機械学習によるデータ分析の正しい進め方と評価方法

機械学習を用いたデータ分析を行う際の正しい手順，注意点を

分かりやすく解説！

講師

（株）日立製作所 研究開発グループ 知能情報研究部　主任研究員　鴨志田 亮太 氏

【専門】
機械学習・最適化技術を利用したシステムの研究開発／データ分析プロセス習熟サポートに関する研究

【活動】
トップエスイー講師（2018年11月現在）
未習熟者の機械学習によるデータ分析を支援するPythonライブラリ「MALSS」の開発

受講料

■ R&D会員登録していただいた場合、通常1名様申込で49,980円（税込）から
・1名で申込の場合、47,250円（税込）へ割引になります。
・2名同時申込で両名とも会員登録をしていただいた場合、計49,980円（2人目無料）です。

(まだR&D会員未登録の方は、申込みフォームの通信欄に「会員登録情報希望」と記入してください。詳しい情報を送付します。ご登録いただくと、今回から会員受講料が適用可能です。)

受講対象・レベル

・機械学習を用いたデータ分析を行う初学者
・データ分析の結果を受け取りその妥当性を判断する必要のある方
・データ分析を外部に依頼する方

習得できる知識

・機械学習を用いたデータ分析の正しい手順
・分析の質を向上させるためにやるべきこと，やってはいけないこと
・データ分析時の落とし穴

趣旨

　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、これらの技術を用いてビジネスの課題を解決するデータサイエンティストという職種が注目を集めています。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、実際のビジネスに機械学習技術を適用するためには、ライブラリを利用できるだけでは不十分です。データの前処理やパラメータの調整、結果の評価手法など、データ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、データ分析を外部に委託する場合も、分析結果の妥当性を正しく判断するためには、分析を依頼する側にも正しい知識が求められます。
　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正しく評価できるようになることを目指します。

プログラム

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進め方
　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