機械学習⑩時系列分析・自然言語処理／データサイエンス入門

stani

0

データを分析しやすいように加工することが重要である。

mainichi365

0

種類はわかりました。

user-name01

0

言語処理の基本的なことを学んだ。

iso_ken

0

過去情報の有効活用の観点から自然言語処理を用いて、関連しそうな文書を選び出すなどに使用したい。

knonaka

0

自然言語処理は、長文の業務報告書の要約に活用できる。
また、時系列処理は、社内で利用されているツール使用予測に活用できる。

choko0504

0

自然言語処理は、日常業務で利用する機会があると考えられるのでいつか利用したい。

yasupii

0

資源言語処理について、基本的な解析のやり方を学びました。クラウド分析など、解析結果に関して、それを見た人がどのような読み取り方をするのかにより活用の仕方が変わるのだろうと思います。やはり最終的にはヒトの力が必要だと分かりました。

kenjiro_fujita

0

自然言語処理の用語や時系列分析の用語が分かった。

shin130

0

時系列分析、自然言語処理の考え方を理解/確認することができた。
デジタル処理の基礎的な考え方になり、理解が進みました。

vz3000

0

時系列処理や自然言語処理の概要を知ることができた。

k--g--

0

自然言語処理について理解はできたが、作業はツールにお任せすることになると思う。

hfkd156036

0

自然言語処理について理解を深めることができた。

sesesese

0

基礎講座の一部です
にしても、説明がざつすぎないでしょか？
何の目的のために使われる分析なのかわからないと、手法の名前を羅列されてもあまり意味を感じません。

miura_ka

0

手法や種類について学ぶことができた。ただ、どういった場合に用いる等は腹落ちまでもう少し考えてみる必要がある。

take515

0

時系列分析、自然言語処理の基本的事項を確認した。

hr-sakai

0

時系列分析、自然言語についてわかりやすく理解できました。今後試します。

shirojpn

0

時系列処理、自然言語処理の概要を理解する事が出来た。
詳細については、必要により深堀していきたい。

tsuyoshi_asano

0

自然言語の文章生成パラメータを作る上で、訓練データを形態素解析や係り受け解析し、単語の登場箇所や繋がり方を見つけやすくできるとパラメータの重みづけが効率的に更新できますね。それにしても、AI様に動いて頂くためのデータの下処理って大変そう。

vegitaberu

0

特に、自然言語処理について、理解が深まったと思います。自然言語処理は、使い道が色々考えられ、また、感が手もいるので、まずは、少しでも、理解して使えるようにしたいと思います。

pomu77

0

トレンドの成分を抽出するために使用する移動平均法について理解した。また自然言語処理の概要についても理解できた。

suzuqp

0

時系列処理や自然言語処理の概要を知ることができた。

k_k_ai

0

自然言語処理については漠然としたイメージしかなかったが、動画をみることで、
具体的な機能の集まりで作られていることが分かった。
逆に言えば、なんでもできるわけではなく、その機能しか果たせないという事が良く理解できた。

taka1962

0

業務上の打ち合わせでは、専任の記録係がいないので、AIで会話の内容を議事録にする機能があれば便利だと思います。そのようなAIはありますか？

michiyomichiyo

0

テレオペの業務をこれを使っていくことでどのような結果が生まれるのか見てみたいと思った

test_test___

0

移動平均の計算方法と自然言語処理の種類を学んだ。

i_mura888

0

機械学習に関する用語を理解出来ました。

inyourmind

0

LLMは便利だが、実用レベルのものを作るのは難しいと思う。

cs1960

0

大変、勉強になりました。

fukashi_uehara

0

時系列分析・自然言語処理の概要を理解する事が出来ました。

makidayo

0

自然言語処理の種類についてまとめて説明してもらえたので、整理できてよかった。

sakurai_shingo

0

業務に生かせると思います。

pinguino

0

テキストマイニングに関心があるので、さらに実践的な内容を学びたい。

hi-std

0

時系列分析・自然言語処理を学べた。

tsukamotoya

0

自然言語処理は、人間が日常的に使っている自然言語をコンピュータに処理させる一連の技術であり、人工知能と言語学の一分野であることがわかりました。業務に活かせるよう考えていきます。

h-kozawa

0

直近のシステム導入検討時、形態素解析について課題となっていたので、丁度よいインプットを得られました。

ta-mo-

0

時系列分析、自然言語処理について、概要が理解できた。 業務に深く関連しそうなのは、時系列分析である。
ただ、過去データを元に分析するので、やはり他因子が関わると予測が難しい。

e_co

0

移動平均も自然言語処理も、馴染みのあるものでしたが、整理出来て良かったです。
特に自然言語処理は理数系というより文系の要素があり、多面的な視点が大事だと再認識しました。

