回帰分析 ~因果関係を把握・分析しビジネスのヒントを得る~
回帰分析とは、ある変数と他の1つ、またはいくつかの変数の関係を見る分析です。たとえばアイスの売上に影響を与える変数を知るといったことです。どの変数に関係があるかを明らかにすることで、施策検討に活かすことができます。また、変数間の関係を知ることで、知りたい情報の予測をすることができます。 単回帰分析と重回帰分析の手法を通して、変数間の関係の把握やそれに基づいた予測などを学びます。 ※2019年5月、一部内容をリニューアルいたしました。 旧版でコースを修了している場合、本コースは未視聴・未修了の状態となります。 旧版の修了証はマイページの「学習の履歴」より引き続き発行いただけます。
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。
100+人の振り返り
hideyukit
マーケティング
知っているようで、正確な意味を知らなかったことをさらえる、いいコンテンツでした。
自分の場合、分散と標準偏差の違い、ディープラーニングがニューロモデルでのシミュレーションであることなどです。
2
mayu_37
人事・労務・法務
少し難しいが、あげられていた例が分かりやすかったです。
0
mao-joan
経営・経営企画
それぞれの分析手法を理解して、目的に合う手法を使うことが重要だと思う。
0
shimn
メーカー技術・研究・開発
強化学習、教師なし学習、教師アリ学習の違いがよく分かった
0
nakajisa
販売・サービス・事務
分析については未知だったので、更なる学習が必要。データマイニングに必要になりそう。
0
murasan0928
その他
学生時代に習った内容や業務機会に得た知識を頭の中で整理するにに役立った。
今後、様々なビジネスシーンで同様の用語に遭遇した場合に、他の用語の関係も含めて今回整理できた知識を活かしていきたい。
0
yuduki_y
その他
分析に役立つ分析方法についてこんなにたくさんの種類があることを知りませんでした。何となくの概要については理解できましたが、実際の業務においてどのように使うかのイメージがまだ曖昧なので、調べてみようと思いました。
0
konaka_r
営業
内容をもう一度見返してみます
0
takuya1001
マーケティング
当たり前に使っていた用語を浅く広く説明されているので、復習として有益と感じる。
0
inyourmind
建設・土木 関連職
機械学習に関する基礎的な用語説明でした。
0
madogiwazoku
その他
一般的な内容だと思いました。
0
ankh
IT・WEB・エンジニア
教師あり、教師なし学習、学習強化学習の違いが分かった
0
nobuyuki_46
営業
知識の再確認ができました。独立などは実際のビジネスでは使用することが少ないですが、より理解を深めることで、活用場面を見いだせればと思います。
0
northfox_autumn
経営・経営企画
DXの取り組みや業務改善
0
mkh8510
メディカル 関連職
今回の学習内容は、IT用語というよりは、
高校の理系数学、統計学の内容であった。
機械学習で、例えばPythonを使用し、ライブラリをどれを使うと、機械学習に適した環境を構築できるなど、具体的なことを学習したい。
0
happoh
メーカー技術・研究・開発
日頃接している用語の説明を改めに確認することが出来た。普段あまり使わない内容もあるので、今後業務でも使用しようと思う。
0
x0888
メーカー技術・研究・開発
知見のない言葉などは会話の参考になる。
0
show0914
メーカー技術・研究・開発
反復勉強します。
0
s_atmimi
メーカー技術・研究・開発
なかなか難しい。
0
shoji-k
IT・WEB・エンジニア
とても役に立ちました。
0
yoko-matsuoka
その他
通常の業務では使用しない専門用語ばかりだったので、復習が必要だ。
0
pana_2022
経営・経営企画
データには質的変数と量的変数がある。
0
shoshioka
メーカー技術・研究・開発
変数は数値で計測できる量的変数についつい着目してしまいそうだが、質的変数にも着目したい
0
ke_sato
経理・財務
基本的な勉強に良い。知らない言葉もあった
0
haniwainu
経理・財務
機械学習の詳細を知ることができたのは良かった。ただ、それぞれの用語のつながりが分かりにくく、分析についての全体像が見えなかった。
0
atuya
その他
用語を改めて把握できた。
0
takeshi_kun
販売・サービス・事務
評価・分析の対象をイメージとして捉えている事が多かったように思うが、分析用語を学習した結果、イメージではなく分析や統計の正しい用語・定義に基づいた対象として認識していくことに活用できると思います。
0
sphsph
メーカー技術・研究・開発
今の時代データは山盛りあるので、どう分析しその結果を踏まえどう行動するか?
そこの繋ぎです。
偏見が入るので何とも難しいです。
結果ありきでは全く意味がない
0
stani
専門職
用語の説明を学んだ。
0
si51083203
その他
復習に最適な長さと簡潔さでした
0
yeon
メーカー技術・研究・開発
平均値・中央値・最頻値
データの個数で求められる値
大きさ順に並び変えた中央の値
データの中で最も頻度が高い値
分散と標準偏差
定期んちとの差を二乗の合計/データの個数
分散で出した値の平方根をとった正の値
乱数:次の値が予測できないランダムの数
独立:2つの事象について一方の事象が変化したときにもう一方の事象が変化しない
機械学習:コンピューターが自動学習
深層学習:機械学習の深いバージョン
教師あり学習/教師なし学習/強化学習:正解/答えない/ゲームなどの思考
量的変数/質的変数:数値で測ることができる/測らない
説明変数/目的変数:予測に使う変数/予測したい変数
外的要因:外的要因でサービスや購買に影響を与える要因
0
city_runner
その他
よく分かりました。これから仕事に活用します。
0
75475
メーカー技術・研究・開発
今後発展していく業務内容の中で活かせる知識があるかもしれない。
0
ryoma-tst
クリエイティブ
データ分析はあまり馴染みがないので今後活用したい
0
yukoshib
マーケティング
業務で平均値を使うときは、中央値や最頻値も確認してデータ分布に偏りがないかどうか調べてから施策に落とし込んでいきたい
0
to-ymj
その他
基礎知識を纏めて知ることが出来ました。
0
y-arano
メーカー技術・研究・開発
実験データを解析することがあるので、データの解釈のために、社内のデータだけではなく、社外データも有効活用することが大事なことを理解。
また、正しく用語を使うことで、他者と正しく意思疎通ができるので用語をしっかり理解しておくことも重要であると感じた。
0
mist360jp
販売・サービス・事務
いよいよもって理解が難しくなってきた。別の学習方法を検討しなければ!
0
tanakatake
経営・経営企画
分析は苦手分野ですが、色んな手法があることは理解しています。
0
kenji1209
メーカー技術・研究・開発
たいへんよくわかりました。
0
kazu-mishima
営業
うーん、なかなかわかりにくかったです。
0
k_y_76
IT・WEB・エンジニア
機械学習の特徴を踏まえて、教師あり/なし等どの学習が使われているかをイメージしながらサービスを利用することで、検索結果やAI利用(プロンプトエンジニアリング)において、自分がより求めている結果をどのように出力するかの一助になると感じた。
0
hr-sakai
その他
学習させるデータは公平性をもたなければならない。
0
cw92040
経営・経営企画
数多くの分析の用語、、、これがわからないとデータも作れないから大事だと思った。
0
n-o-b-u
メーカー技術・研究・開発
今の業務では、中央値などちかっていないものはあるが、分析方法は色々あるので都度判断して必要なものを使うべきだと思う。
0
kiyoe2023
その他
難しい。何度か繰り返して視聴する必要があります。
0
koooou_
販売・サービス・事務
大学の時を思い出しました。
0
ozawa_h
IT・WEB・エンジニア
AIで利用されるIT用語の基礎でした。GLOBISの他コースを受ける前に取得して置くと便利だと思いました。
0
kamutaku
金融・不動産 関連職
基本用語をしっかりと理解し日常生活に当てはめて考えていきたい。
0
masa_2023
経営・経営企画
・中央値の算出方法がわかった
・教師あり/なし機械学習の違いがよくわからなかった
0
yusuke_takao
メーカー技術・研究・開発
統計用語をざっくりと理解できた。これからデータ分析する際に意識したい。
0
amano_048001
資材・購買・物流
変数の単語までは覚えられなかったが、ある程度の意味は理解できる。
0
mnezuminn
販売・サービス・事務
難しいです。数学の知識が必要
0
hokuto1
営業
実際に使ってみないと身につかなそうな用語集であったが、分析業務を行うことがあまりないので、知識を役立てるのは難しそうだった。
0
bunbun3
人事・労務・法務
機械学習と深層学習の違いを学べた。
平均値/中央値あたりは大学で心理学を学んだ時の分析で授業で習ったなぁと思いだしたりした。
既存知識と、単語は知っていても意味までは知らなかったことについて学ぶことを合わせて、業務効率を上げていきたい。
0
tatsuro-kochi
メーカー技術・研究・開発
基本的な知識が整理できた
0
yunikoko
販売・サービス・事務
分析関連のワードは苦手な分野ではありますが、気になる分野ではあるのである程度は理解していきたいと思いました。
0
ynhata
金融・不動産 関連職
良いシリーズと思います。
0
kawanami2
販売・サービス・事務
こういうまとめ好き〜
0
ryoma12
営業
ディープラーニングにおいては、3種類の勉強法がある旨理解した。
0
sam_m
メーカー技術・研究・開発
基礎の基礎なのでまだ使えない
0
kyon-m
その他
不具合の未然防止に、過去トラのテキストデータから重要ポイントを読み取ったり、活用すべき過去トラを提案したりするシステムがあるとよいと思った。
0
nakajima2512
販売・サービス・事務
だんだん難しくなってきました!変数の話などが出てくると混乱します。。
0
yuka_ms
販売・サービス・事務
統計的な処理をしたデータを解釈する際に役立ちそうと思いました。
0
user-d7a0869b99
undefined
これからビッグデータ分析をしていくにあたり、自分の知識レベルを確かめることができました。
知らなかったり理解していたつもりになっていた分析用語もあったので、復習を繰り返して自分のものにしていきます。
0
gouda0922
経営・経営企画
馴染のない用語ばかりでした
勉強になりました
0
syoneda
営業
基礎知識として知っておきたい
0
t-wakazuki
営業
聞いたことはあるがしっかりと意味を把握していなかった用語の意味を知ることができた。
0
yu_tako11
IT・WEB・エンジニア
日々活用している用語を正確に理解するための良い機会になりました!
ただ、用語自体を知らない人が社内には多いので、自らがデータ分析の火付け役となって浸透させたい。
0
awanoa
IT・WEB・エンジニア
データ解析、分析において必要な用語を再確認しました。
0
ikoan-
IT・WEB・エンジニア
本コースで学ぶことで、何となくで使っていた言葉を正しく認識できた。プロジェクト検討時の議論に活用していきたい。
0
fsa
クリエイティブ
用語について理解を深められた
0
fx26770
メーカー技術・研究・開発
機械学習に関してはもう少し深掘りして基本的なロジックを理解したい。
0
k_yuna
販売・サービス・事務
短い時間で見やすかったです。
0
sin1979
メーカー技術・研究・開発
分析に関する用語について習得できた。
0
ayuwta
IT・WEB・エンジニア
①機械学習(Machine Learning)と深層学習(Deep Learning)の利用され方
②教師あり学習/教師なし学習/強化学習の特性
を、初めて学ぶ事が出来た。
0
takuya1182
資材・購買・物流
業務に活かせなさそう。
0
sanga21
販売・サービス・事務
ゆっくり理解しようと思います。
それぞれの、特徴に合わせた使い方が出来ると良いと思いました。
0
teruhiko800
営業
聞きなれない単語も多くあったが知っておいて損はないかと。
0
yamazaki-fumito
営業
コンピュータの学習方法にも様々あり、既にいろんな領域で使用されている事を知った。
0
a-yashiro
専門職
外的要因を使うときは前処理が必要なことが多い
0
shioa
IT・WEB・エンジニア
データ分析の基礎として重要な知識が学べた。
0
pom876
人事・労務・法務
分析の種類がどんなものがあり、どのような用途に使用するのかがわかった
0
512177
資材・購買・物流
いろいろな分析があるが、ファクトが重要と思います。
0
ih091705
金融・不動産 関連職
知っているようで、正確な意味を知らなかったことをさらえる、いいコンテンツでした。
自分の場合、分散と標準偏差の違い、ディープラーニングがニューロモデルでのシミュレーションであることなどです。
0
m_kusunoki
IT・WEB・エンジニア
統計学と思っていたのですが分析分野のIT用語との講習でした。AI分析ツールを利用する企業も増えてきており、しっかり”用語”については理解し利用しなければと思いました。
0
b0501174
経営・経営企画
用語の理解が進みました。
0
kiri112
販売・サービス・事務
分析したことがないが、今後活かしていきたい。
0
k_soda
営業
回帰分析など基礎をしっかりできるようにしたい
また、商社だからといってITの知見が浅いことはゆるされないので
しっかり自主学習してs、最低限のITリテラシーを会得したい
0
fukunaga1229
営業
私が専攻している心理学においても、質的分析や量的分析、さまざまな統計事項は必須科目であったので良い復習になった。
0
risa_d
その他
確率統計や数学の考えをデータ分析でどのように使うか知ることができた
0
7031
経営・経営企画
知っているようで、正確な意味を知らなかったことをさらえる、いいコンテンツでした。
0
nishiyan86
メーカー技術・研究・開発
最近AIがトレンドとなっているので、言葉の定義を再確認出来て良かった。
0
meiguan
専門職
様々な分析手法を活用することで、要因を解析し、アクションに繋げる
0
bonsai-19
クリエイティブ
ちょっと難しかったです。用語の意味確認からはじめたほうがいいかもしれないと思っています。
0
hidekinohanabi
営業
it用語の基本的意味をしっかり理解し使い分けしようと思います。
0
nh_98
人事・労務・法務
IT用語が少し難しかったので、しっかりと復習して学びを深めていきたいです。
0
saphie
販売・サービス・事務
機械学習、深層学習といったニュースで取り上げられる基本語句の意味が理解できていなかったことに改めて気づいた。意味はきちんと調べて理解することを習慣としたい。
0
happy-go-lucky
販売・サービス・事務
分析編になるとグッと難易度が上がるね。用語を理解するのに少し脳の抵抗を感じる。
印象としては、データクリーニングが大変そうってことかな。実際にはプログラム組んでサッと終わらせるのだろうけれど。
新しく学んだことは、機械では自然乱数は生成できないということ。アルゴリズムが必要なんだね。
アルゴリズムエンジニアって、何してる人? アルゴリズムってどうやって作るの?
0
sutata
クリエイティブ
用語の知識を深めていくことで、AIや分析の話題の理解につながっていくと思う
0