機械学習⑦教師あり学習の代表的な手法／データサイエンス入門

lonfri

販売・サービス・事務

アンサンブル学習、バギング、ランダムフォレスト、ディープラーニング、ニューラルネットワークといった言語とその内容について
曖昧だったことが理解できた。

hhmorimoto

メーカー技術・研究・開発

機械学習手法について改めてわかりやすく説明いただき理解が深まりました
実務でも活用していきたいと思うと共に、更に勉強していきたいと思いました

h-kozawa

メーカー技術・研究・開発

書籍で文字面のみ認識していましたが、今回明確に各手法の使い方・差異が理解できました。

ks070341

その他

アンサンブル学習、バギング、ランダムフォレストなど知らない手法について学ぶことが出来た。業務の自動化にあたり，これらの特性を踏まえた適用がイメージされた。

masato_86

専門職

アンサンブル学習、バギング、ランダムフォレストについては理解が進んだ

blueheater

その他

日頃の業務において、見込みや予測を立てる場合に活用してみる。

w_axl

メーカー技術・研究・開発

興味がわいてきました　　更に詳しく学びたい欲求が出てきました

saito0722

その他

どの層の顧客に商品の需要があるか想定するとき

yuki_nagato

その他

機械学習の教師あり学習の手法の仕組みが理解できた。

70sp1208

その他

ニューラルネットワークの仕組みについて、完全ではないが、仕組みを理解した。ただ、ニューラルネットワークに限らずＡＩを理解するには、数学の知識が必須で、数学を勉強しなければならないことを実感した。

tsukamotoya

営業

決定木（けっていぎ・ディシジョンツリー・decision tree）とは、後述する分類木と回帰木を組み合わせたもので、ツリー（樹形図）によってデータを分析する手法です。機械学習や統計、マーケティングや意思決定などさまざまな分野で用いられます。業務に活かせるように努力致します。

sawa-jun

建設・土木　関連職

教師あり学習の手法について学ぶことができました

hi-std

IT・WEB・エンジニア

何度か復習をする必要があると思った

sakurai_shingo

人事・労務・法務

業務に活用できそう。

pinguino

販売・サービス・事務

よく理解できた。実際に使う際には、適切な手法を選択できるようにしたい。

4ktake

人事・労務・法務

言葉の意味が理解できるようになってきた

kyo1227

営業

アンサンブル学習、バギング、ランダムフォレストについては、理解が不十分と感じるので、復習しておきたいです。

db88

営業

機械学習するためには、まず事象をデータ化することが必要であることを理解しました。

homma_nanami

販売・サービス・事務

機械学習の手法について理解を深めることができました。

inagaki_tomomi1

販売・サービス・事務

難しい内容でした。復習したいと思います。

mutame

その他

教師あり学習の例がわかりました。

aokitaka-tci

その他

教師あり学習の代表的な手法として、アンサンブル学習、バギング、ランダムフォレスト、ディープラーニング、ニューラルネットワークなどの概要につき理解した、実践でどのような場合にどのモデルを使えばいいのかなど更に深く理解する必要があると感じた

kamiyama-shohei

その他

アンサンブル学習等、わかりやすく理解できた。

tnakajima1998

営業

決定木の構造が大変分かりやすく説明されていたため、理解が進みました。

konitan1152

人事・労務・法務

Ｋ近傍法や決定木を使った分類は業務上に幅広く活用対象があると思われます。予測について利用対象がイメージするのは難しいです。実際の活用を行いながら理解を深めていく必要がありそうです。

hrkudo

IT・WEB・エンジニア

教師あり学習の例がわかりました。

isshikit

その他

今回の受講においてまず以下のような内容を学ぶことができました。
線形回帰
ロジスティック回帰
決定木
サポートベクターマシン（SVM）
k近傍法（k-NN）
ニューラルネットワーク

教師あり学習の基礎から各手法の理論的背景、実装方法、メリット・デメリット、適用事例までを学びましたが、実際ピンとこないところが多々ありますので、今後の業務や日常に活用していくためには漠然とですが以下を考えています。

