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12回「ECの売上データに対して自動機械学習 を用いた顧客行動予測」 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12回「ECの売上データに対して自動機械学習 を用いた顧客行動予測」 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:808693@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12回「ECの売上データに対して自動機械学習を用 いた顧客行動予測」 DTSTART;TZID=Asia/Tokyo:20210224T120000 DTEND;TZID=Asia/Tokyo:20210224T130000 DTSTAMP:20260420T105032Z CREATED:20210217T012904Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/80869 3?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12回　2021年2月24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\nEC（e-コマース）の売上データは、一 般的な小売り店の売上データと比較して顧客情報デー タが充実しており、機械学習の予測モデルで扱いやす いテーマになります。近頃の社会情勢を反映し、EC市 場の伸びは大きいですが、自社ECの成長を維持するた めには、リピート注文をいかに獲得するかが鍵になり ます。今回のすいすい会は、ECの成長の鍵を２つの視 点でお届けします\n\nEC分野での自動機械学習を利用す る典型的な分析テーマ例の整理\nあるイギリスのECの売 上データを用いたForecastFlow（自動機械学習）のデモの 共有\n\n売上データを用いた予測モデル構築から得られ る施策提言の例を共有します\n自動機械学習とTableauの 使いどころの違いを、予測モデル構築時の可視化分析 （Tableau）やデータ前処理（Tableau Prep）の業務を通して 説明します\n大学生が60時間かけると、”初見のデータ に対してここまで実現できる”ということが実感でき る内容になっております\n\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スライド資料はこちら→https://gri.jp/news/12924\n\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、Tabl eau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。N ASA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/SZvqLKRET3Y\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動画はこちら→　https://youtu.be/2uH_em9b3X4\ n自動機械学習ツールForecastFlowの予測モデル分割機能を 用いて、「米国電話会社の解約予測」と「海外旅行ユ ーザの予測」の事例紹介を行いました。\n\n第10回「は じめての自動機械学習（ForecastFlow）」\n動画はこちら →　https://youtu.be/GlGdh05TTx4\nGRIが開発した自動機械学習 ツール「ForecastFlow」を使って、自動機械学習に関して 説明しました。\n\n\n第11回「大規模データ分析基盤と 自動機械学習（BigQuery + Matillion + ForecastFlow」\n動画はこ ちら→　https://youtu.be/TanBxco-kcA\n大規模データ分析基盤 と自動機械学習連携の手順を紹介しました。\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\n\n LOCATION:https://zoom.us/j/96152836275 URL:https://techplay.jp/event/808693?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR