0:53:51
おすすめの学習動画

AI BUSINESS SHIFT 第7回 マネジメント編:AIで進化する組織開発・人材育成
本コースは、リーダー・マネージャー層を対象に、AIのマネジメント活用・組織活用を体系的に学ぶ『AI BUSINESS SHIFTシリーズ(全12回)』の第7回です。 第7回「AIで進化する組織開発・人材育成」では、AIは人や組織にどのような影響を与えるのか、人や組織はAIと共にどのように進化していくべきかについて学びます。 ■こんな方におすすめ ・AI時代の組織開発や人材育成のポイントを学びたい方 ・組織開発や人材育成を担う人事担当者や現場リーダーの方 ・OpenAIやパナソニックHDの取り組みを参考にしたい方 ■AIシフトシリーズとは? 『AI BUSINESS SHIFTシリーズ』は以下の3部構成で設計された全12回のシリーズです。(順次公開) https://unlimited.globis.co.jp/ja/tags/AI%E3%83%93%E3%82%B8%E3%83%8D%E3%82%B9%E3%82%B7%E3%83%95%E3%83%88 ・基礎編(第1回〜3回):リーダーやマネージャーに求められる、AI時代の基礎的なリテラシーの強化を目的としたコース ・マネジメント編(第4回〜7回):AI時代のリーダーシップや組織変革を中心に学ぶコース ・機能別戦略編(第8回〜12回):AI時代における機能別での戦略のあり方を中心に学ぶコース より実践的なAIツールの活用法について学びたい方は『AI WORK SHIFTシリーズ』をご視聴ください。 https://unlimited.globis.co.jp/ja/search?tag=AI%E3%83%AF%E3%83%BC%E3%82%AF%E3%82%B7%E3%83%95%E3%83%88 ※本コースは、AIのマネジメント活用を学ぶ「AIビジネスシフト」シリーズの一環として提供しています。 ※本動画は、制作時点の情報に基づき作成したものです(2025年12月制作)
新着会員限定

マネジャーのための仕事の任せ方
「仕事を任せると失敗が怖い」「自分でやった方が早い」マネージャーとしてメンバーやチームの力を引き出しながら成果を上げるには、どのように仕事を任せていけば良いのでしょうか? 変化の激しい時代において、マネージャーとして成果を上げ続けるためには、メンバーの個性や特性を理解し、それに合わせた効果的な任せ方を身につけることが重要です。このコースでは、ソーシャルスタイル理論を活用してメンバーごとに最適なアプローチを学びます。「任せる力」を高めることで、チーム全体の成長を促進し、自身のリーダーシップを発揮できるようになっていきます。 ※本動画は、制作時点の情報に基づき作成したものです(2024年12月制作)
会員限定

AI時代の個人力
AIが仕事や社会の前提を変え続ける今、最も求められるのは「他者に代替されない個としての力」“個人力”です。 本コースでは、澤円氏の著書『個人力』をもとに、AI時代をしなやかに生き抜くための「前向きな自己中戦略」を学びます。 テーマは、「Being(ありたい自分)」を中心に据え、自ら考え(Think)、変化し(Transform)、協働する(Collaborate)ことで、自分らしい価値を発揮していくこと。 リスキリングやAI活用が叫ばれる今こそ、スキルより先に“自分の軸”を問うことが重要です。 あなたは何を大切にし、どんな未来を描きたいのか? このコースは、あなたが“ありたい自分”として生き、キャリアをデザインしていくための思考と行動のガイドになります。 ※本動画は、制作時点の情報に基づき作成したものです(2025年11月制作)
会員限定

【AI×クリティカル・シンキング】①イシューと枠組みでプロンプトを磨く
生成AIから期待する回答を引き出せず、試行錯誤を重ねていませんか。 本コースでは、生成AI活用の質を高める鍵として、クリティカル・シンキングの視点からイシュー設定と枠組みを押さえる重要性を解説します。 目的に直結する問いの立て方や、プロンプトに落とし込む際の実践ポイントを具体例とともに学ぶことで、AIをより思考のパートナーとして活用できるようになります。 生成AIを業務で使い始めた方から、活用を一段深めたい方まで、再現性あるプロンプト設計を身につけたい方におすすめの内容です。 さらに学びを深めたい方は、こちらも合わせてご覧ください。 【AI×クリティカル・シンキング】②AIの弱点との向き合い方 https://unlimited.globis.co.jp/ja/courses/cdfe41e3/learn/steps/62198 ※本コースは、AI時代のビジネススキルを学ぶ「AIタレントシフト」シリーズの一環として提供しています。 https://unlimited.globis.co.jp/ja/tags/AI%E3%82%BF%E3%83%AC%E3%83%B3%E3%83%88%E3%82%B7%E3%83%95%E3%83%88 ※本動画は、制作時点の情報に基づき作成したものです(2026年1月制作)
会員限定

リーダーの挑戦⑤ 藤田晋氏(サイバーエージェント代表取締役)
グロービス経営大学院学長の堀義人が、日本を代表するビジネスリーダーに5つの質問(能力開発/挑戦/試練/仲間/志)を投げかけ、その人生哲学を解き明かします。第5回目のゲストは、サイバーエージェント代表取締役の藤田晋氏。起業の理由、経営をどうやって学んだか、アメーバブログ・ABEMAの立ち上げ、経営チームづくりについてなど聞いていきます。(肩書きは2020年12月11日撮影当時のもの) 藤田 晋 サイバーエージェント 代表取締役 堀 義人 グロービス経営大学院 学長 グロービス・キャピタル・パートナーズ 代表パートナー
会員限定

ビジネスパーソンのための睡眠スキル ~問題解決編 前編 なぜ眠れないのか?~
「仕事が終わらないから睡眠時間を少し削ろう…」「業務時間中なかなか集中できない…」「毎日朝起きるのがつらい…」。 あなたはこのような経験をしたことはありませんか? 仕事やプライベートの時間をやりくりするために、真っ先に削りがちなのが「睡眠」時間。 実は今、日本社会は世界と比較して「最も眠らない国」だということもわかってきています。 慢性的な睡眠不足は、心身の健康に悪影響なだけでなく、仕事のパフォーマンスにも当然大きな影響を与え、社会全体の経済損失につながります。 このコースでは、基本的な睡眠リテラシーを学んだ後の「問題解決編」として、「なぜ多くのビジネスパーソンは眠れないのか?」について解説していきます。 ▼本コースで学べる主な内容 ・そもそも眠れないことは何が問題なのか? ・眠れなくなってしまう原因とは? 睡眠不足の原因は認知機能の問題にありました。 自身の睡眠不足に対し、正しく「気づき・理解し・行動を変える」第一歩を踏み出しましょう。 ▼関連コース ・ビジネスパーソンのための睡眠スキル ~リテラシー編~ https://unlimited.globis.co.jp/ja/courses/24575c03/learn/steps/53129 ・ビジネスパーソンのための睡眠スキル ~問題解決編 後編 どうしたら眠れるのか?~ https://unlimited.globis.co.jp/ja/courses/4ba981e9/learn/steps/62042 ※本動画は、制作時点の情報に基づき作成したものです(2025年12月制作)
会員限定

大阿闍梨 塩沼亮潤が死の手前で見つけた「生き方」
あすか会議2018 第4部分科会B-1「極限の世界で見つけた人生の歩み方」 (2018年7月7日開催/国立京都国際会館) 1300年間で2人目となる大峯千日回峰行満行を果たした塩沼亮潤大阿闍梨。48キロの山道を1日16時間掛けて歩き、それを千日間に亘って続ける過酷な行の中で、どのような悟りを得たのか。そして、9日間、断食・断水・不眠・不臥を続ける四無行満行という極限の世界で何を見つけたのか。塩沼氏が「創造と変革の志士」へ贈る「人生の歩み方」とは。(肩書きは2018年7月7日登壇当時のもの) 塩沼 亮潤 慈眼寺 住職
無料

英語 de 学ぶ!3Cs Analysis(3C分析)
このコースでは、グロービス学び放題の英語版である『GLOBIS Unlimited』のコースの中から、ビジネスで役立つ頻出の英語表現をピックアップしています。英語ネイティブの方が実際に見ているコースなので、リアルなビジネス英語の表現を学ぶことができます。 今回のコースは「3Cs Analysis(3C分析)」です。一緒に『英語で』ビジネス知識を学んでいきましょう! ▼今回扱ったUnlimitedコース続きは下記からご覧いただけます 3Cs Analysis https://unlimited.globis.co.jp/en/courses/da5ca962/learn/steps/36362 ※本動画は、制作時点の情報に基づき作成したものです(2025年12月制作)
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。
コメント158件
fukashi_uehara
画像生成も、教師なし学習を応用した技術の一つです。画像生成とは、絵画の生成や画像・映像などの自動加工を行う技術を指します。
近年は、さまざまな場面において高品質な画像が要求されるようになりました。しかし、常にその要求に応えられる完全なオリジナル画像を取得できるわけではありません。たとえば、ピントの合っていないぼやけた画像データしか用意できないケースも考えられます。また、歴史的資料であれば、カラー写真が存在せず、白黒写真しか用意できないケースも多く、ラフスケッチしか存在していないケースなども考えられます。
このような場合、専門的で工数のかかる画像加工を行ったり、イラストを描きながら撮影コンセプトを固めて写真を撮影したりしながら、高品質な画像データを準備するのは難しいのが実情です。ただ、近年はAIの技術が発展したことにより、不十分なデータからでも高品質な画像を作り出すことができるようになってきたのです。
alboy1185
分析手法の中のK-means法について、近い距離への反復処理をして計算することが理解できた。現状の仕事には適用できる部分があるのか、すぐには思い浮かばないが、分析手法の理解と具体的な処理方法の知識を蓄えていこうと思う。
vz3000
教師なし学習の代表的な手法について理解を深めることができた。クラスター分析にもいくつか手法があり、状況により使い分けが日露なことが理解できた。
kazumi_100pot
クラスタリングについては基礎的なことが理解できれば良いと思っていました。今回、しっかりと復習ができました。
chikako_k
業務で使うシーンが思い浮かびませんが、知識として役に立ちそうだと感じました。
t_htn
教師無しの代表的な事例が把握できた。
これをデータ分析業務に活用し、業務をより効率化するとともに、データ分析精度も向上
させたいと思う
k_yuna
大変勉強になりました。
watanabe-tat
階層クラスタリングは、顧客分析に活用できる。
naoki_sasano
機械学習を使って、異常検知したい場合、どのような手法がありますか?
k-akira
教師なし学習の具体的な仕組みを理解できた。どういうデータの場合にどの手法が相性が良いのかを加えて勉強したい。
stani
参考にさせていただきます。
7031
クラスタリングについては基礎がしっかり理解できました。
matute
クラスタリング手法にもさまざまな方法があることが分かった。データ量などを見ながらどのような手法が最適か選択できるように実践で学んでいきたい。
user-name01
クラスターのまとめ方を学んだ。様々な方法があると感じた。
iso_ken
階層型クラスタリングとk-means法はよく使用されるのでしっかり理解したい。
choko0504
クラスタリング等の教師なし学習について学習することができた。実務で利用できる機会があれば利用したい。
yasupii
教師なし学習の代表的な手法にクラスタリングがあることが分かりました。これは分類後にその意味をヒトが決めるということで、説明の意味付けになる気がしました。
kenjiro_fujita
クラスタ分析をする際に、どのようにクラスタを分けるかを学ぶことができた。デンドログラムを用いてクラスタするのが困難なデータ量の場合はK-Means法にもチャレンジしてみたい。
ken222
特にデンドログラムとkミーンズ法は覚えづらいのでしっかり整理したい。
k--g--
今回の講義は復習が必要なようです。
hfkd156036
教師なし学習の代表的な手法について理解できた。
sesesese
k means法の説明がとてもわかりやすかった。
miura_ka
分類について確認できた。
take515
教師なし学習の代表的な手法について学んだ。
hr-sakai
代表的な表現の理解ができた。確かにそう思うことばかりです。
shirojpn
教師なし学習の代表的な事例について、概要を学ぶ事がてきた。
k-means法は、一度活用してみたいと思った。
tsuyoshi_asano
機械学習を行うことで、入力後の出力をある程度オートに出せるようになる訳ですが、そのモデルを作成する際にはかなり人の主観(データの解釈)が出る、という部分が面白いです。データサイエンティストの責任は重いですし、幅広いセグメントのビジネス知識があると役立ちますね。
vegitaberu
クラスタリングの実際のやり方が、これまで以上に理解でき、実際に使用する場面のイメージができました。実際に使える場面を探し、試験的にでも、積極的に使ってみたいと思います。
madogiwazoku
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。
pomu77
教師なし学習の代表的な手法について理解を深めることができました。
suzuqp
教師なし学習の代表的な手法について理解できた。
taka1962
業務では、仕事を分割する際に、事前に類似したデータごとに分けて処理しやすくしておくことがまさにクラスタリングの考え方だとわかりました。
michiyomichiyo
クラスター分析について何度も重ねていくことで出すと学んだ。
s-ma
クラスタリング手法について理解が深まった
test_test___
教師なし学習の手法について理解した。
i_mura888
データ分析に活用出来る
inyourmind
k-means法はkの数を自分で決めなければいけない(=ハイパーパラメータ)のが厄介だと思います。
cs1960
大変、勉強になりました。
makidayo
教師なし学習の代表的な手法について学べました。具体的にどのような場合にそれを使用するのかを実例で知りたいなと思いました。
toshi-iwai
クラスター分析の概念が理解出来ました。復習したいと思います。
yokoishida
何度か繰り返し視聴します。
4ktake
色々な知識が得られて、面白い。。
pinguino
クラスタリングの考え方が理解できた。
sakurai_shingo
業務で活かせますよ。
hi-std
教師なし学習の手法について学ぶ事が出来た。
tsukamotoya
学習できたことを整理し業務に活かしたいと思いました。
70sp1208
クラスタリングなど、少々馴染みのない手法があり、難しかったが、教師なし学習の基礎となるため、復習をして習得していきたい。
w_axl
教師なし学習の代表事例に付いて概要はわかりました
ks070341
教師あり学習と教師なし学習の相違が分かった。どちらが望ましいかは要件定義した内容にも左右されるため,学習を継続したい。
h-kozawa
k-means法については初めて概念認識しました。その他は基礎知見の復習機会となりました。
hhmorimoto
データサイエンティストスキルアップを目指して行きたいと思います
moveon-s
機械学習の初歩の学習を受けて考え方は分かりました。 より深めた授業を聞きたいと思いました。
e_co
教師なし学習の代表的手法が理解出来ました。
どの手法を使うのかを判断するためには、理解を深める必要があるとも感じた。
ta-mo-
教師無し学習の代表的な手法が理解できた。クラスタリング、次元削減、階層型クラスタリングなど。樹形図は可視化され、わかりやすい。K-meansは重心を求める為、精度的にはよさそうだが、工数がかかりそうと思った。
iwc_co
理論を学習することは大事だが、やはり実践的な説明や演習形式の方が理解しやすいし、腑に落ちる。
masato_86
教師なし学習の代表的な手法について理解できた。
grateful
K-ミーンズ法を学びました。
shin_yako
参考になりました。仕事での活用を考えます
takumi_1453
①機械学習、教師なし学習
・入力のみが学習用データとしてモデルに与えられる
・モデルは入力の関係性や構造をうまく表現するように学習
②教師なし学習で扱うタスクの例
・顧客データ(購入頻度・購入単価)→顧客のクラスタリング★
・画像→特徴抽出(次元削減)
・センサーデータ→異常検知
③クラスタリング
・データの集合を部分集合(クラスタ)に分割
・データ間の距離の近さを元に分割
・クラスタリング結果の解釈は分析者に委ねられる(正解はない)
④教師なし学習の代表的な手法
・主成分分析→次元削減、特徴量抽出
・階層型クラスタリング→クラスタリング
・k-means法(非階層型手法)→クラスタリング
⑤個別解説 主成分分析(特徴抽出)
•データの特徴をよく表す新しい軸(主成分軸)を見つけ、そのうちの重要でない軸のいくつかを不採用にすることで次元削減を行う
(例)数学の点数x1、理科の点数x2に対して特徴を表す主成分軸z1、z2、、、を比較し、採用する軸と不採用の軸を決める
⑥個別解説 階層型クラスタリング★★★★★
•学習結果はデンドログラム(樹形図)で表現される
•計算手順
1.各データそれぞれを1つのクラスタとする
2.距離が近いクラスタを結合
(距離:クラスタの重心間の距離など)
3.クラスタ数が1になると終了
•結果の可視化(デンドログラム)
→樹形図の高さは結合したクラスタ間の距離を表す
→距離を見てクラスタ数を決定できる★
ただしデータ数が多すぎてデンドログラムが
不明瞭の場合は決めにくいので
k-means法など非階層的手法を用いる
⑦個別解説 k-means法(非階層型クラスタリング)
•非階層型手法と呼ばれる
•アルゴリズム
1.k個のクラスタの中心点をランダムに配置
✳︎kの値は分析者が決める
2.中心点の変化が十分に小さくなるまで、以下を繰り返す
2-1.各データと中心点との距離を計算し、各データを最も近いクラスタに所属させる
2-2.各クラスタの重心を新たな中心点とする
y-arano
考慮すべき項目がたくさんある場合は主成分分析で時間削減してから再度解析し、わかりやすく説明できるようにしたいです。
sales_supdoctor
クラスタリンクのアルゴリズムは、ターゲットを抽出する際に必要だと考えます。 k-means方での分類は実用性が高いと感じた。
minamt
階層型クラスタリングの概念が、動画でよく理解できます。kmeans法などは、書籍の文書でも分かる内容と思いますが、階層型の理解が正確でなかったので、とても良い学習になりました。
yoshikouc
K-means法は一つ一つの距離を出すため正確な数値が出そうだと思いました
isobe2615p
分類した後に、データが近いということは、データ同士の距離が近いということとなり、目に見えるので分かり易いと思った。
temp_at
教師無し学習の使い分けについて知ることが出来た。
nakashi49
教師なし学習の代表的な手法について、その概要を理解することができた。いずれの手法も、分析者による適切なデータ分析が、適切なクラスタリングには重要であることが理解できた。
kyo1227
階層型クラスタリングの概念が、動画でよく理解できます。kmeans法などは、書籍の文書でも分かる内容と思いますが、階層型の理解が正確でなかったので、とても良い学習になりました。
dansagami
分かったような分からないような….、でもなんとなく教師なし学習の仕組みを理解できました。
fu-atoreichi-ma
教師なし学習のタスクとしてはクラスタリング(グルーピング)がある。クラスタリングの後、解釈を与え、仮説を立てていく。その中でデータ量を削減していくことは次元削減と呼ばれる。
階層型クラスタリングでは結果が可視化される。学習結果はデンドログラム(樹形図)で表現される。他にk-means法がある、これは非階層型手法と呼ばれる。
他に異常検知もある。
教師なし学習では正解となるデータが存在せず、入力されたデータを利用して正解を導き出していく。教師となるデータが存在しないため、自由度が高い分、精度を高めていくことで学習領域は拡張可能との認識である。データのパターン化や分類等、活用の場を検討したい。
hrkudo
教師なし学習について理解しました。
aokitaka-tci
教師なし学習の代表的な手法の概要について理解した、活用イメージはまだないが知識としてもっておく
kamiyama-shohei
教師なし学習の代表的な手法について理解を深めることができた。クラスター分析にもいくつか手法があり、状況により使い分けが必要な
ことが理解できた。
tnakajima1998
階層別クラスタリング等の考え方を習得できました。
mutame
教師なし学習の代表的な手法について理解できた。
inagaki_tomomi1
復習により理解しようと思います。
homma_nanami
教師なし学習の手法について学ぶことができました。
kamabok0
教師なし学習で人間にはできないような気付きが得られることを期待したい
gobau
教師無し学習の手法を学んだ。
xiu14
k-means法など、一度の受講ではしっかり飲み込めなかったものの、興味深い手法であるため、
また時間をみて復習してみたいと思います。
toshiton
教師なし学習の代表的な3つの手法を学びました。ランダムに配置した中心点に対し、距離を計算してクラスタを分類し、クラスタ毎の重心を新たな中心点として、反復計算するk-means法の考え方はとてもわかりやすかった。計算はコンピュータがあっという間に処理してしまうが、仕組みを知っておけば、結果の理解度が増すので、これからも手法の仕組みについて、関心を持ち続けようと思います。
mori_1991
教師なしの機械学習の進め方を学ぶことができた。
konitan1152
方法は説明から理解できましたが、具体的にどのように使うのかまだイメージがつかめないので、参考書籍などでもう少し勉強します。
myu-tan
デンドログラム、K-mean法を学ぶことができた。さらに知識を深めて活用につなげたい。
warashina12345
大変勉強になりました。
nico_niko3
次元削減は、面白い考え方だと思った。軸を削減することでデータ量が減る。
デンドログラムも面白かった。
makotokoma
ありがとうございました。
masa98142
教師なし学習の代表的な手法を理解できました。
aquico52
理論は理解できたが、実際にどう活用できるのかまで、考えが深まっていない
asakusajun
現役時代には無かった新しい研修を楽しみながら
学習させていただいています。
lamf67
教師なし学習の手法の基本形について、具体的にわかりやすい内容だった。
takeshita_ta
教師なし学習の代表的な手法を用いて、顧客の問い合わせパターンやセグメントを自動で発見することが可能である。また、クラスター分析により、特定の顧客グループに対して効果的な戦略を立てることが期待できる。
takemura-taka
アルゴリズムのメカニズムについて理解ができた。
tnema
教師なし学習は、データ内に潜むパターンやグループを自動的に見つける学習方法と認識していますが、そこにも複数のアルゴリズムがあり、人間が介入する余地があると理解しました。
hirano_rikiya
相関関係のあるデータを分類する上での手法であることが理解できた。
noseman
具体的にこのようなデータ分析はこの手法を用いる等説明があったほうがイメージすることが出来て理解が深まると思いました。データ分析手法は非常に難しく復習して知識を定着させていと思います。
temp954
教師なし学習のクラスタリングではデータが多すぎでもよくないということが印象的でした。
非エンジニアからすると入門編で学習した分析・解析法にくらべて随分とエンジニアの手が入るアナログな印象を持ちました。
t03290512
日常業務に取り組活動
i_w_m
機械学習 教師なし学習を理解できた
yoshiyc
教師なし学習の手法が簡潔で解りやすく説明されていた。しっかり復習し活用していきたい。
hasu01
分析手法について、近い距離への反復処理をして計算することが理解できた。
分析手法の理解と具体的な処理方法の知識を増やしていき、実務でも利用したみたいと思います。