機械学習・ディープラーニング・人工知能技術の流行により、自社で埋もれている大量のデータやビッグデータを、機械学習を用いて業務に役立てることができるのでは、と考える方が急増しています。 機械学習・ディープラーニングについてはさまざまな書籍が刊行され、オープンソースのライブラリも充実してきています。これらの書籍を参照し、ライブラリを利用することで、誰でも簡単に機械学習を利用したデータ分析を行うことが可能となりました。 しかし、機械学習のアルゴリズム自体は書籍を参照しライブラリを利用することができても、実際にデータをどう扱って処理し、活かしていけばよいかわからない、という声も聞かれ、関連の情報も不足しているように見受けられます。データの前処理や分析の正しいやり方・手順を理解していなければ、質の高い分析結果を得ることができないだけでなく、誤った判断を下してしまう危険性もあります。 また、機械学習の急速な進展からか、誤った方法による分析結果が提出されることも多く、受け取る側の方でも正しい評価指標によりそれを判断することが求められます。 本セミナーでは、データ分析の正しいやり方・手順を学び、自分自身でデータ分析を行えるようになること、または他者のデータ分析結果を評価できるようになることを目指します。
日時
- 2018年7月17日 10時30分〜 2018年7月17日 16時30分
開催予定
プログラム
- データの前処理・扱い方
- データ分析のためのデータ形式
- 特徴量 (説明変数) の分類
- カテゴリ変数の扱い方
- 欠損値の扱い方
- データの正しい可視化方法
- データ収集・整形時の注意点
- 機械学習の基本と利用時の留意点
- 機械学習とは
- 機械学習によるデータ分析でできること
- 代表的なアルゴリズム
- データ特性に応じた手法の選択
- ディープラーニングとは
- ディープラーニングの使いどころ
- 分析結果の評価法
- 回帰モデルの評価基準
- 分類 (識別) モデルの評価基準
- 精度以外の評価基準の重要性
- 適合率・再現率・F値
- ROC曲線・AUC
- 機械学習によるデータ分析のすすめ方
- パラメータ調整の必要性とその方法
- 過学習とその対策 (交差検証法など)
- バイアスとバリアンスについて
- 学習曲線による現状の把握
- ビジネスへの適用について
- データマイニングプロセス「CRISP – DM」
- 事例紹介
- 分析結果を現場にどう受け入れてもらうか
- 「機械学習」の前にやるべきことはないか
- 長期運用時の課題
- その分析は解くべき課題を解決するものか
- ディスカッション
会場
受講料
- 1名様: 46,000円(税別) / 50,600円(税込)
- 複数名: 57,000円(税別) / 62,700円(税込)