確率②／データサイエンス入門

naoki_sasano

0

ベイズの定理、確率分布の考え方を使って、どうやって機械学習をして事象を推測するのか、早く知りたい。

k-akira

0

ベイズの定理の解釈が理解できた

70sp1208

0

迷惑メールの振り分けに確率の考え方が採り入れられていることが、興味深かった。内容は、大学の教養課程のレベルを超えているが、ＡＩの考え方を知るためには必要だと思うので、引き続き視聴して学習していきたい。

csl_kojima

0

理解が深まりました。

stani

0

確立を利用していきたいと思う。

7031

0

業務で活用するためには、具体的な事例がほしかったです。

napple0902

0

ベイズの定理の解釈がよくわかりませんでした。

choko0504

0

ベイズの定理は機械学習でよく聞く言葉だったが、自分自身が理解できていなかったため今回の講座を受講し理解を深めることができ大変良かった。

user-name01

0

確率の考え方とその使い方を今後の学習に生かせそうだと思った。

iso_ken

0

ベイズの定理は今後の自らの仕事に重要になってくるのでしっかり理解し活用できるようにしたい

yonghwa

0

勉強になった
使ってみたい

ysen

0

ベイズ定理を学びなおせた。資格取得の一助となる講座であった。

yasupii

0

ベイズの定理は始めて学びました。その解釈を含めて、イメージは分かりましたが、完全には理解できていないので、改めてちゃんと理解を深めようと思います。

kenjiro_fujita

0

ベイズの定理の意味を理解することができた。実際に対象顧客が商品を購入する確率をベイズ更新を用いて、精度を高めたい。

vz3000

0

条件付き確率・ベイズの定理について理解を深めることができた。今後の学習に生かしていきたい。

nakashimamas

0

推計統計につながる基本を理解することができた。

take515

0

確率についての基本事項を確認できた。

hfkd156036

0

条件付き確率・ベイズの定理について理解がふかまった。　

yoshikazu-1103

0

わかりやすかったと思います。何度も受講する必要感じました。

miura_ka

0

業務へ（考え方を）展開できるヒントになった。

hr-sakai

0

推計統計、とても分かりやすかった。今後、業務に活用する方法を考えたいとおもいます。

shirojpn

0

品質検定を受験する際に、一通り学んだが、理解が浅かったので、今回の説明で
更に理解が深まった。
ただ、確率変数についての部分は、何度聞いても完全には理解出来ていない気がする。
事例を学ぶ事で、更に理解を深めたい。

vegitaberu

0

とてもわかりやすく、理解できました。基本的な理論の積み重ねから、AIのように複雑なものや、複雑な分析が成り立っているということが、イメージできました。

madogiwazoku

0

素人には難しいです。難しくてはげそうです。鼻血もでそうです。

haruyukipapa

0

数式にΣとか積分が出てくると難解に感じますが、何度か講義を止めながら理解しました。

minori_yabu

0

確率分布の部分が興味深かったが内容が少なかった。

suzuqp

0

また改めて復習して理解できるように努力します。

ono_toshii

0

仮設検証を行う際には、確率の知識が必要と言うことを学んだ。これから、データ分析していく上で確率の定義を理解して活用していこうと思います。

k_k_ai

0

この講座では全体像が分かるので良い。
自分が苦手な項目が把握できるので重宝している。

michiyomichiyo

0

業務に必要そうだと思えた

test_test___

0

ベイズの定理が実際には迷惑メールフィルターに使用されているなど実際どう使われているのかわかると腑に落ちる

kitano_wataru

0

離散や連続など理解しにくい概念が登場してきているので、もう少し調べてここら辺を明確に想像できるようにしてから先へ進みたい

14001

0

条件付き確率やベイズの定理、確率分布、期待値、分散、標準偏差について学ぶ事が出来ました。少し難しい内容でしたが、GLOBISの確率①の動画を見た上でこの動画を見ると分かりやすいと思います。

