BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:【5/19 18:30開催】データサイエンスすいすい会 第17回「AIを活用した2020年代の新しいアイデアの着想 法（Post-Deconstructionism）」 X-WR-CALNAME:【5/19 18:30開催】データサイエンスすいすい会 第17回「AIを活用した2020年代の新しいアイデアの着想 法（Post-Deconstructionism）」 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:816742@techplay.jp SUMMARY:【5/19 18:30開催】データサイエンスすいすい会 第17 回「AIを活用した2020年代の新しいアイデアの着想法（P ost-Deconstructionism）」 DTSTART;TZID=Asia/Tokyo:20210519T183000 DTEND;TZID=Asia/Tokyo:20210519T193000 DTSTAMP:20260423T144203Z CREATED:20210503T052203Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/81674 2?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第17回データサイエンスすいすい会 は、5/19(水) 18:30開催となります。※今回のすいすい会 は、実験的に夕方開催となります。\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、お気軽にご参加ください\n\n内 容\nイノベーションを起こし続けるには、どうすべき か？ヒットする新しい施策を思いつくには、どうすべ きか？疑問をお持ちの方も多いと思います。\nこの疑 問に答えるために、スペインの片田舎にも関わらず、 世界一予約の取れないレストランとして有名なエル・ ブジ（El Bulli）を作り上げた、フェラン・アドリアが 参考にした発想方法である、脱構築主義（Deconstructionis m）を、ご紹介します。この発想方法を用いて、アドリ アは今では高級フレンチなどで当たり前になったエス プーマをはじめとする斬新な料理を次々と開発してい ます。アドリアが目指したのは、「お客様をディナー で挑発し、驚かせ、喜ばせるためにアイデアを出し、 エル・ブジに食事に来るのではなく、経験を積みに来 る」ことです。このような発想方法のエッセンスをご 紹介します。\nアドリアのように時代を作るシェフで はなくとも、普通の人でも新しいアイデアを上手く発 想する方法はないか？と、私は最近考えるようになっ てきました。その方法として提案したいのは、現代のA I技術（例えば、自動機械学習）と脱構築主義の考え方 を組み合わせることです。この考えに基づけば、普段 の皆様の提供しているサービスの改善に役立たせるこ とができると思います。\n今回のすいすい会は、自動 機械学習と哲学を組み合わせた、一風変わったものを お伝えします。\nForecastFlowのホームページ：　https://for ecastflow.jp/\nスケジュール\n第17回　2021年5月19日（水）18 ：30～19：30　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://z oom.us/j/96152836275\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、Universit y of Southern California、ドワンゴを経て、2016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→h ttps://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、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」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/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」動画はこちら→　https://youtu.be/Ms52E nCRk8g\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Predictive 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/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）」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「Forecast Flow」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（BigQue ry + 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/QFBzk OIE77w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第15回「「自動機械学習Google AutoML TablesとFore castFlowの比較」」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動画は こちら→　https://youtu.be/reXoJpmhHTk\n第16回「はじめての 自動機械学習（ForecastFlow）」\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/12 924 LOCATION:https://zoom.us/j/96152836275 URL:https://techplay.jp/event/816742?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR