機械学習⑩時系列分析・自然言語処理／データサイエンス入門
このシリーズでは、スキルアップAI株式会社の「データサイエンティスト基礎講座」より、ビジネスパーソンが知っておくべき内容を抜粋してお送りします。データサイエンティスト検定™ リテラシーレベルにも対応した内容となっています。 スキルアップAIは、入門、データ分析、AIエンジニア基礎、ビジネス、クラウド、AIエンジニア応用といったカテゴリで様々な講座を用意しています。 スキルアップAI株式会社 https://www.skillupai.com/open/
会員限定
より理解を深め、他のユーザーとつながりましょう。
38人の振り返り
36271
営業
線形回帰について学ぶことができました。初めて聞く言葉が多くて少し戸惑いはありました。
k-akira
営業
線形回帰の理解と何が予測できるかがわかった
chikako_k
IT・WEB・エンジニア
明日の天気予報で、明日の売上が予測できるのは、とても良いと思いました。
miura_ka
販売・サービス・事務
概要について分かったように思うが、業務にどのように持ち帰るか考えたい。
hr-sakai
その他
データが数式で表現できることを知った。今後、学習していきます。
yasu_1234
メーカー技術・研究・開発
線形回帰は基本だけど、表現できる事象は少ないと思う。
inyourmind
建設・土木 関連職
線形回帰では説明できる事象は少ないと感じています。
kenjiro_fujita
コンサルタント
売り上げ予測を線形解析を用いて構築する。
takamasa59
金融・不動産 関連職
線形回帰の考え方、計算式について理解した、
hfkd156036
金融・不動産 関連職
線形回帰を理解できた。
koichi_seya
その他
モデルを用いた予測がどのようなロジックで行われているか一例を学べた。
naoki_sasano
メーカー技術・研究・開発
線形回帰とその評価手法についての考え方について理解できた。偏回帰係数についての考え方も理解できたが、具体的な求め方を示してほしかった。また説明変数の探索方法の説明も聞きたかった。
user-name01
販売・サービス・事務
線形回帰の基本的なことがわかった。今後、書籍などで深く学習を進めたい。
iso_ken
専門職
線形回帰で解析的に導出するという点では機械学習というイメージとつながった
7031
経営・経営企画
線形回帰の理解と何が予測できるかが分かるようになりました。
choko0504
メーカー技術・研究・開発
一般的なデータサイエンスの手法である線形回帰について学ぶことができた。一番利用シーンが多いと思われるので実務で利用する機会があれば活用したい。
stani
専門職
データ分析に線形回帰を使いバラツキを抑えることが重要である。
shirojpn
メーカー技術・研究・開発
線形回帰は、2次元までは、頭で理解できるが、３次元以降はどうしても
頭の理解がついていかなくなる。ただ、今回の説明はわかりやすかった。
また、線形回帰は解析法で値が求まるという説明は、更になるほどと思った。
take515
メーカー技術・研究・開発
線形回帰の基本的事項について確認できた。
t_htn
経営・経営企画
回帰分析の考え方が把握できた。
回帰分析の考え方を用いて、
目的に応じた影響度の高い要因を検討するように
したいと思う。
ken222
営業
データから予測を立てる場合、線形回帰を使うことをイメージしシンプルな予測モデルを作ることを考えたい。
k_yuna
販売・サービス・事務
大変勉強になりました。
512177
資材・購買・物流
必要に応じて、データの利活用を考えたい
vz3000
IT・WEB・エンジニア
線形回帰の概要、計算式について理解を深めることができた。
yoshikazu-1103
営業
仕事の中で、件数とそれに伴う実績など『件数が多ければ実績もそれに伴っているか？』いろいろな観点から実装してみたいと思います。
vegitaberu
人事・労務・法務
単回帰分析のメカニズムを復習することができたと思います。と同時に、こんな単純な分析は、実際にはないと思いますので、ここでつな図数、先に進みたいと思います。
watanabe-tat
専門職
重相関係数を使って、重回帰分析の決定係数を判断したい。
sesesese
その他
パラメータの値に意味を見出せるところが素人にはありがたい。
gary-a
マーケティング
マーケティングの分析手法の一つとして活用を考えていきたいです。例えば製品について機種毎の市場価格の分析など
pon0829
その他
前提がこれですと説明されても
それがなぜなのか？がわからないので
理解が容易にできない
kazumi_100pot
金融・不動産 関連職
線形回帰については、理論としては理解できるのですが、しっかりと頭に入ってこない感じがします。もう一度復習してみたと思います。
yasupii
その他
線形回帰のパラメーターの影響度について、その値の大きさで評価できそうだと直感的に思っていました。本講座で、単純にその大きさを比べるのではなく、標準化をしておくことが必要だと学びました。そのことを忘れずに活用したいと思います。
taka1962
販売・サービス・事務
線形回帰はエクセルでもできるので、今後積極的にやってみたいと思います。
kuro-a
IT・WEB・エンジニア
数式の表現がとっつきにくい感じを出していましたが、なにを議論しているのかを確認するだけの下地になるかなと思いました
konbass8
金融・不動産 関連職
線形回帰のグラフは理解できた。一方で計算式はやや難しく理解が追いつかなかったので復習したい
matute
IT・WEB・エンジニア
線形回帰を用いて、売上に対する相関ある変数を定量的に可視化して導きだすのに有効だと感じた。
kk1000
販売・サービス・事務
始めて学ぶ内容だったので理解まで追いついていませんが、
様々な予測に使えることはイメージできました。
k--g--
その他
単回帰分析と重回帰分析の差異（結果の評価）に気づくことが出来ました。