スモールデータ解析の方法と実問題解決への応用【LIVE配信】

～スモールデータの解析の実態とその方法論、データ収集の考え方～

１．スモールデータとは？
　　1-1　スモールデータの特徴
　　1-2　スモールデータ解析の現状
２．スモールデータ解析の方法論:次元削減と回帰分析
　　2-1　主成分分析 (PCA)
　　　2-1-1　PCAとは
　　　2-1-2　直交展開
　　　2-1-3　PCAの導出
　　　2-1-4　PCAと特異値分解
　　2-2　最小二乗法
　　　2-2-1　回帰分析とは
　　　2-2-2　相関係数の意味
　　　2-2-3　最小二乗法の導出
　　　2-2-4　最小二乗法の幾何学的意味
　　　2-2-5　多重共線性の問題
　　2-3　部分的最小二乗法 (PLS)
　　　2-3-1　PLSとは
　　　2-3-2　潜在変数モデル
　　　2-3-3　PLSモデルの導出
　　　2-3-4　NIPALSアルゴリズム
　　　2-3-5　PLSから重回帰モデルへの変換
　　　2-3-6　クロスバリデーションによるパラメータチューニング
３．スモールデータ解析の方法論:入力変数選択
　　3-1　入力変数選択とは
　　3-2　スパースモデリング
　　　3-2-1　スパースとは
　　　3-2-2　リッジ回帰
　　　3-2-3　Lasso回帰
　　　3-2-4　エラスティックネットモデル
　　　3-2-5　Group Lasso
　　3-3　変数クラスタリングによる入力変数選択
　　　3-3-1　スペクトラルクラスタリング
　　　3-3-2　NC法のコンセプト
　　　3-3-3　NCSCアルゴリズムの導出
　　　3-3-4　NCSCを用いた変数クラスタリングと入力変数選択
　　　3-3-5　製薬プロセスへの応用例
４．スモールデータ解析の方法論:不均衡データ解析
　　4-1　サンプリング手法
　　　4-1-1　サンプリング手法とは
　　　4-1-2　アンダーサンプリングとオーバーサンプリング
　　4-2　ブースティング
　　　4-2-1　ブースティングとは
　　　4-2-2　AdaBoost
　　　4-2-3　RandomForest
　　4-3　ブースティングとサンプリング手法を組み合わせた不均衡データ解析
　　　4-3-1　何故,ブースティングとサンプリング手法を組み合わせるか
　　　4-3-2　RUSBoost
　　　4-3-3　HUSDOS – Boost
　　4-4　不均衡データ解析の大規模検診データへの適用例
５．スモールデータ解析の方法論:異常検出
　　5-1　異常検出とは
　　5-2　多変量統計的プロセス管理 (MSPC)
　　　5-2-1　MPSCとは
　　　5-2-2　T2統計量とQ統計量の幾何学的意味
　　5-3　自己符号化器 (オートエンコーダー)
　　5-4　異常検出問題の医療データ解析への応用例
６．スモールデータの収集・解析の考え方
　　6-1　必要となるデータの質の問題
　　6-2　データ収集の際の留意点
　　6-3　スモールデータ解析の手法選択