10月142020

【データサイエンスが理解できる】すいすい会 4th

すいすい会

データサイエンスに関する雑談を通して、すいすいデータサイエンスを理解できるような知見を貯めていく『オンライン雑談会』

GRIの分析官リーダが主宰してテーマについてお話します
参加無料、お昼を食べながらお気軽にご参加ください

参加方法

以下のURLからzoomでの参加が可能です
https://zoom.us/j/96152836275

参加無料
時間になりましたらご自由にご参加ください

スケジュール

第4回　2020年10月14日（水）12：00～13：00
隔週で開催予定

テーマ

第４回「自動機械学習での特徴量の作り方」

自動機械学習の工程の中で最も時間を要するのが予測ターゲットを説明する特徴量データの準備になります。エンジニアリングです。ここでは、特徴量の考え方、アンチパターン、モダンなアルゴリズムで不要な特徴量処理をお話します。また、Tableauなどの可視化ツールで事前に分析しておくべきことと自動機械学習での特徴量エンジニアリングの使いどころをお伝えします。さらに、特徴量エンジニアリングで使うべきツールは以前お話をいたしましたが、Python, R, Tableau Prep, Alteryx, Talend, Matillionの違いをさらっと眺めます。

– 特徴量エンジニアリングの基本形

– 特徴量のアンチパターン

– ForecastFlowで不要な特徴量エンジニアリングのリスト

– Tableauと自動機械学習での特徴量エンジニアリングの切り分け

– 特徴量エンジニアリングのおすすめツール

ナビゲーター

古幡征史

株式会社GRI 取締役
Ph.D in Computer Science
GRIにて50以上のAI, BI, 分析基盤構築プロジェクトをリード
KPMGコンサルティング、University of Southern California、ドワンゴを経て、2016年9月より現職

機械学習活用やデータサイエンスに関する
情報共有コミュニティ

自由にご参加いただけるSlackを用意しています
実践的に機械学習を活用するための議論やノウハウの共有を目的としています
すいすい会の内容についても活発に議論できればと思います
Slackはこちら

過去のすいすい会

第３回「機械学習の初心者卒業：　分類問題の精度評価手法と不均衡データの実践的な取り扱い」

実社会では不均衡データを扱うのが普通ですが、教科書ではあまり触れられていないため、今回は不均衡データの実践的な取り扱い方をお話します。その際、Google ColaboratoryやTableau Prepでの実装例をご紹介します。また、不均衡データの取り扱いを理解する前提知識として正解率のパラドクスや精度評価方法を述べます。