BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:【水曜お昼の雑談会】データサイエンスすい
 すい会　第7回「時系列のセンサーデータを扱ったPredic
 tive Modelでの予測について」
X-WR-CALNAME:【水曜お昼の雑談会】データサイエンスすい
 すい会　第7回「時系列のセンサーデータを扱ったPredic
 tive Modelでの予測について」
X-WR-TIMEZONE:Asia/Tokyo
BEGIN:VTIMEZONE
TZID:Asia/Tokyo
BEGIN:STANDARD
DTSTART:19700101T000000
TZOFFSETFROM:+0900
TZOFFSETTO:+0900
TZNAME:JST
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
UID:800548@techplay.jp
SUMMARY:【水曜お昼の雑談会】データサイエンスすいすい
 会　第7回「時系列のセンサーデータを扱ったPredictive M
 odelでの予測について」
DTSTART;TZID=Asia/Tokyo:20201125T120000
DTEND;TZID=Asia/Tokyo:20201125T130000
DTSTAMP:20260408T234625Z
CREATED:20201123T011652Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/80054
 8?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\nデータサイ
 エンスすいすい会\n\n概要\nデータサイエンスに関する
 雑談を通して、すいすいデータサイエンスを推進でき
 るような知見を貯めていくオンライン雑談会\nGRIの分
 析官リーダ他が参加してテーマについてお話します参
 加無料、お昼を食べながらお気軽にご参加ください\n\n
 スケジュール\n第7回　2020年11月25日（水）12：00～13：00
 \n隔週で開催予定\n\n参加方法\n時間になりましたら、
 下記ZoomURLよりご自由にご参加ください\nhttps://zoom.us/j/9
 6152836275\n\n内容\nビジネスシーンで扱うデータの多くは
 時系列データであり、予測に関して、数多くのモデル
 が存在します。今回は、NASAの研究の一つである飛行機
 のタービンエンジン機器のセンサーデータを用いて、
 故障予測をする話を中心にします。さらに、時系列デ
 ータを扱った予測手法における、Predictive ModelとTime-Seri
 es Forecastingの違いを解説します。時系列データはデー
 タの扱いが大変なため、MIT（マサチューセッツ工科大
 ）で開発された自動特徴量生成ツールであるFeaturetools
 を紹介します（現在はAlteryxに買収されています）。\n
 – 時系列データとは\n– Time-Series ForecastingとPredictive Mo
 delでの予測の違いについて\n– Featuretoolsを用いた時系
 列データの前処理について\n– 飛行機のタービンエン
 ジン機器のセンサーデータを用いて、故障予測\n\nナビ
 ゲーター\n古幡 征史　\n株式会社GRI 取締役Ph.D in Computer
  ScienceGRIにて50以上のAI\, BI\, 分析基盤構築プロジェク
 トをリードKPMGコンサルティング、University of Southern Cali
 fornia、ドワンゴを経て、2016年9月より現職\n \n参加対象
 \n・データサイエンスに関心のある方\n参加費\n無料\n\n
 機械学習活用やデータサイエンスに関する情報共有コ
 ミュニティ\n自由にご参加いただけるSlackを用意してい
 ます実践的に機械学習を活用するための議論やノウハ
 ウの共有を目的としていますすいすい会の内容につい
 ても活発に議論できればと思いますSlackはこちら\n\n過
 去のすいすい会\n第1回「ビジネスでAIを上手く活用す
 るための問題設定法の共有」\n動画はこちら→　https://
 youtu.be/ppkgYD69NDU\nAIを実践的に活用する際、どのような
 問題を設定すべきか？AIで解くべき問題が分かると、
 実践的なデータ利活用ができます第1回では、サブスク
 リプション・ビジネス（解約防止、Life-Time Valueの予測
 ）における問題設定の秘訣を話しました\n\n\n第2回 「
 アンケートと機械学習で効率的な顧客理解の実践方法
 の共有」\n動画はこちら→　https://youtu.be/-s1PcLQUBNI\nア
 ンケート回収数が少なくアンケート結果が眠っている
 企業も多いのではないでしょうか？今回の「すいすい
 会」では、アンケートと機械学習の組み合わせの事例
 を紹介しました\n\n\n第３回「機械学習の初心者卒業：
 　分類問題の精度評価手法と不均衡データの実践的な
 取り扱い」\n動画はこちら→　https://youtu.be/q6WJDTOgotA\n
 実社会では不均衡データを扱うのが普通ですが、教科
 書ではあまり触れられていないため、不均衡データの
 実践的な取り扱い方をお話ししました\n\n第４回「自動
 機械学習での特徴量の作り方」\n動画はこちら→　https
 ://youtu.be/Ms52EnCRk8g\n自動機械学習の工程の中で最も時間
 を要するのが予測ターゲットを説明する特徴量データ
 の準備になります。特徴量の考え方、アンチパターン
 、モダンなアルゴリズムで不要な特徴量処理をお話し
 ました。また、Tableauなどの可視化ツールで事前に分析
 しておくべきことと自動機械学習での特徴量エンジニ
 アリングの使いどころをお伝えしました。\n\n第5回「Fo
 recastFlowで自動機械学習をやってみよう」\n自動機械学
 習の仕事の進め方をForecastFlowのデモ（分類問題と回帰
 問題）を通して紹介しました。このデモは幕張で開催
 された「AI・業務自動化 展」より生放送でお送りしま
 した。\n\n第6回「予測スコアを用いた効果的な施策実
 施」\n動画はこちら→　https://youtu.be/8Sm8ex6taE8\n自動機
 械学習ForecastFlowを使うと、顧客一人一人のレベルで予
 測スコアを自動で算出できるようになります。これか
 らの出来事が予測できるので、効率的に施策を実施す
 ることができます。その実行手順や考え方を説明しま
 す。\n\n※動画や資料は弊社コーポレートサイトでもご
 覧いただけます\nhttps://gri.jp/news/12924
LOCATION:https://zoom.us/j/96152836275
URL:https://techplay.jp/event/800548?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR