※内容変更※【水曜お昼の雑談会】データサイエンスすいすい会第9回「自動機械学習での予測モデル分割による詳細分析」

2021/01/13(水)12:00 〜 13:00 開催
ブックマーク
機械学習, 人工知能, Meetup, データ分析, アルゴリズム
参加枠申込形式参加費 参加者
参加者
 先着順 無料 14人 ／ 定員50人

イベント内容

データサイエンスすいすい会

概要

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

GRI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

スケジュール

第9回　2021年1月13日（水）12：00～13：00　

隔週で開催予定

参加方法

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/96152836275

内容

※内容変更しました（1/12）※

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」

今回は予測モデルの自動分割による詳細分析がテーマです。機械学習での予測結果は、入力データセットの母集団に依存します。例えば、全顧客データで予測モデルを一つ構築する場合、全顧客に対して同じ条件で予測することになります。しかしながら、いくつかのセグメントで顧客行動が明らかに異なることが現場で分かっている場合、先ほどの予測モデルに違和感を感じることもあり得ます。

このような状況への対応方法として自動機械学習基盤のForecastFlowではユニークな便利機能（予測モデルを自動分割して訓練する機能）があります。１つのデータセットから特定のカテゴリ特徴量を指定して訓練を実施すると、自動的に予測モデルが分割された上で訓練が行われます。この機能を用いて、以下の２つの事例紹介を行います。

  • 米国電話会社でのサブスクリプションビジネスでの顧客行動の違いを浮かび上がらせる手順（反応していたのは価格だけでなく、オプション利用のロイヤルカスタマー化が判明）
  • ADK様の大規模アンケート調査の生活者総合調査を用いた性年代ごとの旅行をするユーザの特徴を理解

    ナビゲーター

    古幡 征史　

    株式会社GRI 取締役
    Ph.D in Computer Science
    GRI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

     

    参加対象

    ・データサイエンスに関心のある方

    参加費

    無料

    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

    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

    過去のすいすい会

    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

    AI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

    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

    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

    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

    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

    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

    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。

    第5回「ForecastFlowで自動機械学習をやってみよう」

    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。

    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

    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。

    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

    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。

    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

    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。

    ※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

    関連するイベント