データサイエンス・ワークショップ by 石崎文雄

Project ManagerのためのPython予測モデリング／機械学習実務

～ 性能評価／機械学習プロジェクト管理と統計解析基礎 ～

ワークショップの特徴

Pythonをインストール済みのノートパソコンを弊社で準備いたします。

また、お客様ご自身で、Python 3.5以降の環境を導入済みのパソコンをお持ちいただくこともできます。その際は、インターネット接続環境もお客様ご自身でご用意いただくこととなりますのでご了承ください。

　EXCELでは対応が難しい大量かつ複雑なデータの処理において、Pythonが注目を集め、実際の業務で利用・活用する企業が急増しています。それを踏まえ、弊社では、5/19（金）「Pythonで始める機械学習入門」チュートリアルに続けて、統計解析の基礎から機械学習実務管理までをカバーした、Pythonワークショップを開催します。データ解析のためのPython導入と統計解析の基礎から始めて、データに基づく意思決定を実践できるようになるための機械学習による予測モデリングの実装まで、実務に必要な知識と技術が身につきます。さらに、関連資料を読み解く際に重要となるキーワードも習得できる貴重な機会になるはずです。

こんな方におすすめ

• ビッグデータ分析、機械学習、データサイエンスに興味を持っている方
• Pythonを実装しながら、統計解析による機械学習の理論や手法の全体的なイメージを掴みたい方
• データを統計的に扱うための基盤理論に興味がある方
• 統計解析、データ解析、マーケティングリサーチ、サービス企画、定量分析、ITエンジニア、情報処理、システム、ネットワーク、信号処理、画像処理、音声処理、自然言語処理、セキュリティ（監視カメラ、警備、防犯）、異常行動検出、異常領域検出、クォンツ、金融工学、アクチュアリー、リスク管理、医療などの業務において機械学習で課題を抱えている方

皆様のご参加をお待ちしています。

実施スケジュール

講師

石崎　文雄

株式会社モーダルステージ　代表取締役

近畿大学助手、徳島大学助手、University of California, Irvine 訪問研究員、
Electronics and Telecommunications Research Institute エンジニアリング・スタッフ、
Korea University 招聘准教授、南山大学助教授・准教授・教授、東京工業大学非常勤講師等、国内外の大学・研究機関において、確率モデル、通信ネットワーク、オペレーションズ・リサーチ、確率離散事象システム、応用確率等の研究及び教育に従事。
その後、様々な分野におけるデータの確率統計的な解析、確率モデルの構築と解析、機械学習によるモデル構築等に関連する業務に従事。
2017年 株式会社モーダルステージ設立。
京都大学 博士（工学）

カリキュラム

※カリキュラム内容は一部変更になる場合がありますので、あらかじめご了承ください。

ワークブック

事前学習用

• ・Pythonプログラム
  

  Pythonプログラム

受講料

43,200 円（税込）

【割引料金のご案内】

• ・同一法人から２名以上同時にお申込み頂いた場合、１名あたりの受講料は２割引の「34,560円（税込）」とさせていただきます。

お申し込み方法

お申込みに関する注意事項

• 定員になり次第、受け付けを終了いたします。
• お申込み状況により、延期または中止になる可能性があります。
  開講前に中止の旨をご連絡しますので、ご了承ください。
  受講料をお支払い済みの方には、受講料を返金いたします。
• セミナーの開催確定後、その旨のご連絡と併せ「受講証」「請求書（希望された方）」をメールにてお送りします。
• お支払方法「銀行振込」でお申し込みの方には、開催確定後、受講料の請求書をお送り致しますので、所定の金額を全納してください。
  ※原則、実施日までにお振込をお願い致します。ただし、法人でお支払いの場合は、御社の「締め・支払い」規程に基づき、受講料をお振込頂ければ構いません。
• セミナー当日は、「受講証」を必ずご持参ください。
• 開催前日および当日のキャンセルはお受けしかねます。予めご了承ください。

お申込みに関するお問合せ

　電話番号：03-3665-8191

Pythonプログラム（事前学習用）

#Lognormal Black model
from scipy.stats import norm
import math

def black(f0, y, expiry, vol, isCall):
    #Compute the Black formula.
    #f0: forward rate at time 0
    #y: option strike
    #expiry: option expiry (in years)
    #vol: volatility
    #isCall: True or False

    option_val = 0
    if expiry * vol == 0.0:
        if isCall:
            option_val = max(f0-y,0.0)
        else:
            option_val = max(y-f0, 0.0)
    else:
        d1 = dPlusBlack(f0, y, expiry, vol)
        d2 = dMinusBlack(f0,y,expiry,vol)

        if isCall:
            option_val = f0 * norm.cdf(d1) - y * norm.cdf(d2)
        else:
            option_val = y * norm.cdf(-d2) - f0 * norm.cdf(-d1)

    return option_val

def dPlusBlack(f0, y, exipiry, vol):
    d_plus = (math.log(f0/y) + 0.5 * vol * vol *expiry) \
                  / vol / math.sqrt(expiry)
    return d_plus

def dMinusBlack(f0, y, exipiry, vol):
    d_minus = dPlusBlack(f0, y, expiry, vol) - vol * math.sqrt(expiry)
    return d_minus

if __name__ == "__main__":
    isCall = True
    f0 = float(input('f0 (forward rate at time 0): '))
    y = float(input('y (option strike): '))
    expiry = float(input('expiry (in years): '))
    vol = float(input('volatility: '))
    ic = input('isCall? (0)yes, (1)no: ')
    if ic == '1':
        isCall = False

    option_val = black(f0, y, expiry, vol, isCall)
    print(option_val)