AE190364 機械学習によるデータ分析の正しい進め方とその解釈

6時間0分
提供期間: 03/08 10:30 - 03/20 23:59
ライブ: 03/08 10:30 - 16:30

機械学習を用いたデータ分析を始めるにあたって、押さえておくべきこととは!?
★誤ったやり方・手順で進めた場合にどのような結果となるか?分析時の注意点を例を挙げて説明します!

46,440 (税込)
pcWc3frb
ログインして購入

購入するにはログインが必要です。

ほしい物リストに追加 比較リストに追加

*「非常にわかりやすかった」というご意見が多数!
 過去のセミナー参加者の声:

 ・基礎知識がほとんど無くても理解できる点が多々あって良かったです。
 ・とても有意義でした。ありがとうございました。
 ・理解しやすく構成されており、有益でした。実例を交えた解説も良かったと感じました。
 ・技術的知識のない私でも理解できるご説明で、期待通りの学びを得られました。
 ・お話がよくまとまっており、わかりやすかったです。資料も後々のリファレンスとして重用できそうな気がします。
 ・章立ての構成で、章ごとに簡単な振り返りスライドがあったのがわかりやすかったです。
 等


 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。



○受講対象:
 1)データ分析を始めようとしている方
   基本的なデータ分析のやり方・手順を知ることができます
 2)データ分析結果を受け取る方
   分析結果の妥当性を評価することができるようになります
 3)データ分析を依頼する方
   基礎検討を自分達で実施することで付加価値の高い仕事を依頼できます

○受講後、習得できること:
 ・データ分析プロセスの基礎知識
 ・データの前処理・扱い方(整形方法・欠損値処理等)
 ・分析結果の評価指標・評価方法
 ・分析時の注意点(やり方・手順を誤るとどのような結果となるか)


セミナー内容

1.データの前処理・扱い方
 1.1 データ分析のためのデータ形式
 1.2 特徴量(説明変数)の分類
 1.3 カテゴリ変数の扱い方
 1.4 欠損値の扱い方
 1.5 データの正しい可視化方法
 1.6 データ収集・整形時の注意点

2.機械学習の基本と利用時の留意点
 2.1 機械学習とは
 2.2 機械学習によるデータ分析でできること
 2.3 代表的なアルゴリズム
 2.4 データ特性に応じた手法の選択
 2.5 ディープラーニングとは
 2.6 ディープラーニングの使いどころ

3.分析結果の評価法
 3.1 回帰モデルの評価基準
 3.2 分類(識別)モデルの評価基準
 3.3 精度以外の評価基準の重要性
 3.4 適合率・再現率・F値
 3.5 ROC曲線・AUC

4.機械学習によるデータ分析のすすめ方
 4.1 パラメータ調整の必要性とその方法
 4.2 過学習とその対策(交差検証法など)
 4.3 バイアスとバリアンスについて
 4.4 学習曲線による現状の把握

5.ビジネスへの適用について
 5.1 分析結果を現場にどう受け入れてもらうか
 5.2 機械学習の前にやるべきことはないか
 5.3 実運用時の課題
 5.4 その分析は解くべき課題を解決するものか
 5.5 分析結果の公平性
 5.6 真実は常に一つ?
 5.7 ディスカッション

  <質疑応答>

※内容項目は当日多少変更される可能性がありますのでご承知おきください。