BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:※内容変更※【水曜お昼の雑談会】データサ
 イエンスすいすい会第9回「自動機械学習での予測モデ
 ル分割による詳細分析」
X-WR-CALNAME:※内容変更※【水曜お昼の雑談会】データサ
 イエンスすいすい会第9回「自動機械学習での予測モデ
 ル分割による詳細分析」
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:803314@techplay.jp
SUMMARY:※内容変更※【水曜お昼の雑談会】データサイエ
 ンスすいすい会第9回「自動機械学習での予測モデル分
 割による詳細分析」
DTSTART;TZID=Asia/Tokyo:20210113T120000
DTEND;TZID=Asia/Tokyo:20210113T130000
DTSTAMP:20260406T052734Z
CREATED:20201221T025808Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/80331
 4?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9回　2021年1月13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/96152836275\n\n内容\n※内容変更しました（1/12）※\n第9
 回「自動機械学習での予測モデル分割による詳細分析
 」\n今回は予測モデルの自動分割による詳細分析がテ
 ーマです。機械学習での予測結果は、入力データセッ
 トの母集団に依存します。例えば、全顧客データで予
 測モデルを一つ構築する場合、全顧客に対して同じ条
 件で予測することになります。しかしながら、いくつ
 かのセグメントで顧客行動が明らかに異なることが現
 場で分かっている場合、先ほどの予測モデルに違和感
 を感じることもあり得ます。\nこのような状況への対
 応方法として自動機械学習基盤のForecastFlowではユニー
 クな便利機能（予測モデルを自動分割して訓練する機
 能）があります。１つのデータセットから特定のカテ
 ゴリ特徴量を指定して訓練を実施すると、自動的に予
 測モデルが分割された上で訓練が行われます。この機
 能を用いて、以下の２つの事例紹介を行います。\n\n\n
 米国電話会社でのサブスクリプションビジネスでの顧
 客行動の違いを浮かび上がらせる手順（反応していた
 のは価格だけでなく、オプション利用のロイヤルカス
 タマー化が判明）\nADK様の大規模アンケート調査の生
 活者総合調査を用いた性年代ごとの旅行をするユーザ
 の特徴を理解\n\n\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 California、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「ForecastFlow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Forec
 astFlow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→　ht
 tps://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第7回「時系列のセ
 ンサーデータを扱ったPredictive Modelでの予測について」
 \n動画はこちら→　https://youtu.be/P09VdyyVtHs\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。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、故障予測を中心にお話しました。\n\n
 \n第8回「データ活用を推進するマネージャが知ってお
 くべき自然な摂理」\n動画はこちら→　https://youtu.be/SZv
 qLKRET3Y\nデータ活用の推進とリモートワークにより、各
 マネージャは静かな大変動に直面しています。データ
 を活用する上で自然な摂理がいくつか存在しており、
 それらをベースにマネージャとしてデータを効率的に
 使うための環境整備のヒントをお話しました。\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/803314?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR