BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:データサイエンスすいすい会 第16回「はじめ
 ての自動機械学習（ForecastFlow）」
X-WR-CALNAME:データサイエンスすいすい会 第16回「はじめ
 ての自動機械学習（ForecastFlow）」
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:815274@techplay.jp
SUMMARY:データサイエンスすいすい会 第16回「はじめての
 自動機械学習（ForecastFlow）」
DTSTART;TZID=Asia/Tokyo:20210428T120000
DTEND;TZID=Asia/Tokyo:20210428T130000
DTSTAMP:20260419T000406Z
CREATED:20210419T141814Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/81527
 4?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※AI・業務自動化展から配信予
 定\nスケジュール\n\n2021年4月28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/9615
 2836275\n内容\n\n第16回「はじめての自動機械学習（Forecas
 tFlow）」\n今回は、自動機械学習の使い方をForecastFlowの
 デモを通して共有いたします。\n「予測ができれば世
 界が変わる」というキャッチコピーの元、ForecastFlowで
 は誰でも機械学習（人工知能の一種）の最新技術を利
 用することができます。\n事業インパクトを出すため
 のForecastFlowの活用事例、及び機能紹介をいたします。\
 n事例紹介\n\nサブスクリプションビジネスでの解約予
 測\nリードナーチャリングでのコンバージョン予測\n広
 告配信時の属性推定\nマーケティングミックスモデル\n
 IoTセンサーデータを用いた商品／サービス開発\n\n今回
 のすいすい会は、東京ビッグサイトで行われるAI・業
 務自動化展でも配信いたします。\n現地のブースでは
 、実際にForecastFlowの高速度・高精度の分析モデルをご
 自分の手で操ることができます。\n登壇者\n\n古幡 征史
  \n\n株式会社GRI 取締役\nPh.D in Computer 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Slack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、Life-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「ForecastFlo
 w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/8Sm8ex6taE8\n自動機械学習Forecas
 tFlow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。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→　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第10回「はじめ
 ての自動機械学習（ForecastFlow）」\n動画はこちら→　ht
 tps://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」\n動画はこちら→　htt
 ps://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ForecastFlow（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→　ht
 tps://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ForecastFlow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ForecastFlow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第15回「自動機械学習Google
  AutoML TablesとForecastFlowの比較」\n自動機械学習ツールの
 選定基準について２つの自動機械学習を用いて比較し
 ました\n動画近日公開予定\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/129
 24
LOCATION:オンライン オンライン
URL:https://techplay.jp/event/815274?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR