ビジネスパーソンのためのAI実践講座① ~AIの仕組みを知ろう~
自分はエンジニアではないから人工知能（AI）を使えない、もしくは自社はテクノロジー企業ではないからAIとは縁がない、などと思っていませんか。 本動画は、非エンジニアの方がプログラミング言語を使わずにAIを実際に使うための実践講座です。①「AIの仕組みを知ろう」では、そもそも人工知能（AI）とは何なのか、AIにはどのような種類があり、ビジネスに導入するとどんなことが可能なのかについて導入部分を学びます。 監修：森谷 和弘 データ解析設計事務所 代表、データアナリティクスラボ株式会社 取締役 CTO、データサイエンティスト協会 スキル定義委員 株式会社富士通金融システムズ（現 富士通株式会社）でデータベースエンジニアとしてのキャリアを積み、その後データ・フォアビジョン株式会社にてデータベースソリューションや金融工学系ソフトウェアの開発、データサイエンス、人事等の役員を担当。2018年よりフリーランスとして独立し、AIコンサルタント、機械学習エンジニア、データサイエンティスト、データアーキテクトとして活動。2019年、データアナリティクスラボ株式会社を共同経営者として起業し、データサイエンティストを未経験者から実践経験者へと育成する事業に従事。
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。
32人の振り返り
naoki_sasano
メーカー技術・研究・開発
データを扱ううえで正規化する必要があることはわかったが、0-1正規化の使いどころがわからなかった。全て標準化で処理すれば良いのではと思った。
kazumi_100pot
金融・不動産 関連職
0−1正規化と標準化の相違点を十分に理解していなかったので、今回の講座でしっかりと勉強できた。
user-name01
販売・サービス・事務
データの前処理として、データの欠損の補完、外れ値の扱い、正規化の方法があることを学んだ。
tsuyoshi_asano
経営・経営企画
無意識に自分がやっていたデータの処理方法がラベルエンコーディングであった。
質的データの処理(動画内の例でいえばTシャツの数量)ではワンホットエンコーディングの方が正確に判別できると理解した。一方、項目(例えばタスクやTODO)の優先度を重みづけする場合、ラベルエンコーディングでも良いだろうと思う。
k_yuna
販売・サービス・事務
大変勉強になりました。
iso_ken
専門職
スケーリングと質的データの量的変換は参考になった
mainichi365
IT・WEB・エンジニア
データを見直すこと。
shirojpn
メーカー技術・研究・開発
データの前処理として、欠損の処理方法、データの正規化、外れ値の処理方法、質的データの量的データへの変換時の注意点等を理解する事が出来た。
外れ値の処理方法としての、箱ひげ図の事例はわかりやすかった。
k-akira
営業
正規化と標準化の違いが理解できた
inyourmind
建設・土木 関連職
まだ素人なので、オートスケーリングはいつも面倒くさいと感じてしまいます。
hr-sakai
その他
０－１正規化と標準化の違が理解できた。外れ値の処理の方法も理解できたのでもっと学習してみます。
watanabe-tat
専門職
質的データ、ダミー変数はワンホットエンコーディングを使う。ラベルリングデータは取り合う使いに注意する。
take515
メーカー技術・研究・開発
データ前処理の基本事項が確認できた。
ken222
営業
01正規化と標準化の手法をしっかり覚えるとともに、外れ値の扱いについてもしっかり覚えたい。
yasupii
その他
講義を聞いて、機械学習は使われるデータが重要であるので、その前準備が大切であると思いました。前準備について、知っておくべき基礎的なことが分かりました。どのようなモデルを作りたいのかで、使う手法が異なるので、実践する場合に留意していきたいです。
miura_ka
販売・サービス・事務
データの前処理の必要性と、前処理の種類を確認できたため取り入れたい。
matute
IT・WEB・エンジニア
データ分析を開始する前に外れ値の処理や正規化等を行い、正しいデータ分析ができるようにしたい
vegitaberu
人事・労務・法務
データの前処理は実際に意識していることですが、スケーリングの考え方は、抜けていました。これを理解できたのが、一番の収穫でした。
dense
メーカー技術・研究・開発
標準化もサンプル数が少ないと、外れ値の影響を受けます…
stani
専門職
データを前処理して使いやすいものにし、長期に利用できるようにしたい。
7031
経営・経営企画
データを扱ううえで正規化する必要があることはわかった。
koichi_seya
その他
外れ値の処理などの手法が具体的に学べてよかった
kenjiro_fujita
コンサルタント
すでにあるシステムのデータ定義書を見直して、今あるデータベースはワンホットエンコードなのか、ラベルエンコードなのか確認していきたい。
sesesese
その他
質的データの変換の説明はあってるのでしょうか？
S,M,Lの３つの区分があったら、作成する項目の数は2個ではないですか？
重回帰分析ではなくで、その他の機械学習の手法では、区分が３つの質的変数の場合、３つの変数を作成するのでしょうか？
chikako_k
IT・WEB・エンジニア
エラーになってしまう不要なデータは削除していましたが、削除にも手法があると知りました。
512177
資材・購買・物流
データの前処理の必要性を学びました
t_htn
経営・経営企画
データの前処理ｎ考え方が把握できた。
データ分析を適切に行うためにも、
しっかりデータ前処理を行いたいと思う
kk1000
販売・サービス・事務
ワンホットエンコーディングかラベルエンコーディングか、状況に応じて使い分けが必要だなと感じました。
hfkd156036
金融・不動産 関連職
0−1正規化と標準化の相違点を理解できた
ck27
その他
箱ひげ図などで具体的に外れ値をみながらデータを扱うことが学習できたので、活用していきたい
choko0504
メーカー技術・研究・開発
データ分析する際の基礎的な前処理について学ぶことができた。実務でいかすことがあればいかしたい 。
vz3000
IT・WEB・エンジニア
データの前処理について理解を深めることができた。スケーリングと質的データの量的変換の違いがよく分かった。