IT・技術研修ならCTC教育サービス

コース内容

コース概要

ビジネス課題の解決に機械学習をどのように用いてアプローチしていくかを、講義とケーススタディを通じて学んでいきます。

ログデータ、センサーデータ、ソーシャルデータなどに代表される大量データの分析を行うためには、機械学習の活用が非常に有効です。本講座では、SVM（サポートベクトルマシン）などの手法の修得を通じて、機械学習を実践する方法を身に付けることができます。総合演習では、受講生が自社の分析担当者になった想定で、特定の商品の購入者予測などのモデルを作成し、プレゼンテーションを実施します。

学習目標

・機械学習を用いた予測モデルの学習・推論・評価の一連のプロセスを実行でき、プロジェクトの目的に沿った、データに基づく意思決定を実践できるようになること

対象者

・業務で機械学習を活用した分析プロジェクトに携わることになった初学者の方
・機械学習の基礎的な考え方を身に付けたい方
・Pythonを使った機械学習の分析手法・ライブラリの活用法を習得したい方
・機械学習を用いた分析プロジェクトに関わることになったマネジメント層の方
・機械学習によるビジネス上の問題解決の一連のプロセスを体験したい方
・機械学習を使った分析結果を業務改善に生かす方法を知りたい方

前提知識

・高校数学程度の知識がない場合でもご受講いただける内容となっております。
・講義はサンプルコードを用いて解説をメインに進行します。演習はPythonで主体的にプログラミングできるスキルが求められるため、PythonまたはPython以外のプログラミング経験があることが望ましいです。
・Zoom・BOXをご利用いただける方
・受講環境をご準備いただける方
　※詳細はオンライン受講におけるガイドラインをご確認ください。
　◆オンライン受講におけるガイドラインはこちら：https://www.brainpad.co.jp/school/program/online

スクール環境

・Windows，Mac

内容

PART1
【講義：120分】
●機械学習とは
　・機械学習の活用シーン
　・機械学習の種類
　・本研修で扱う機械学習（分類）
●サポートベクターマシン（SVM）
　・分類における機械学習の役割
　・分類に使われるアルゴリズムの例
　・SVMの境界の決め方
　・線形分離不可能な場合
　・カーネル法による問題解決
　・特徴量と分類の正解率の関係
　・scikit-learnパッケージを用いた機械学習の概要

PART2
【講義：120分】
●機械学習による分類モデル作成の流れ
　・機械学習の目的
　・分類に影響する問題：過学習
　・分類の良さ（汎化性能）を確認する方法：ホールドアウト検証
　・K-分割交差検証
　・チューニング
　・SVMのハイパーパラメータ
　・グリッドサーチ:ハイパーパラメータの最適な組合せの見つけ方
　・機械学習におけるモデル作成の流れ
　・対象の割合が偏るデータの分類

PART3
【ミニ演習:240分】
●過去の購買履歴データを用いたユーザの属性推定モデルの作成を特徴量の選定から行い、予測精度の評価まで行う
　・設定
　・家計簿スマホアプリの概要
　・変数一覧
　・手順
　・雛形スクリプトの解説
　・参考：データ型の変換
●結果発表／講師評　

PART4
【総合演習：480分】
●過去の購買履歴データを元に商品購入者の予測モデルを作成し施策提案を行う
　・分析設計
●ターゲットの選定
●特徴量の探索
　・中間発表
　・モデル構築と検証
●最終発表／講師評

備考

※受講条件
　Zoom・BOXをご利用いただける方
　受講環境をご準備いただける方
　詳細はオンライン受講におけるガイドラインをご確認ください。
　オンライン受講におけるガイドライン：https://www.brainpad.co.jp/school/program/online

※研修元であるブレインパッド社が実施する各本講座で提供される、ノウハウ、コンテンツ、文書、その他の知的財産権は研修元に帰属します。利用申込者はこれらの全部または一部を無断で利用、複製、転載、編集、公衆送信等することはできません。