今後もこのような講習を受講し、少しでも実践的なスキルを磨く。
受講を継続することで知識のアップデートを行う。
上記の様な行動でスキル向上を目指す。

fu-atoreichi-ma

その他

k近傍法は近傍のデータを用いて予測する手法。
決定木は軸に並行な境界線を複数引くことにより分類または回帰を行う手法。
アンサンブル学習は複数の学習済モデルの予測結果を組み合わせることで 汎化性能を改善する手法。
アンサンブル学習という枠組みにはバギングがあり、その中の一つとしてランダムフォレストがある、といった階層関係になる。学習器には決定木が用いられる。ランダムフォレストでは必ず決定器が用いられる。
ニューラルネットワークは人間の脳内にある神経回路網をモデル化したもの。ニューラルネットワークの層を深くしたものは ディープニューラルネットワークと呼ばれる。何層以上であればディープなのかの定義はなく、個人裁量に委ねられる。ディープニューラルネットワークを用いた学習手法は一般にディープラーニングと呼ばれる。実務に特化した体系的なカリキュラムにおいて学びを進めることで知見が身につき、試行錯誤するうちに最適手法に辿り着けるものと考える。柔軟な思考回路を形成し関係者と切磋琢磨しながら楽しく課題解決を目指したい。

grateful

専門職

ニューラルネットワークを学びました。

nakashi49

営業

機械学習の教師あり学習の手法、決定木、ニューラルネットワーク、ディープラーニングに関する概要を理解することができた。
今回のラーニングパスを一通り学んだ後、別途振り返りで復習することで、更に理解を深めて行きたいと思う。

dansagami

金融・不動産　関連職

機械学習にも種類があることが理解できた。ディープラーニングの定義がないことが意外だった。

fu-fu-fu

クリエイティブ

この動画でデータサイエンスについて学んだ。K近傍法、決定木、アンサンブル学習などの基本が学べた。特にニューラルネットワークの中の、ディープニューラルネットワークを用いたものがディープラーニングだということが理解できたので、AIに必要な膨大なデータ処理の基礎学習ができたかと思う。

isobe2615p

その他

だんだん込み入ってきたので、復習をよくしようと思います

yoshikouc

販売・サービス・事務

業務で活用するには、目的と揃えられるデータとが大切だと思ってましたが、どの形で分析するかで結果が違ったりでなかったりすることがわかりました。

toshiazeo

営業

良く理解出来ました。

y-arano

メーカー技術・研究・開発

教師あり学習の代表的な手法を学ぶことができた。

sales_supdoctor

金融・不動産　関連職

教師あり学習の手法はビジネスシーンに合わせて回帰か分類が必要な場合に決定木、ランダムフォレスト、SVMなどの手法を選ぶことが多いと感じる。ニューラルネットワークでの結果は各ファクターの決め方によって様々な結果になりあるので、説明できる設定が難しいと感じた

minamt

IT・WEB・エンジニア

deep learning のオライリー本とかを読んでましたが、説明があるとやっぱりわかりやすいですね。

shin_yako

販売・サービス・事務

参考になりました。実務の活用を考えます

atsushi_komaki

金融・不動産　関連職

ＤＳ検定リテラシーレベルのために。

mainichi365

IT・WEB・エンジニア

勉強になりました。ありがとうございました。

512177

資材・購買・物流

回帰なのか分類なのかによって、手法を使い分けたい

miura_ka

販売・サービス・事務

考え方を学習できた。一部の要素は問題解決の考え方とも近く覚えやすかった。

sesesese

その他

用語を順序だてて、理解できた

hfkd156036

金融・不動産　関連職

教師あり学習の手法の仕組みが理解できた。

ken222

営業

教師あり学習の代表的な手法をしっかり覚えたい。

wada00

その他

機械学習の教師あり学習の手法の仕組みが理解できた。

kenjiro_fujita

コンサルタント

ニュラルネットワークの仕組みを理解することができた。

choko0504

メーカー技術・研究・開発

ニューラルネットワーク等、機械学習の有名な手法について学習することができた。利用する機会があれば利用したい。

yasupii

その他

機械学習には色々な種類があり、回帰や分類に応じて、何が使えるのかが異なることが分かりました。またニューラルネットワークは複雑なモデルが作れる反面、なぜその予測が導かれたかの説明が難しいことも分かりました。その辺りを踏まえて、どのような機械学習の手段を使うのかを考えていきたいと思います、

36271

営業

ニューラルネットワークについては新しい知識として面白いと思いました。

user-name01

販売・サービス・事務

機械学習の様々な方法を学んだ。決定木やニューラルネットワークの考え方は機械学習に限らず、活用できそうだと感じた。

ck27

その他

機械学習において手法が複数あり、自分の扱いたいデータにより
使うものを考えながら使用していく必要があるが
実際に使うことで慣れていきたい

matute

IT・WEB・エンジニア

教師あり学習にはさまざまな手法があることを学んだ。どの様な場合にどの手法を選べばよいのか、実践を通して学んでいきたい

koichi_seya

その他

ニューラルネットワークと行列の活用イメージが理解できた

7031

経営・経営企画

手法を選択し、分析データを最適に分類や回帰し、意味のある分析をしたいと思いました。

stani

専門職

参考にさせていただきます。

k-akira

営業

教師あり学習の代表的な手法について理解がすすんだ。一部説明がない手法は自分で確認したい

naoki_sasano

メーカー技術・研究・開発

ニューラルネットワークの説明で、入力層、中間層、出力層が複数あり、それらが繋がったどのルートを入力データが通っていくのか、わからなかった。

csl_kojima

IT・WEB・エンジニア

理解が深まりました。

watanabe-tat

専門職

ディープラーニングを活用するため、ハイパーパラメーターの知見を深めたい。

k_yuna

販売・サービス・事務

大変勉強になりました。

t_htn

経営・経営企画

教師あり学習の考え方が把握できた。
分析したいデータに適切な教師あり学習の
手法を選択し、分析データを最適に分類や回帰し、
意味のある分析をしたいと思う

k_k_ai

メーカー技術・研究・開発

今までわかっていなかったk近傍法、決定木、ランダムフォレストなどの手法の
具体的なイメージが分かって良く理解することができました。
学会の発表で良く聴く言葉なので、講演内容の理解が深まると思います。

yokoishida

コンサルタント

ニューラルネットワークの具体例なかったのでイメージが湧きません。

makidayo

IT・WEB・エンジニア

ディープラーニングについてより深く理解することができて有益でした。

fukashi_uehara

メーカー技術・研究・開発

ニューラルネットワークについての概要を理解する事が出来ました。今後はその応用についても学んでいきたいと思います。

moco_fuwa

その他

教師あり学習の代表手法の概要を学習できた

cs1960

販売・サービス・事務

大変勉強になりました。

inyourmind

建設・土木　関連職

「ディープ」に定義がないというのは意外だった。

i_mura888

金融・不動産　関連職

AIモデル作成の際に役立つ

s-ma

経営・経営企画

教師あり学習の手法について理解が深まった

test_test___

メーカー技術・研究・開発

教師あり学習の様々な手法とその特徴について知ることができた。

haruka-

その他

様々な機械学習の手法があると学んだ。検証方法を複数組み合わせる方法など新たな学びがあった。

michiyomichiyo

その他

一度聞いただけでは理解しきれないので何度か見直ししていこうと思う

toshi-iwai

経理・財務

バキングをブートストラップして決定木で学習するとか色々奥が深いので復習したいと思います。

taka1962

販売・サービス・事務

決定木の考え方は、日常の業務で無意識に使っている手法だとわかりました。この講義で、その考え方を理論的に習得することができたので、いままで以上に活用したいと思います。

suzuqp

IT・WEB・エンジニア

手法の違いが少し理解できました。やりたいことが分類なのか回帰なのか明確にして利用したいです。

h_kawa

建設・土木　関連職

アンサンブル学習、バギング、ランダムフォレスト、ディープラーニング、ニューラルネットワークなど教師あり機械学習の手法について学んだが、どのような場合にどの学習モデルを使えばいいのか、それぞれの長所と短所についてさらに理解が必要と感じた。

pomu77

IT・WEB・エンジニア

回帰と分類するために使われる機械学習の手法について理解できました。。

madogiwazoku

その他

素人には難しすぎました。頭が痛いです。鼻血もでそうです。

vegitaberu

人事・労務・法務

基本は理解できていたと思う部分でしたが、忘れてかけていた部分を復習できました。ただ、実践で使う場面がほとんどないので、実際に使う部分を作っていけたらと思っています。

tsuyoshi_asano

経営・経営企画

ニューラルネットワークを用いた予測の結果は理由を説明しづらいのに、Open AIやAnthlopicなどはPolitical Correctnessをユーザー(又は批評家?)求められる訳だが、こういう場合は隠れ層を増やして望ましくない結果をはじくのか、どのように処理を追加しているのか気になった。

また、学習結果が望ましくないケースは人の数だけ常にあり得るので、誰の倫理観をどのように注入して学習していくのか、というのは興味深い。

kk1000

販売・サービス・事務

どのような場合にどの学習モデルを使えばいいのか、まだイメージが湧かなかったです。

shirojpn

メーカー技術・研究・開発

教師有り学習のその他の代表的な手法の概略を理解する事が出来た。
実際に活用する際の理解の手助けになったと思う。

take515

メーカー技術・研究・開発

教師あり学習の代表的手法の概要について確認できた。