yuji64

0

数学アレルギーからの脱却を図りたい

cs1960

0

大変勉強になりました。

moco_fuwa

0

式の意味やその使われ方をしっかり理解していきたい

atsushi_komaki

0

苦手意識を克服して、向き合いたい。

kaikai356

0

確率分布は様々な場面で活用されているので、私自身も業務でデータを扱う時、何かしらの任意分布に従っていないか考えてみようと思った。
条件付き確率は、分母の対象とする世界が狭まるイメージを持つと理解しやすい。通常の確率をP(A|U)=P(A∩U)/P(U)と考えれるとそのU(=全範囲)が条件付確率ではB(=特定の範囲)に狭まり、P(A|B)=P(A∩B)/P(B)が得られる。つまり、条件付き確率は通常の確率から分母の対象範囲を小さくとっただけである。
ベイズの定理の使い方や使い時がいまいち分からない場合は、P(A∩B)の部分の考え方を変えると理解が進む。条件付き確率P(A|B)=P(A∩B)/Ｐ(B)はベイズの定理を用いて、P(A|B)=P(B|A)P(A)/P(B)(∵P(A∩B)=P(B|A)P(A)）と式変形されることがあるが、この右辺の分子のP(A∩B)=P(B|A)P(A)はA,Bが互いに独立のとき、P(A∩B)=P(A)P(B)である。言い換えると、条件付き確率を計算する必要があるとき、ベイズの定理を使えば、A,Bが互いに独立でなくてもP(A∩B)をA,Bの積の形に(BはAの条件付きだが)変形することができる。

yoshiki2355

0

客観的な判断を下す時

tsukamotoya

0

確率論や統計学において、トーマス・ベイズ牧師にちなんで名付けられたベイズの定理（ベイズのていり、Bayes' theorem）、ベイズの法則、最近ではベイズ・プライスの定理とは、ある事象に関連する可能性のある条件についての事前の知識に基づいて、その事象の確率を記述するものらしい。ウィキペディアによると。ですが。はい。頑張ります。日常の業務に活かせますように。

pinguino

0

大体は理解できたので、得た知識を実際に活用していきたい。

mimi7

0

根本的な数学の記号を忘れているので、理解できない部分があった。

h-kozawa

0

ベイズの定理を初めて認識しました。イメージ図および要するに～という想起補助つきでて\説明いただいているので、一見取りつきにくい数学的説明が非常によく理解できました。機械的に解析する場合はすべて定量的・数学的な表現に置き換える必要があるとのこと、今後の社内外SEと一歩踏み込んだコミュニケーションができるよう理解を深めます。

masato_86

0

計算式が出てくると途端に難しさを感じる。

grateful

0

深い内容まで解りやすく説明してくれる。

abe3312

0

ユーザーのデータ分析において確率を用いて数字化できると感じた。

e_co

0

とても分かりやすく、理解ができました。
業務に利用できる様、しっかり学びたいと思いました。

yoshikouc

0

確率は、期待値や平均値を元に出すことができることがわかりました

makotokoma

0

ありがとうございます。
データリテラシー、気づきをいただきました。

kou_tan

0

わかりやすく理解が深まりました。

kyo1227

0

ベイズの定理を初めて認識しました。イメージ図および要するに～という想起補助つきでて\説明いただいているので、一見取りつきにくい数学的説明が非常によく理解できました。

hrkudo

0

ベイズ定理は何度か例題を通して学習が必要と感じた。

ryusho1118

0

確率分布、ベイズの定理と研修の内容はなんとなく理解できたが、まだ実業務への活用は難しいと感じた。復習が必要だと思った。

temp_at

0

ベイズの定理は迷惑メールの例を聞いたことはあったが、条件付き確立や定理の成り立ちを確認出来てよかった。

mutame

0

なかなか難しくなってきました

aokitaka-tci

0

条件付き確率・ベイズの定理の理解を深めた、ビジネスで多いに活用できる場面があると考える

koichirou_k

0

条件付き確率や確率変数などについて学んだ。
確率について、更に学びを進めていきたい。

homma_nanami

0

ベイズの定理について理解できた。慣れない数式が出てきて難しく感じるが、何度か視聴したいと思いました。

staka3

0

統計学の基本的な内容であったのでわかりやすかったです。
まだ明確なイメージはつかめていないので、これから勉強をしていき理解を深めていけたらと思ってます。

gobau

0

定量的に捉えられる事象を数学的に説明出来る力を身につけたい。

xiu14

0

物事の判断材料として、確率を利用することの重要性を学びました。

mori_1991

0

確率論の理解が深まった。

suzuki_shoichi

0

ベイズの定理や確率分布を学ぶことができました。難しい内容でした。

warashina12345

0

大変勉強になりました。

asakusajun

0

現役時代には無かった新しい研修を楽しみながら
学習しています。

hirano_rikiya

0

確率変数とグラフで表した座標との関係について理解が深まりました。

yukotti_222

0

実務で言葉として耳にするが意味がよくわかっていなかったものが多数含まれていたため、大変参考になりました。

aquico52

0

復習が必要だが、まずは理解できた

tnema

0

本講座も見直して学習を進めます。

takeshita_ta

0

確率論を駆使して、ピーク時間帯の通話数予測や適切なスタッフ配置が可能である。データサイエンスにより、顧客の問い合わせ内容を分析し、迅速に対応することが期待できる。

k1472

0

事前確率、事後確率を使って意思決定できるか？

myu-tan

0

確率分布が予測につながる点を理解できた。今後のAI活用に役立てたい。

jun_suga

0

日頃からデータ分析をしており、今後使うこともありそう。

t03290512

0

日常業務に取り組活動

i_w_m

0

ヘイズの定理など用語と内容の理解ができた

yy_nn

0

条件付き確率や確率分布は、データから仮説や予測を立てる際に活用できると思います。顧客を分類し意思決定の傾向を仮説検証して営業戦略を立てるシーンや、システムを細分化し稼働状況データから今後のトラブル発生確率を予測するのに活用できるのではないかとイメージしました。

nokt

0

データ分析において確率を用いて数字化できることに学びがありました。ヘイズの定理は難しいので、復習してみたいと思います。

srk1

0

よく理解できました。

yoshiyc

0

これまで学習経験のない領域ですね、難しいので振り返りと再学習が必要です。

everest

0

未来の結果を予測し、意思決定を科学的に裏付けるために活用したい。

terulin

0

ようやくベイズの定理のイメージが分かってきたような気がする。ただ、式は難しい。

kkmmyy

0

今後に活かしたいと思います

yoshiyasu1680

0

ベイズの定理の体系が理解できた

timetraveler

0

確率変数、分散、偏差は難しかった。理解のために他のWEBページを参照して理解を深めたい。

sat_mura

0

統計モデルと確率の考え方が、なんとなく見えてきた。ベイズは名前だけの知識であり、確率変数も何に使っているか分からなかったが理解が進んできた。
更に学習を進めたい

macha511

0

ベイズの定理や確率分布について理解できました。

yocchi1201

0

学生時代、ベイズ定理を学んだことはあったがよく理解できず実世界においての利用過程を想像することができなかった。
しかしながら近年のAIやテクノロジー、事象の考え方などを落ち着いて観察すると身近な分野で活用されていることが分かった。
本講座においてもそのベイズ理論を学びなおすことができ、社会人となり経験を積んだことにより、学生時代よりもより身近に身を付けることができたと感じた。

unagi0904

0

ベイズの定理は実は初めて聞いた(様な気がします)が、こういう見方がある事をいままで意識していなかったのはやはりもったいなかったと、反省材料にします。

kobayashi_yasu

0

確率を学ぶ意味がより身近にかんじた。

holy_tech

0

基本は連続で解けばよいと思う。