Frey-AT_ML2Days_202304

201 Views

March 27, 23

スライド概要

◇フレイAT講座紹介「速修2日機械学習・データサイエンス講座」

◇お申込みページ
https://techplay.jp/event/896910

profile-image

フレイ・アンド・テクノロジーズ株式会社 資料共有です。

シェア

またはPlayer版

埋め込む »CMSなどでJSが使えない場合

関連スライド

各ページのテキスト
1.

無料オンライン説明会・ミニ体験会 『速修!2日間でマスターする 機械学習・データサイエンス入門』

2.

トレーニング日程・受講価格 ◆トレーニング開催日 2023/4/15(土)9:30~17:00(講座1日目) 2023/4/16(日)9:30~17:00(講座2日目) ※講義内容・演習内容はすべて録画しており、開催日より30日間は録画の視聴が可能です。 ※講義スライドはすべてPDFで配布いたします。 ◆フォローアップ日 4/23(日) 9:00~12:00 (フォローアップ) ※予約不要・入退出自由 ※演習内容などに不安がある方、業務都合などで途中退出された方向けに別途フォローアップ日を準備しております。 ◆トレーニング受講価格・申し込みURL 定価:128,000円のトレーニング講座をモニター開催価格として特別価格にて開催いたします。 ⇒モニター価格:55,000円(税込) ⇒お申し込みURL https://techplay.jp/event/896910 ※法人様向け銀行振込・請求書払いも可能です。事務局([email protected])までご連絡下さい。 2

3.

速修!2日間でマスターする機械学習・データサイエンス入門 『なぜ、2日間で理解するだけじゃなくて、使えるようになるのか?5つの特徴』 ①カリキュラム :機械学習入門書2~3冊分の内容を速修 ②機械学習ツール:プログラミング無しの機械学習ソフト(無料)で演習を行います データの流れやアルゴリズムの働きが見れるので、理解しやすい! ③ハンズオン演習:講座の半分以上は演習時間、自分で手を動かして学ぶ! ④手厚いフォロー:講義・演習はすべて録画視聴可能。また別途フォローアップ日を設けており、 当日の欠席の際も手厚くフォローいたします ⑤図解・講義 :テキストは図解で解説。講師は文系学生やビジネス職の方にも多く講義しており、 初学者がつまずくポイント、勘違いしやすいポイントを丁寧に解説します (これまで学生421人、社会人859人へ講義経験あり) 3

4.

講師紹介 高木 宏明 Hiroaki Takagi うどんの国(香川県)出身 フレイ・アンド・テクノロジーズ株式会社 代表 慶應義塾大学大学院 経営管理研究科(ビジネススクール・MBA)修了 国立 高松高専専攻科 機械電気システム工学専攻 修了 うどんの国香川県出身、ビジネスよりのデータ分析者。 ビジネス理論から機械学習アルゴリズムまでわかりやすく解説することが得意です! (大学講師歴) 慶應義塾大学大学院 経営管理研究科 非常勤講師 「データサイエンス」(2019年度1学期~2023年年度1学期) 青山学院大学 社会情報学部 非常勤講師 「データマイニング」「データマイニング演習」(2018,2020,2021年度) 4

5.

受講環境・参加者 ◇ツール・受講環境 ✓ ノーコード機械学習ソフトウェア:RapidMiner(Free版)、PCのメモリ8G以上を推奨 ✓ オンライン講義:Zoom ◇想定参加者 ✓ 経営企画・営業・経理・オペレーションなどビジネス職の方、社内SE・エンジニアなど技術者の方 ✓ ITエンジニア・コンサルタントなど顧客に提案するベンダ担当の方 ✓ その他、学生・社会人など事前の知識・前提条件はありません、どなたでも受講可能です 5

6.

