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15回「自動機械学習Google AutoML TablesとForecastFlo
 wの比較」
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15回「自動機械学習Google AutoML TablesとForecastFlo
 wの比較」
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:813521@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15回「自動機械学習Google AutoML TablesとForecastFlowの
 比較」
DTSTART;TZID=Asia/Tokyo:20210407T120000
DTEND;TZID=Asia/Tokyo:20210407T130000
DTSTAMP:20260501T213814Z
CREATED:20210401T085743Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/81352
 1?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ス
 ケジュール\n第15回　2021年4月7日（水）12：00～13：00　
 隔週で開催予定\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https://zoom.us/j/961528362
 75\n内容\n自動機械学習ツールは多数存在しますが、選
 定基準はどのようにあるべきかは、意外と知られてい
 ません。今回のすいすい会では、２つの自動機械学習
 （Google AutoML TablesとForecastFlow）を用いて比較します。
 この２つのツールは、大規模データに高速対応できる
 という共通点を持ちつつ、対極的な位置付けにあるた
 め、比較の基準として参考になると思います。\n\nGoogle
  AutoML Tablesの基本機能の説明\n選定基準の設定方法\n\n
 訓練編\n\n事前的な予測精度\n解釈性\n訓練速度\n試行錯
 誤のしやすさ\n\n\n推論編\n\n推論速度\n自動化\n事後的
 な予測精度\n\n\n費用\n連携性\n\n\n\n登壇者\n古幡 征史　
 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、2
 016年9月より現職\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」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、L
 ife-Time Valueの予測）における問題設定の秘訣を話しま
 した\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」動画はこちら→　https://youtu.be/-s
 1PcLQUBNI\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」動画はこちら→　https://youtu.be/q6WJD
 TOgotA\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第４回
 「自動機械学習での特徴量の作り方」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第6回「予測スコアを用いた効果的な施
 策実施」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第7回「時系列のセンサーデータを扱ったPredict
 ive Modelでの予測について」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」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」動画はこちら→　https://youtu.be/2u
 H_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第10
 回「はじめての自動機械学習（ForecastFlow）」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第11回「大規模データ分析基盤と
 自動機械学習（BigQuery + Matillion + ForecastFlow」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」動画はこちら→　https://youtu.be/yk3CO_fPY-4ECの成
 長の鍵を２つの視点で紹介しました\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第13回「自動機械学習での
 特徴量エンジニアリングのテクニカル解説」動画はこ
 ちら→　https://youtu.be/QFBzkOIE77w自動機械学習の予測結果
 を理解しやすくするためには、入力データの準備の工
 夫が必要です。多くの予測問題に共通する、時刻デー
 タの扱い、欠損値の扱い、カテゴリデータの扱いにつ
 いて、共有しました。\n第14回「【電通様ご登壇】オン
 オフ統合マーケティングにおけるForecastFlowの活用につ
 いて」テレビCMやデジタル広告のサイト来訪への広告
 効果の表現方法を自動機械学習基ForecastFlowを通して紹
 介しました。第14回に関してはYoutubeでのアーカイブや
 資料のご共有はございません。\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https://gri.jp/news
 /12924
LOCATION:https://zoom.us/j/96152836275
URL:https://techplay.jp/event/813521?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR