ビジネスパーソンのためのデータ・AIリテラシー/②データ蓄積
【DataRobot社 受講後アンケートにご協力ください】 アンケートにご回答いただいた方で、ご希望される方にはDataRobot社からのAI活用方法や事例、テーマの選び方、そして貴社の課題のヒアリングを目的としたフォローアップセッション(無料)を実施いただきます。アンケートのご協力の程、よろしくお願いします。 ※ リソースの関係上、全ての方にセッションを提供できない場合があります。予めご理解の程よろしくお願いします。 https://docs.google.com/forms/d/e/1FAIpQLSeQ554Km-jJqBG5MvHp0-7yIVQgxsw2ntZgSozrqxLCfGdCHA/viewform また「ビジネスパーソンのためのAI実践講座④ ~DataRobotを活用しよう~」では、DataRobotの使い方を詳しく解説しています。以下のリンクからご受講ください。 https://globis.jp/courses/a18da4a7/ ビジネスパーソンがデータやAIを活用するうえで、知っておかなければならない知識やよく直面する課題を、用語解説を交えてやさしくお伝えします。この動画では、データをデータベースに蓄えていく「データ蓄積」を取り扱います。データを利用しやすいように、整理したり加工したりするプロセスが含まれていて、AIによる分析を行ううえで重要なステップとなります。
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。
40人の振り返り
yu0917
販売・サービス・事務
データ分析の品質は、データの前処理によって、ほぼ決まる。
時間をかけてデータを整える。
1
7031
経営・経営企画
AIによる分析の精度を上げるために重要な「データ加工」は
●欠損値
●異常値の補正
●特徴量エンジニアリング
説明変数を策定することがポイントであると感じました。
0
sm054307
経営・経営企画
ただ蓄積したデータだけでは利用できないので
加工することを前提で、分析のテーブル構成を検討しなければいけない
0
mhbl_nakayama
IT・WEB・エンジニア
データ分析において、データ加工が8割を占めるというお話が印象的でした。
結論を導くために必要なデータを見極めたうえで、ただやみくもにデータを集めるのではなく
分析対象の要素や周期を事前によく検討し、適切にデータ加工することの重要性を学びました。
0
y_miba
その他
データ分析の時間は前処理が8割というのが衝撃でした。データクリーニングなど地道な作業の上に成り立っているのですね
0
nagamatsu-naoki
金融・不動産 関連職
ベースとなるデータの整理がとても重要と理解できた。
0
k_kennji
営業
データを蓄積だけではなく、実用するために処理をすることがとても重要と感じました。事前の処理でほとんどの事が決まると思いました。
0
akashi3661
営業
データの前処理の大切さを再認識しました。
0
k--g--
その他
気になった点として、個人情報を扱う上で同姓同名には最新の注意を払おうと思いました。
0
stengnabe
その他
データ活用するために、データの加工が重要であることが分かったので、業務に活用したい。
0
kawaguchimas229
IT・WEB・エンジニア
とくちょう量を見定める必要ありですね
0
yasupii
その他
データ加工の中の特徴量エンジニアリングに興味を持ちました。集めたデータだけを使うのではなく、1ヶ月の購買料や購入周期などを計算しておくことです。この中で、自分達は普段どのような観点でデータ分析をしているのかが使えることも知りました。今後、この考え方を使って実践してみたいと思います。
0
k_yuna
販売・サービス・事務
学びが多い内容でした。
0
yuki_1203
IT・WEB・エンジニア
一度では内容が頭に入ってこなかったので、視聴2回目です。
前処理が8割、というのがKey Wordだと感じました。
その前提で、スケジュールや体制が必要になると理解しました。
0
nonchankawaii
IT・WEB・エンジニア
実際に特徴量を探し、特徴量を加工すると、選択肢は無限になってしまう。
この辺りがAIを使うことによって最適解を出せるようになるとAI予測の敷居がもっと低くなると思う。
0
stani
専門職
データを加工し扱いやすいようにすることが重要である。
0
zummy_0617
金融・不動産 関連職
AIの制度向上をあげるには下記の事項を修正しなければなりません。
・異常値
・欠損値
・特殊エンジニアリング
技術者と業務に携わる人、専門家と議論を重ねていくしかないです。
0
watanabe-tat
専門職
AIによる分析の精度を上げるために重要な「データ加工」では、欠損値、異常値の補正と共に、特徴量エンジニアリングで説明変数を策定することがポイントである。
0
masuhide
経営・経営企画
おいしいけれど毒ある魚との例えは、分析する上で前処理がその品質に最も影響するということで「なるほど」と感心しました。
データのかたちがデータ加工で不具合の元となる微妙なデータのお話はこれまでの業務でも多々ありました。
身に染みてその重要性を感じるお話です。
選別する上で加工したい最終形態をある程度予測して精度を上げるためのデータの前処理の必要性を感じました。
0
taiichi-yoshi
IT・WEB・エンジニア
データ分析を実施するにあたり、目的に応じた特徴量の理解、データ加工、分析の専門家との対話が、いかに重要か認識しました。
0
fujii_tomohiro
その他
前処理が重要で時間の八割とのこと。それだけのノウハウをどう身に付けるかが今後の課題。
0
matsu_411
専門職
人間がデータ分析で行っていることを言語化して,コンピューターが理解しやすいように加工する(特徴量エンジニアリング)
0
fanatic
人事・労務・法務
前準備の重要性を学べました
0
hr-sakai
その他
何事も事前準備8割というが、データ処理も同じ事が言える事がわかりました。
0
jintan-papa
営業
データを分析するときは、分野の専門家と話をしながらするというのは、印象に残多った。
0
faoki
IT・WEB・エンジニア
下ごしらえによって、データは毒にも薬にもなるという気付きを得ました。
0
suzuzuzu
その他
とても勉強になりました
0
hide-ama
メーカー技術・研究・開発
今回はデータサイエンスの初歩的な内容でしたね。
0
iso_ken
専門職
AIを構築する際には、業務の理解が不可欠である。自分たちの業務をよりよく理解したうえで、AIの構築を進めたい。
0
sbsconts
コンサルタント
当講座を受講するまでは、AIにはデータ量が多ければよいので、大量のデータを用意し読み込ませればよ言うという認識でいましたが、AIが使えるデータに加工することが重要という、全く異なる認識でいたことに気づけました。何事も、そのものの本質を知り、アクションを起こす必要があると思いました。AIはあと2講座を受講し、先ずは全体像を把握しようと思います。
0
koichbaba
経営・経営企画
データ加工における留意点が理科できた。
0
kiso_2115
コンサルタント
データ前処理の方法を適用してから、データ分析をできように日常的にトレーニングする。
0
jshinmura
IT・WEB・エンジニア
データ加工は前処理の重要性が8割であることを学びました。また、特徴量エンジニアリングは、現在汎用的なものは多くの知見の蓄積がされていることもあり、AIの専門家と会話をしながら仕組みづくりを進めていくことが効率が良いことを学びました。
0
i323
その他
データ分析の精度を上げるには前加工が重要で8割方のはそれにかかっていることが分った。自業務で分析をすることはほとんどないが参考にしたいと思う。
0
512177
資材・購買・物流
データ加工では、名寄せなどの前処理をしておくと精度があがる
0
sho_yam
資材・購買・物流
データクレンジングの重要性を理解できた
0
t_terakawa
メーカー技術・研究・開発
人間の感覚に合ったデータ処理をして、AI活用をしていく。
0
yuukahm
IT・WEB・エンジニア
データ分析の品質は、データの前処理によってほぼ決まる。
0
naoki_sasano
メーカー技術・研究・開発
精度の高い予測値を得るためには、収集データの前処理、特徴量の計算することが重要だということを学び、これからの機械学習で注意していこうと思った。
0
ryoma-tst
クリエイティブ
データ加工から使えるものにしていきたい
0