最短3週間で、貴社の業務改善に直結する機会学習の考え方から実践までを
体感できるプログラム。
CRISP-DMベースのワークショップ＆ハンズオントレーニング。
◆◇こんな方におすすめ◇◆
・自社の業務改革、データ分析ご担当者様
・自社のデータを使って、AI機械学習プロジェクトを体感したい方
・自社のデータにより、AI機械学習導入時の効果を試算したい方
・AI機械学習ソフトウェア（RapidMiner）の活用方法を知りたい方
コース概要
| 会場・日程 |
・個別対応（下記フォームよりお申込みください） ・本ウェビナーはオンラインもしくは対面で行います |
|---|---|
| 費用 | ￥1,200,000 |
| 期間 | 1ヵ月 （ 座学150分、モデル作成ハンズオン3週間 ） |
| 対象者 |
|
| 内容 | ①機械学習入門（座学） ②AI機械学習ソフトウェア（RapidMiner）によるハンズオン（自社データを使ったモデル作成・検証） ③総括（実施レポートによる定量・定性効果試算と改善ポイント提示） 【ポイント】 ① 自社データでハンズオン ② 分析PJが体感できる ③ 自社の具体的な効果を算出 ④ 本番運用時の効果試算 |
| 備考 | ＊RapidMinerについてはこちら ＊事前にRapidMinerのアプリケーションとヒアリングシート・トレーニング用データ（エクセル）のダウンロードが必要です。 RapidMiner ダウンロードサイトはこちら ヒアリングシート ダウンロードはこちらから トレーニング用データ ダウンロードはこちらから ※トレーニング時に、こちらのデータをデスクトップ上に配置していただきますようお願いいたします。 ※本講義で使用するデータは、以下のサイトの引用です。 ＊RapidMinerの始め方～10stepでできる簡単インストール方法～ 詳細はこちら |
アジェンダ AI-Rapidマスター実施内容詳細【Step1 座学】
| 所要時間（30分） | 【AI機械学習入門（ 前編 ）】 概要： AI機械学習の基礎としてAI概要、分析プロジェクトのフレームワーク、AI導入例を中心に紹介 ① AIとは ② AIが得意な分野、不得意な分野 ③ AI機械学習の分類 ④ 教師あり学習の進め方 ⑤ データ分析フレームワーク ⑥ データ分析フレームワークとRapidMinerの関係 ⑦ データサイエンティスト概要と分析PJにおける役割 ⑧ AIシステムの導入パターン例 |
|---|---|
| 所要時間（120分） | 【AI機械学習入門（ 後編 ）】 概要： AI機械学習の分析プロジェクトを進める際に最低限押さえるべき用語と概要を、プロジェクトの各工程に沿って紹介 ① データ分析PJの各工程で押さえるべき用語 ② データの理解（ 偏差、相関、共線性、欠損値、外れ値 ） ③ データの準備（3-1. 欠損値、外れ値の対処 3-2.カテゴリ変数、ダミー変数化 3-3. サンプリング、標準化 3-4. 変数増加・減少法 3-5. 主成分分析（PCA）） ④ モデル作成 （ 4-1. 説明変数、目的変数、モデル 4-2. 交差検証法（Cross Validation）、過学習、汎化性能 4-3. 各アルゴリズムの紹介 4-4. 評価 4-4. 分類と予測の評価指標 4-6. Weights（重要度）） ⑤ 評価 ( 5-1. 分類と予測の評価指標 5-2.Weights（重要度）)
|
| 所要時間（およそ10分） | 【質疑応答】
|
アジェンダ AI-Rapidマスター実施内容詳細 【 Step2 ハンズオン 】
| 120分 | 【検証テーマとGoal設定】 概要： 事前にご記入頂くヒアリングシートを基に、検証テーマやGoal等、認識合わせを実施 ① ヒアリングシートご記入（事前作業） ② 業務テーマ、概要ご説明 ③ データ概要ご説明（データ項目、管理状況等） ④ 検証方針とGoal設定 ⑤ 検証日程合意 |
|---|---|
| 1~3週間 | 【データ分析プロセス体験（モデル検証ハンズオン）】 概要： データ分析プロジェクトのフレームワーク（CRISP-DM）沿ったデータ分析プロジェクト体感ハンズオン ＊お客様の業務データを使用し、業務テーマに対するモデル作成・検証プロセスを実施 ① ビジネス理解 （ テーマにあげる業務の目的、KPIや検証判定基準などを定義 ＊事前に対応頂くヒアリングシートを基にディスカッション ） ② データ理解 （ データ発生元や取得終期、データ項目の意味など、業務テーマに紐づく検証データの理解と前加工方針の決定 ） ③ データ準備 （ 前加工方針に沿ってRapidMinerによるデータ前加工を実施 ） ④ モデル作成 （ RapidMinerのモデル作成機能を用いた分析モデルの作成 ） ⑤ モデル評価 ( RapidMinerが出力する各種指標値を用いたモデル評価 ） ⑥ 汎化性能評価 （ 「モデル評価」にて目標の精度を達成後、未知のテストデータで試行しモデルの性能評価 ） ⑦ モデル再作成 （ データ理解～モデル評価再実施によるデータ分析精度の向上 ） |
| 90分 | 【データ分析プロセス体験（モデル検証ハンズオン）】 概要： データ分析プロジェクトのフレームワーク（CRISP-DM）沿ったデータ分析プロジェクト体感ハンズオン ＊お客様の業務データを使用し、業務テーマに対するモデル作成・検証プロセスを実施 ① ビジネス理解 （ テーマにあげる業務の目的、KPIや検証判定基準などを定義 ＊事前に対応頂くヒアリングシートを基にディスカッション ） ② データ理解 （ データ発生元や取得終期、データ項目の意味など、業務テーマに紐づく検証データの理解と前加工方針の決定 ） ③ データ準備 （ 前加工方針に沿ってRapidMinerによるデータ前加工を実施 ） ④ モデル作成 （ RapidMinerのモデル作成機能を用いた分析モデルの作成 ） ⑤ モデル評価 ( RapidMinerが出力する各種指標値を用いたモデル評価 ） ⑥ 汎化性能評価 （ 「モデル評価」にて目標の精度を達成後、未知のテストデータで試行しモデルの性能評価 ） ⑦ モデル再作成 （ データ理解～モデル評価再実施によるデータ分析精度の向上 ） |
お申込みフォーム
【参考動画：RapidMinerのご紹介】ガートナーの機械学習ツール評価で６年連続リーダーポジション 世界中で使われている機械学習プラットフォーム
【参考動画：RapidMiner StudioのTop10 Tips (英語:日本語サブタイトル）】RapidMinerStudioを使いこなすためのヒント集
【参考動画：RapidMiner AI Hub Components Overview（英語）】 RapidMiner AI Hubの主な構成要素を紹介しています。
【参考動画：Intro to the RapidMiner Studio GUI | RapidMiner（英語）】 RapidMiner Studioのグラフィカル・ユーザー・インターフェースの使い方をご紹介します。