Event Calendar

Today
08.09 Tue

Event Calendar

イベントカレンダーが入ります。(フェーズ2で対応)

開催告知

その他

企業向け研修

(申し込みは締め切りました)2022年度 データサイエンティスト育成プログラム-Entry演習-

Up Date :2022.07.11

Share

2022年度 データサイエンティスト育成プログラム-Entry演習-

Digital Transformation(DX)推進のためにはデータの活用が重要であり、データを正しく扱い分析できるデータサイエンティストが必要です。
データサイエンティストの育成支援として、最先端研究に携わる国立大学法人東京工業大学に所属する教員によるカリキュラムをご提供致します。
まずは、Entryレベルとして相関と重回帰の動きがイメージできる事を達成目標としたPythonによる統計入門演習を行います。

プログラムタイトル

データサイエンティスト育成プログラム-Entry演習-

開催日時

【第1回】2022年7月14日(木)13:30~15:00
【第2回】2022年7月14日(木)15:20~16:50
【第3回】2022年7月28日(木)13:30~15:00
【第4回】2022年7月28日(木)15:20~16:50

カリキュラム

【第1回】導入:データサイエンス入門
  ≪目的≫
  Google Colaboratoryを使えるようになる
  データを可視化出来るようになる
  基礎的な統計について理解する

【第2回】相関分析
  ≪目的≫
  相関とは何かを理解する
  データから相関係数を計算できるようになる
  相関と因果の違いを理解する

【第3回】線形回帰
  ≪目的≫
  回帰分析とは何かを理解する
  単回帰分析を使ってみる
  予測誤差を用いて予測結果の良し悪しが判断できる

【第4回】重回帰
  ≪目的≫
  重回帰分析を使ってみる
  実例を用いて訓練データとテストデータについて学ぶ
  回帰式の意味を理解し、相関との関連を把握する

定員

30名程度

受講料

個人で申し込みの場合  40,000円(税別)

職域で申し込みの場合  ご相談に応じます

申し込み締切

2022年6月14日(火) 締め切り

必要なもの

パソコンおよびオンライン受講が可能なWeb環境
※演習ではGoogle Colaboratoryを使用します。Googleアカウントの取得をお願いします。

申込方法

【個人で申し込み】
下記 個人で申込 から必要事項を入力の上送信ください。
ご案内メールをお送りいたします。

【職域で申し込み】
下記 職域で申込 から必要事項を入力の上送信ください。
ご案内メールをお送りいたします。

        

お問い合わせ先

株式会社Tokyo Tech Innovation
(東京工業大学100%出資) 

講座の開催、中止について

締切日前であっても定員になり次第受付を締め切らせていただきます。
受講者が一定数に達しない場合など、やむを得ず講座の開講を中止することがあります。
講師の急病や事故、交通機関のストライキ、台風、大雪などによる著しい荒天、天災地変などのため、
やむを得ず休講、または講座内容の一部を変更することがあります。
事情により講座内容、講師を変更の上実施する場合があります。
事前に判明した休講および補講の連絡は、受講生に直接、または講義にてご連絡します。
突然の著しい荒天、天変地異、事故などによって、休講および補講が当日判明した場合は、
Teams等のチャットツールにて直接お知らせします。

講師紹介

東京工業大学 情報理工学院情報工学系 助教
柳澤 渓甫

<略歴>
日本学術振興会 特別研究員 (DC2)(2017-2019)
日本学術振興会 特別研究員 (PD)(2019-2020)
東京工業大学 情報理工学院 非常勤講師(2019-2020)
東京工業大学 情報理工学院 助教(2020-)
<研究分野>
構造バイオインフォマティクス, 創薬インフォマティクス
<最新の研究>
深層学習と共溶媒分子動力学シミュレーションを用いたタンパク質の薬剤結合部位予測

東京工業大学 物質・情報卓越教育院 特任講師
安尾 信明

<略歴>
2014年-2016年 東京工業大学 大学院情報理工学研究科 修士課程
2016年-2019年 東京工業大学 情報理工学院 博士課程/ 日本学術振興会 DC1
2019年12月 博士(工学)取得
2019年4月-2020年3月 東京工業大学 科学技術創成研究院 研究員
2020年4月 東京工業大学 物質・情報卓越教育院 特任講師
<研究分野>
分子シミュレーションと機械学習による創薬
<最新の研究>
分子動力学と機械学習を用いた新規薬剤探索、相互作用の学習によるドッキングの高精度化