BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:第15回「自動機械学習Google AutoML TablesとForecastFl
 owの比較」
X-WR-CALNAME:第15回「自動機械学習Google AutoML TablesとForecastFl
 ow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:813647@techplay.jp
SUMMARY: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:20260510T093933Z
CREATED:20210402T141512Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/81364
 7?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n概要\n\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\n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\n2021年4月7日（
 水）12：00～13：00　\n隔週で開催予定\n参加方法\n\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内容\n\n「自動機械学習Google
  AutoML TablesとForecastFlowの比較」\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訓練編\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\n古幡 征史 \n\n株式会社GRI 取締役\nPh.D in Compute
 r Science\nGRIにて50以上のAI\, BI\, 分析基盤構築プロジェ
 クトをリード\nKPMG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参加
 対象\n\nデータサイエンスに関心のある方\n参加費\n\n無
 料\n情報共有コミュニティ\n\n自由にご参加いただけるS
 lackを用意しています\n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\n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\nSlackはこちら  \n過去のすいすい会\n\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」\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？\nAI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\n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」\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？\n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」\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」\n動画はこちら→　https://youtu.be/8Sm8ex
 6taE8\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→　ht
 tps://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第11回「大規模デー
 タ分析基盤と自動機械学習（BigQuery + Matillion + ForecastFlo
 w」\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」\n動画はこちら→　https://youtu.be/
 yk3CO_fPY-4\nECの成長の鍵を２つの視点で紹介しました\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Foreca
 stFlow（自動機械学習）のデモの共有\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」\
 n動画はこちら→　https://youtu.be/QFBzkOIE77w\n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。\n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ForecastFl
 owの活用について」\n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ForecastFl
 owを通して紹介しました。\n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\nhttps://gri.jp/news/12924
LOCATION:オンライン オンライン
URL:https://techplay.jp/event/813647?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR