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119件
naoki_sasano
ROC曲線の書き方について少し理解がついていけないところがあったが、簡単に言うと真陽性率が大きい場合、AUC面積も大きくなり、より良い予想モデルであるという意味で理解した。
kazumi_100pot
分類性能評価であるROC曲線については、もう少し復習してみたいと思います。
watanabe-tat
機械学習の評価指標として主に、正解率(Accuracy)、再現率(Recall)、適合率(Precision,精度)がある。視点により再現率(Recall)、適合率(Precision,精度)を使い分ける。また、AUCは再現率(Recall)、適合率(Precision,精度)を組み合わせた評価指標である。
matute
分類や回帰の評価指標を学んだ。分類や回帰の結果のみを見て、判断する前にそのモデルが信頼できるモデルなのか検証したいと思う。
kenjiro_fujita
会期用の性能評価指数について学んだ。MSE,RMES、MAF,MAEを算出したい。
sesesese
roc曲線は振り返らないと理解がおいつかなかったです
kk1000
RecallとPrecisionの違いが分かりやすかったです。
t_htn
モデルの性能評価について考え方が把握できた。
適切な評価評価を行い、より最適なモデルを
活用し、データ分析したいと思う
k_yuna
学びが多い内容でした。
koichi_seya
各評価指標が何のために、この算出方法で出すのか説明が無いので理解が困難だった。
k-akira
回帰及び分類での性能評価の指標について整理できた。混同行列は復習してしっかり覚えたい
stani
予測と結果で常に評価して進めたい。
7031
各評価指標が何のために、この算出方法で出すのか説明が無いので難しかったです。
mainichi365
どこに活用できるか検討要
user-name01
複数の指標をどう使い分けるかということについて、患者目線か医師目線かで分けるという点はわかりやすかった。
iso_ken
モデルの性能評価は判断にとても重要なので、しっかり理解して用いたい。
用いる指標が評価するものによって変わることに注意したい。
yasupii
性能評価指数には色々な種類があることが分かりました。本講座ではその基礎的なお話だったと思います。実際に使いこなすには実践面での学習が必要になってくると思います。今後しっかりと勉強したいです。
choko0504
評価指標について理解することができた。実務で利用する機会があれば、活用したい。
inyourmind
性能評価指標のことを知らない人にはまずその説明からしなければいけないのが大変です...。
vz3000
回帰及び分類での性能評価の指標について理解することができた。
kazuchacha
立場によって性能評価指標が変わることを理解した
ken222
混同行列と言葉の定義をしっかり身につけたい。
k--g--
ROC曲線は感度解析のようなものと理解した。
hfkd156036
ROC曲線の書き方について少し理解ができた
miura_ka
一部の項目で後ほど動画を見直してみようと思った。各要素の内容についても改めて確認したい。
take515
性能評価指標の基本的事項を確認できた。
hr-sakai
なんとなく理解できた。説明できるまで学習する必要があります。
shirojpn
言葉の定義等は、初めて聞いた物が多かったが、その内容については
普段から行っている分析手法と同じと感じた。
ROC曲線の部分で、閾値を変化させながらと言っていたがこの部分がピンとこなかった。
もう少し理解を深めたいと感じた。
ni-shi-me
今回の単元、性能評価指数というカテゴリであることを学んだ。DS検定時では概要を覚えるに留まっていたので。
vegitaberu
これまで、理解に、曖昧な部分が多かった、学習の性能評価について、復習でき、より具体的に理解することができました。それとともに、この理解を逆戻りしないよう、実際に使用することが大切だとも感じました。
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。
suzuqp
roc曲線は振り返らないと理解がおいつかなかったです
taka1962
業務にAIを利用する際に、性能評価を継続して行うことが必要なことを
理解することができた。
s-ma
混同行列の内容について理解が深まった
michiyomichiyo
販売商品の品質に関するクレーム率が低いか高いかなどに使えそう
haruka-
目的に合わせた指標設定が必要ということがわかった。
実際の評価設定の仕方がなんとなくイメージができた気がする。
test_test___
各性能評価指標をどのように算出するのか概要を確認できた。
i_mura888
作成したAIモデルの性能評価で利用出来る
cs1960
大変、勉強になりました。
yokoishida
はじめてきくことがあり、まだ馴染めません。
makidayo
ROC曲線を実際に手を動かして確認してみたいと思った。
pinguino
今回はよく理解できた。評価によって意味のある分析をしたい。
sakurai_shingo
業務で活用できそう。
yukofunada
応用問題で分からなかったところの理解が深まりました。
hi-std
立場で性能評価指標が変わることがわかった。
tsukamotoya
学んだ内容を業務や日常において活用できるよう頑張ります。具体的なシーンをイメージしながら学習しました。
h-kozawa
ROC曲線の作成方法以外は、説明内容自体は難し目のお話でしたがイメージは理解できました。
takumi_1453
回帰用の性能評価指標
■MSE(平均二乗和誤差)
・予測と実際の差の二乗の平均
■RMSE(平方根平均二乗和誤差)
・予測と実際の差の二乗の平均の平方根
■MAE(平均絶対値誤差)☆☆☆
・予測と実際の差の絶対値の平均
・誤差の平均のため解釈性に優れる
分類用の性能評価指標
■混同行列
・予測結果と真の結果でクロス集計する
・予測結果陽性✕真の結果陽性
→TP(truepositive)
・予測結果陰性✕真の結果陽性
→FN(falsenegative)
・予測結果陽性✕真の結果陰性
→FP(falsepositive)
・予測結果陰性✕真の結果陰性
→TN(truenegative)
■Accuracy(正解率)
=(TP+TN)/(TP+TN+FP+FN)
■Recall(再現率)
=(TP)/(TP+FN)
■Precision(適合率)
=(TP)/(TP+FP)
■F1(RecallとPrecisionの調和平均)
・両者のバランスと精度を評価した指標
■目的によって評価指標は変わる
(例)がんの診断
→患者視点ではPrecision優先
(がん陽性の予測に対して実際に陽
性か陰性かを知りたい)
医師目線ならRecall優先
(予測に関係無く真の陽性がんを見
つけたい)
■ROC曲線とAUC
・Recall、Precision、F1はクラス判定の
閾値を変更すると値が変わってしまう。
(例)確率80%以上でがんと判断
確率60%以上でがんと判断
→Recallの値が変わる
・閾値に依存しない評価を行いたい場合
(不均衡データを扱う)
→ROC曲線とAUCを用いる
・ROC曲線
真陽性率、偽陽性率の交点を結ぶ
・真陽性率 (TP/(TP+FN))
*Recallと同義
・偽陽性率 (FP/(FP+TN))
・AUC
・ROC曲線下部の面積
・AUCが大きいほどモデルの性能が
いいと解釈
・最大値は1、最高性能
・最小値は理論上0.5、最低性能
e_co
理解しやすく、実務で活用できる場面を検討したいと思いました。
ta-mo-
性能評価指標の考え方が理解できた。ただ、閾値により評価が変わるのであれば、基本閾値に依存しない手法で進めるのが良いのだろうが、
計算が多くなり負荷がかかるのだろうと推定するが、ここは難しいな、と思いました。
shin_yako
参考になりました。理解が深まりました。
masato_86
わかりそうでわからない部分だったのがわかった気がする。
grateful
性能評価指標を学びました。
mie_matsui
まだまだ理解不足だと思いました。
takahashi_mi
言葉だけ頑張って覚えていた、性能評価指標について、意味が少し分かった気がします。
temp_at
感度や特異度という言葉で知っていた気がするが、もう一もう一度復習しないと理解できているか少し不安。
70sp1208
性能評価指標には様々の手法があることを知った。ただ、数学をよく理解していないといけないので、今一度過去に学習した数学的知識を復習し、今回学んだ性能評価指標について理解を深めていきたい。
kandamasaru
評価指標について理解することができました
yoshikouc
性能評価をすることでわかりやすく認識して結果から次につなげることができそうですね。
kyo1227
分類性能評価であるROC曲線については、もう少し復習してみたいと思います。
hrkudo
ROC曲線はもう一度学習が必要と感じた。
takemaru0530
難しい章で理解できない箇所がありました。時間が余りましたら、再度見直ししたいです。
aokitaka-tci
性能評価指標につき一定理解が深まった、ROC曲線のところが少しおいつかなかったので整理したい
tasu-o
ROC曲線の理解が浅いと感じたため、学習を振り返りたい
mutame
RecallとPrecisionの違いが分かりやすかったです。
homma_nanami
難しかったがイメージはできました。もう少し復習してみたいと思います。
hirano_rikiya
統計学の理解が深まりました。
gobau
回帰、分類それぞれの性能評価指標の理解が進んだ。
xiu14
これまで意識したことがなかった「性能評価指標」について興味が湧いてきました。
mori_1991
性能評価には様々なタイプがあることを学ぶことができた。
yukotti_222
実務でAUC、偽陽性率、真陽性率などがでてくるものの、よく意味が分かっていなかったこともあり、勉強したいと思っていた。とても勉強になった。
myu-tan
混同行列を用いた性能評価指標を予算と実績などに活用できれるようならしてみたい
warashina12345
評価指標について理解することができました
aquico52
機械学習の評価手法が分かった。教師データ作成とテストデータの確認、その後再学習前にデータ調整などはしたことがあったが、学習モデル事態の性能評価手法は経験がなかったので、エンジニアの方々がどう評価されていたのかが分かった。
asakusajun
嘱託社員です
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。
tempchan
recall と precision の違いの説明で、がん患者と医師からの目線を使った説明がとてもわかりやすかったです。
takeshita_ta
性能評価指標を用いて、通話内容分類モデルや顧客満足度予測モデルの精度を評価することが可能である。また、評価結果に基づいてモデルの改善や最適化を行い、コールセンター業務の効率化が期待できる。
tnema
再受講して理解を深めたい。
hinaya_0821
別システムでそれぞれ申請した内容(旅費申請で出張としているが、勤怠入力申請で休暇等)のデータについて、エビデンスを見ることができ、かつシステムの統合にも役立つように感じた。
これは講義の内容であるが、Video1でRecallの説明の際、分母と分子が逆になっていた。
正しい内容に修正が必要です。
globis-mrm
性能評価指標に何があり、どのような違いがあるのかは分かったが、
それぞれの特徴や、どのような場合にどの指標を重視すべきなのかについては理解しづらかった。
temp954
解説が身近な業界を取り上げていて理解がスムーズでした。
yoshiyc
一度見ただけでは理解できないため、再度視聴し理解したい。
t03290512
日常業務に取り組活動
staka3
性能評価指標についてまだまだ勉強は必要ですが、違いが分かりやすかったです。
nokt
ROC曲線についての基礎的な説明がわかりやすかったです。
yy_nn
学んだ内容は、線形回帰やロジスティック回帰のモデルを作成後、モデルを評価するのに活用できると思いました。具体的には、顧客の動向や機器の故障などを予測するモデルを立てたときに、一つの要因に基づく予測ならMSE、RMSE、MAEを導き、他のモデルと比較するなどです。二つの要因に基づく予測なら、正解率、再現率、適合率、ROC曲線を算出し、モデルの妥当性を判断したいと思います。
srk1
AccuracyとRecall、Precisionの考え方は企業の投資判断などにも応用できそうに感じました。
everest
モデルの精度や信頼性を測定し、最適なモデル選択や改善に活用したい。
hiroshi-srkr
AUC曲線というと薬物動態でなじみがあったが機械学習の性能評価としても使われることを初めて知りました。
egon
業務でエンジニアとの打ち合わせで活用できるかなと思いました。
kkmmyy
今後参考にしたいと思います
rirac
性能評価指標や混同行列など色々な用語がたくさん出てきましたが、一つずつ理解していきたいです。
terulin
性能評価にも2種類あることが分かった
コロナの時のPCR検査で、よく偽陽性率と言う言葉をよく耳にしていましたが、意味していることが理解できました。
holborn_summer
1回の視聴で中々咀嚼できないので、また繰り返し視聴したいと思いました。
timetraveler
混同行列の説明は、具体例の説明もあって分かりやすかった。より理解を深めたい。
sbsh
ROCとAUCの部分が十分に理解できませんでした。また後日より簡単な内容から勉強したいと思います。
abarenaikun
機械学習の性能評価指標はモデルの信頼性を確認するうえで重要だと感じる。特にROC曲線やAUCは分類モデルの精度を把握するのに役立つ。正しく活用するために、評価指標の意味を深く理解し、実務での応用を進めていきたい。
macha511
性能評価指数の意味について理解できました。
sat_mura
性能評価の理解ができた。
どんな評価をするのも、目的(視点)違いであるため様々な評価軸があると感じた
ohkmas
閾値に依存しない評価を行いたいときにはROC曲線とAUCが用いられる