受講いただいた方からの声・感想① ・データサイエンスを学んだ事がなかったため新鮮で楽しく受講できました。 講師の方のレクチャーは初心者でもわかりやすいように簡潔かつ丁寧でとてもよかったです。 講義の中で演習が多くあり、演習を通してデータの分析方法を肌で感じることができたことが特に良かったです。(製品開発・女性参加者) ・わずか2日間という短い期間の中で機械学習のエッセンスが積み込まれた内容はすばらしいと感じました。 プログラムなどの経験が無い者に対してR・Pythonなどを使用しないで、 (機械学習ソフト)ラピットマイナーを用いたことで大幅な作業・気持ち的な負担感が軽減できたと感じています。 ・テキスト/資料や講義での説明はポイントを絞った簡潔で、例えも交えた説明をして頂けたのでイメージができ、 難しい機械学習の書籍を複数読むよりは、短時間で各段に理解が進んだと思います。 ・また、別途フォローアップの場とセミナー録画で復習ができることは大変ありがたかったです。 ありがとうございました。(人事部門・男性参加者) ・大変有意義な二日間でした。自分の業務への活用の仕方をイメージしながら受講出来た点がとてもよかったです。 おそらく専門書から入ったら、実務との接点をつかめないまま門前払いになっていたと思います。データ可視化はすぐに実務で実践したいと思いました。 ・また、予測精度や異常値の扱いなど機械学習の注意点やその影響範囲、データを眺めることの重要性など、 機械学習を取り入れるにあたっての重要な前提を、実例をもとに学べた点がとてもよかったです。 ・文系出身者にはなかなかイメージを持ちづらい部分をクリアにすることが出来ました。(経営企画部・女性参加者) ・大変勉強になりました。業務で一部退出してしまいましたが、動画で見返すことができ復習もできました。 フォローアップ日にも「こんなことも分からないの」と恥ずかしくなるような問いにも真摯に答えていただき、感激しました。 まだまだ復習と繰り返しの練習が必要ですが、受講してよかったです。 ・(機械学習ソフト)RapidMinerの使い方もさることながら、データを可視化すること、ビジュアル化して考えること、 アルゴリズムの考え方など、応用展開できる学びが多かったです。 ・先生のわかりやすい事例も文系の私にはわかりやすく、他の参加者の方のコメントや質問も学びになりました。(女性参加者) ・全体的に講義の説明やペースがちょうどよくでわかりやすかったです。 ・講義一日目の機械学習の実際の活用の仕方のところが大変参考になりました。 また、二日目の回帰編では変数選択のところが特に参考になると感じました。(購買部門・男性参加者) 6

7.

受講いただいた方からの声・感想② 機械学習の概要・イメージを習得することができ、また演習を通して実際の予測モデル構築の流れも学ぶことができました。 この分野は初の講座でしたが、データ分析のハードルが下がりとても勉強になりました。 かなり広い分野を網羅して学ぶことが出来てよかったです。演習も分かりやすかった。 入門書や雑誌の特集を読んでなんとなく理解していたことが、ノーコードツールを使って自分でできたことが面白かったです。 機械学習アルゴリズムの具体的な利用イメージがつくようになりました。 講師の説明が分かりやすく、ハンズオンの演習もよかった。 データ分析だけでなく、ビジネス上の課題やDXプロジェクトの実務で発生する問題など小話が興味深かった。 アルゴリズムの解説やツールの使い方もフォローいただき助かりました。す。 初心者でしたが、講義と演習のバランスが良く理解が進みました。 興味ある分野だったのでこれまで独学で勉強もしていましたが、勘違いしていた点など改めて勉強になりました。 独学である程度勉強されている方にもおススメできる講座だと思います。 かなり丁寧に講義をすすめて頂いたので理解できました 教師あり、教師なしアルゴリズムの違いやデータ分析の目的、予測精度向上テクニックなど多くの点を学べました。 また、私は文系卒ということもありPythonで独学しようとしてプログラミングで挫折していましたが、今回はバッチリついて行けました。 7

8.

詳細カリキュラム ◇イントロダクション:機械学習の全体像 ◇教師あり学習:回帰 ✓ データ分析者に求められるスキルセット ✓ 線形回帰アルゴリズム解説 ✓ 教師あり学習・教師なし学習・強化学習 ✓ 回帰評価指標:MSE・RMSE・R2 ✓ 機械学習の目的・メリット ✓ ハンズオン演習① テスト点数予測 ✓ 予測精度と説明性・解釈性の関係 ✓ ハンズオン演習② 住宅価格予測 ✓ データの非線形性とノンパラメトリック回帰 ◇教師あり学習:クラス分類 ✓ クラス分類アルゴリズムの回帰への適用 ✓ アルゴリズム解説:決定木・K-NN・SVM・ Deep Learningなど ✓ 回帰における重要注意点 ・予測範囲:内挿・外挿 ✓ ハンズオン演習① アヤメの花の分類 ・多重共線性の影響と確認手法 ✓ ハンズオン演習② 購買予測 ・外れ値・異常値が予測モデルをどう歪めるのか? ✓ ハンズオン演習③ センサーデータによる分類 ✓ 予測精度検証:クロスバリデーション ◇予測モデル精度向上テクニック解説・演習 ✓ コンフュージョンマトリックス ✓ 変数選択:ステップワイズ法 ✓ クラス分類評価指標:Accuracy・Recall・Precision ✓ ハイパーパラメータ最適化:グリッドサーチ ✓ オーバーフィッティングとアンダーフィッティング 8

9.

ノーコード機械学習ソフト 画面サンプル① ※プログラミング未経験者でも簡単に予測モデル構築が可能 9

10.

ノーコード機械学習ソフト 画面サンプル② ※パイパーパラメータ最適化(グリッドサーチ)の例 10

11.

ノーコード機械学習ソフト 画面サンプル③ ※データ可視化機能の例 11

12.

教材サンプル① 12

13.

教材サンプル② 13

14.

ミニ体験会 「概論解説:機械学習入門」 This illustration was generated by Painting AI: MidJourney.

15.

Agenda はじめに:データ分析者に求められるスキル 機械学習入門

16.

デジタル変革・AIプロジェクトに求められるスキルセット 課題背景を理解した上でビジネス課題を整理し、 解決する力(≒ビジネスコンサルタント) ビジネス力 (Business Problem Solving) 情報処理、人工知能、統計学な どの情報科学系の知恵を理解し、 使う力 (≒データサイエンティスト) データ サイエンス力 (Data Science) データ エンジニア リング力 (Data Engineering) データサイエンスを意味ある形 に使えるようにし、実装、運用 できるようにする力 (≒ITエンジニア) ※一般社団法人データサイエンティスト協会「スキルシート」資料を一部改変 16

17.

分析プロジェクトの流れと必要スキル デ ー タ 分 析 ・ 活 用 の 流 れ 出所:一般社団法人データサイエンティスト協会資料より加筆修正 17

18.

Agenda はじめに:データ分析者に求められるスキル 機械学習入門

19.

機械学習の種類 ◆教師あり学習 • 状態や結果がわかっているデータ から予測を行う ◆教師なし学習 • 漠然とデータのみ存在 ⇒新たな知見の発見 教師あり 教師なし 学習 学習 ◆強化学習 • 試行を積み重ねてよいやり方、 悪いやり方を学んでいく 成功 ⇒ 報酬 失敗 ⇒ ペナルティ 強化学習 19

20.

教師あり学習のイメージ ◆回帰系(数値をあてる) ◆分類系(A or B) 土地の面積と金額 商品の品質管理 ( ( 金 額 ) セ ン サ ー B X X X X X X ) X X X (面積) (例)土地の面積 ⇒ 地価 天候・気温 ⇒ ビールの売上 (センサーA) (例)センサーデータ ⇒ 正常 or 故障 購買履歴 ⇒ 買う or 買わない 20

21.

教師なし学習のイメージ ◆異常値の発見 赤 青 ◆クラスタリング = 異常 = 正常 普段と違う動きを発見 新しい切り口での層の発見 (例)センサーデータからの外れ値検出 (例) 購買履歴から顧客層の発見 21

22.

異常値事例 -クレジットカードの不正使用を検知- -クレジットカード使用履歴- 2月 使用頻度 1回 使用金額 12,000円 3月 2回 30,000円 4月 1回 11,000円 5月 3回 54,000円 6月 10回 600,000円 不正利用の可能性 22

23.

強化学習とは • 試行錯誤を繰り返して 「利得を最大化する行動」を学習 • ポイントは2つ -シュミレーション環境の構築 -評価関数の構築 ➢ DeepMind Learns Parkour https://www.youtube.com/watch?v=faDKMMwOS2Q ➢ DQN Breakout https://www.youtube.com/watch?time_continue=11&v=TmPfTpjtdgg ➢ Autonomous robot car control demonstration in CES2016 https://www.youtube.com/watch?v=7A9UwxvgcV0 23

24.

(参考)Alpha Goの進化 Alpha Zero 出所:https://deepmind.com/blog/article/alphazero-shedding-new-lightgrand-games-chess-shogi-and-go AlphaStar 出所:https://deepmind.com/blog/article/alphastar-mastering-real-timestrategy-game-starcraft-ii 24

25.

アルゴリズム ≒ 個性 • K近傍法 • 決定木 • Gradient Boosting Machine • ロジスティック回帰 • Support Vector Machine • Neural Network • Deep Learning etc… 25

26.

判定根拠の分かり易さ Sensor1 X ≧ 25 高 い 説 明 力 低 い • 決定木 • ロジスティック回帰 • K近傍法 • Support Vector Machine • Gradient Boosting Machine • Neural Network • Deep Learning etc… X < 25 Sensor4 std X ≦ 3.5 X > 3.5 Sensor3 Mean X ≧ 88 NG X < 88 OK 26

27.

データ分析の目的 ✓予測 :回帰・分類など予測を行いたい (例:株価予測、購入者予測) ✓因果推論 :どのような因果によって物事が成り立っているのかを知りたい (例:TVCM、新聞広告、ラジオ広告の内、最も売上に貢献したマーケティングプランを明らかにしたい) ✓知識発見 :データの中から何らか有用なパターンやルールなど 新しい知見を得たい 27

29.

フレイ・アンド・テクノロジーズ事業領域 私たちフレイ・アンド・テクノロジーズはデザイン思考・ビジネス理論から 機械学習・データ分析テクニックまで学べる実践型ビジネススクールです 公開講座 企業研修 組織支援 オープンコース講座開催 オンライン集合研修の開催 高度人材育成ロードマップ策定 外部イベント・セミナー登壇 事業開発ワークショップの開催 DX推進部 / AI推進部組織立上げ支援 高度人材育成・キャリア開発啓蒙 社員のキャリア開発啓蒙 伴走型コンサルティング 29

30.

