbed752f3023dad17bf0fded6aae4fb40dd94.png?w=1200)
【オンライン】Pythonで学ぶ統計モデリングハンズオン② 〜一般化線形モデル編〜
2020/08/16(日)14:00
〜
16:00
開催
ブックマーク
参加枠 | 申込形式 | 参加費 | 参加者 |
---|---|---|---|
8/14までに支払いが確認できる方
|
先着順 |
3,000円
現金支払い
|
4人 / 定員5人 |
8/15以降の支払い枠
|
先着順 |
4,000円
現金支払い
|
0人 / 定員1人 |
受講後支払い
|
先着順 |
5,000円
現金支払い
|
0人 / 定員1人 |
イベント内容
内容概要
大学で基礎統計を学んだり、統計検定2級取ったりなど、基本的な統計については
学ぶ機会や書籍などが多いのではと思います。
が、そこからもう一歩進んだ「統計モデリング」についてはなかなか機会が少ない
のではないでしょうか。
通称緑本と呼ばれる「データ解析のための統計モデリング入門」はわかりやすいですが、
読み返しにくかったり細部に違和感があったりしますし、かといってPRMLまでいくと
少々内容が重いと思います。
当セミナーではPythonベースのハンズオンを通して基礎的な統計から、もう一歩
進んだ統計モデリングについて知見を深めるきっかけになればということで企画いたしました。
第二回目は回帰モデルの拡張として解釈できたり、DeepLearningの誤差関数の議論などにも
つながる「一般化線形モデル」について確認します。
これを機に、統計モデリングを知るきっかけとしていただけたらと思います!!
開催日程
8/16(日)
講義: 14:00〜16:00
※
途中5分ほどの休憩を1回設ける予定です。
アジェンダ
1. 一般化線形モデルの概要
2. 指数型分布族
3. 一般化線形モデルの具体例
4. 最尤法と誤差関数について
↓下記の第2章の内容を主に確認していきます。
https://lib-arts.booth.pm/items/1836937
(テキストは別売り、資料とJupyterファイルは受講料に含めていますので参加者に配布します。
セミナーだけでも内容は完結はしているのでテキストの購入については任意です。)
※ 以下、4回分のテーマになります。
第1回: 確率分布と最尤法
第2回: 一般化線形モデル
第3回: 最尤法とベイズ統計
第4回: MCMCと最適化(時間が余ればその他モデリングについて)
会場
Zoom のオンラインミーティングで行います。
このため、Zoom アカウントを用意してください。
支払いが確認できた方に、ミーティングのIDを送信します。
対象者
・統計モデリングについて詳しく学びたい方
・Pythonを用いてロジスティック回帰分析などのモデリングを行ってみたい方
・一般化線形モデルを理論と実装の点から深く理解したい方
講師プロフィール
学生時代は機械学習(主に強化学習)/統計を専攻。
2006年より今日まで業務として機械学習/統計の研究開発に従事。
大手警備会社の研究所、広告会社を経て、2016年からディープラーニングベンチャーにジョイン。
統計モデリング(ベイズ推論)、時系列解析が得意。
当日の準備
・PC(Zoomが使えるようにお願いします)
・PythonでJupyterが使える環境(Google Colabでも可です)
ライブラリとしては、NumPy、SciPy、matplotlibなどを主に用います。
費用
・3,000円 (8/14までに支払いが確認できる場合)
・4,000円 (8/15以降の支払いの場合)
・5,000円 (受講後支払いの場合)
※領収書発行の際は事務手数料として追加1,000円のお支払いをよろしくお願いいたします
※決済は下記よりセミナー資料②の購入をお願いします。(追加費用がかかる際はBOOSTで追加ください。)
https://lib-arts.booth.pm/items/1836937
※ キャンセルにつきましては返金はできませんが、金額分のテキストの送付または、1か月以内の
別講座への参加が可能です。
↓テキストは下記より選ぶことができます。
https://lib-arts.booth.pm/items/1912668
定員
7名(人数に合わせて調整します。)
備考
下記ページで様々なテキストが入手できるようにしています。
よろしければこちらもご検討いただけましたら嬉しいです!!
https://lib-arts.booth.pm/
新規会員登録
このイベントに申し込むには会員登録が必要です。
アカウント登録済みの方はログインしてください。
※ ソーシャルアカウントで登録するとログインが簡単に行えます。
※ 連携したソーシャルアカウントは、会員登録完了後にいつでも変更できます。
![TECH PLAY](https://files.techplay.jp/JI32Z7OO7/images/top/apilogo_dots.png)