講師紹介:第一線での実務経験 × 教えることのプロフェッショナル • フレイ・アンド・テクノロジーズ 代表講師 • 熊本学園大学大学院 会計専門職研究科 准教授 • 慶應義塾大学大学院 経営経営管理研究科 「データサイエンス」 非常勤講師 • ワシントン州公認会計士(USCPA) / MBA(慶應義 塾大学)/ 博士(経済学・九州大学) • 国立高松高専専攻科修了 / MBA(慶應義塾大学) • 国際会計事務所・みずほFGにて監査・M&A 業務に従 事したのち、民間企業にて経営企画業務に従事。 経営 戦略立案・組織運営から事業計画策定や財務分析まで、 様々な経営課題に取り組む。 • DXコンサルタント・アナリティクスリード。大企業を 中心としてBI・機械学習・データ処理基盤などのプロ ジェクトに長年従事。慶應義塾大学の他、青山学院大 学でも機械学習科目を担当し、企業向け講義・講演も 多数。 • 医療系サービスの新規事業開発経験、上場企業の新規 事業立ち上げに取締役として関与(ビジネスモデル構 築)、現在も複数の新規事業プロジェクトに参画。 • DX・機械学習・データサイエンス関連科目を担当 講師・代表:高木 宏明 • ビジネス・新規事業開発関連科目を担当 講師:新改 敬英 • シニアBIコンサルタント・シニアデータエンジニア • 慶應義塾大学大学院 システムデザイン・マネジメント研究科 特任助教 • データ分析専門会社にてBIコンサルタント・データ分 析基盤エンジニアとして10年以上のキャリアを持つ。 企業データの可視化やデータ分析環境の構築に携わる ことが多く、ビジネス側に立ちつつ、IT側としても運 用のしやすいシステムの立案〜構築~運用まで幅広く 対応。 • システムエンジニアとしてサプライチェーンマネジメ ントの企画、設計、運用に長年従事。 IT系を中心とし たアーキテクチャ設計の専門家。現在は大学教員及び 研究者として様々なプロジェクトに参画。 • アーキテクチャ設計における概念モデルの作成手法が 主な研究対象。 • データ分析専門会社の役員を務めた後、現在もコンサ ルタント・エンジニアとして複数のデータ分析プロ ジェクトに参画。 • デザインシンキング関連科目を担当 • データエンジニアリング関連科目を担当 講師:久保田 道之 講師:大浦 史仁 30

31.

デジタル変革・AIプロジェクトに求められるスキルセット 課題背景を理解した上でビジネス課題を整理し、 解決する力(≒ビジネスコンサルタント) ビジネス力 (Business Problem Solving) データ サイエンス力 情報処理、人工知能、統計学などの 情報科学系の知恵を理解し、使う力 (≒データサイエンティスト) (Data Science) データ エンジニア リング力 (Data Engineering) データサイエンスを意味ある形に使えるよ うにし、実装、運用できるようにする力 (≒ITエンジニア) ※一般社団法人データサイエンティスト協会「スキルシート」資料を一部改変 31

32.

トレーニングコンテンツマップ(ビジネス×テクノロジー) ビジネス理論(MBA)・構想力 エントリー レベル ミドル レベル ハイレベル ✓ デザイン思考を用いたアイデア創出(0.5日) データサイエンス・データ分析 ✓ 機械学習・データサイエンス エントリー講座(0.5日) ✓ DX時代における環境変化・競争戦略(0.5日) ✓ DXによる新規事業開発(戦略戦略・マーケティング・ ファイナンス・組織)(1.5日) ✓ 速修!2日間でマスターする機械学習・データ サイエンス入門(2日) ✓ デザイン思考を用いたアイデア・ソリューション 創出(2日) ✓ SQLによるデータハンドリング・分析入門(2日) ✓ デザイン思考・システム思考を活用した 事業開発支援(6日) ✓ データサイエンティスト養成講座(6日) ※企業の課題・事業開発にあわせたワークショップ開催&伴走コンサル ※講座はすべてオンライン(zoom)で開催致します 32

33.

会社概要 会社名 フレイ・アンド・テクノロジーズ株式会社 事業内容 データサイエンティスト・デジタルコンサルタントなど 高度テクノロジー人材の育成・育成支援 IT・デジタル・機械学習・データサイエンス・ビジネスに関する 出版・企画立案・コンテンツ開発・トレーニング提供 設立 2022年3月 代表取締役 高木 宏明 資本金 3,000,000円 所在地 大阪府大阪市浪速区日本橋三丁目3番25-702号 HP・連絡先 フレイATホームページ:https://www.frey-at.com 無料オンライン勉強会:https://techplay.jp/community/frey-at Mail:[email protected] Tel:06-4400-2074 協力会社 株式会社デジタルコンティニュエ 様 株式会社ワークシフト研究所 様