70sp1208

0

自然言語処理と聞くと難しく感じたが、聞いていると小学校、中学校の国語の文法が活用されていることを知った。今回学んだ時系列分析も含めて、勉強していくと興味深いものがある。

masato_86

0

業務に生かせると思います。

grateful

0

時系列分析を学びました。

shin_yako

0

参考になりました。仕事での活用を考えます

takumi_1453

0

教師あり学習、教師なし学習、強化学習と今回出てきた時系列分析・自然言語処理との関係がよく分からないが、前述三手法と独立に発展する機械学習の技術領域ということでいいのかな？開発ツール・エンジンも異なるようだし。。。

【１】時系列分析
①時系列分析とは
・ある現象の時間的な変動を捉えるために
　時系列データを分析すること
・将来の変動を予測することができる
・タスクの例
　株価予測
　為替レート予測
　気温予測
　商品の需要予測
　マーケティング施策の効果検証
　センサデータを用いた異常検知
　システムログを用いた不正検知
②時系列データの可視化
・時系列折れ線グラフ
　→時間ごとのデータ増減を可視化
・時系列棒グラフ
　→カテゴリ別の時間ごとのデータ増減を可視化
③時系列データの特徴
・ノイズ
　→分析に必要とされない情報
　→低周波数成分として観測されることが多い
・周期性
　→ある傾向が一定時間ごとに繰り返され
・トレンド
　→時系列データの長期的変動
　→移動平均を算出することで、抽出できることが多い
　（例:株価実測値→→→上昇トレンド）
④移動平均
・時系列データを平滑化する
・時系列データに対して、区間を移動させながら平均する
・移動平均の種類
　・単純移動平均
　　・中央移動平均：該当時刻とその前後の時刻を使う
　　・後方移動平均：該当時刻とそれ以前の時刻を使う
　　・前方移動平均：該当時刻とそれ以降の時刻を使う
　・指数平滑移動平均
　　・遠い過去の値よりも直近の値を重視する

【２】自然言語処理
①自然言語処理とは
・人間が日常的にコミュニケーションに用いている言語を自然言語と呼び、自然言語を対象とする処理のことを自然言語処理という
　・自然言語以外の言語の例
　　・Pythonなどのプログラミング言語
　　・エスペラントのような人工言語
②自然言語処理における典型的なタスク
・トピック抽出
（例）ある記事からニュース、政治、経済などのトピックを抽出する
・文章分類
（例）似ている記事をグルーピングする
・文章要約
（例）ある記事の内容を理解し100文字で要約する
・機械翻訳
（例）日本語を英語に翻訳する
・文章生成
（例）全く新しい小説を生成する
・質問応答
（例）ある質問文に対する回答文を生成する
・対話
（例）チャットボット
・テキストマイニング
（例）共起ネットワーク
　→　文章中に出現する単語の出現パターンが似たものを線で結んだ図。出現数が多いほど大きく、共起の程度が強い程太い線で表示される
（例）ワードクラウド
　→　スコアが高い単語を複数選び、その値に応じた大きさで図示する。品詞を色で識別する
・感情分析
（例）入力された文章の感情、温度感を分析
・固有表現抽出
（例）ある文章から地名・人名・組織名などの固有表現を抽出する

③自然言語処理における前処理
・基本的な前処理
　・不要文字列の除去、置換
　・正規化処理（半角・全角カナ、ひらがな、漢字→→全角カナに統一）
　・名寄せ
　・ストップワードの除去
　　・一般的で役に立たない単語などを除去すること
　　・例：ワードクラウドを作る場合、「は」「です」「を」は役に立たないので除去する
　　・形態素解析（後述）
　　・係り受け解析（後述）
④形態素解析
・文を形態素（単語）に分割し、各形態素の属性（品詞など）を判定すること
・代表的なツール
　・MeCab
　　・最も一般的な形態素解析ツール
　　・言語や辞書に依存しない汎用的な設計
　・JUMAN＋＋
　　・MeCabに比べ、より細かい意味分類（同じ語でも意味の違いを考慮した分類）を使用
　　・処理に時間がかかるが精度が高い（＝より正確に形態素を分解可能）
　・Sudachi
　　・専門外の人にも使いやすい設計
⑤係り受け解析
・文を文節に分けて、それぞれの文節の関係を調べること
・係り受け解析エンジンの例
　・UniDic2UD
　・GINZA

yoshikouc

0

時系列分析は必須の内容だと思う、今後解析に必ず並列させてデータを見ていくのだと思います

toshi-iwai

0

AI学習に関する用語がたくさん出てきたので復習して理解できるようにします。

temp_at

0

自然言語処理は形態素解析など少し触れたことはあるが、まだまだ普通に使うには難しい印象がある。

kyo1227

0

自然言語処理におけるテキストマイニングや感情分析の具体例に触れることができました。この知識を実際のビジネスシーンに活かしていきたいです。

hrkudo

0

自然言語処理について理解できた。

aokitaka-tci

0

時系列分析や自然言語処理の概要を理解した、これらは実際によく関わる内容だが、移動平均・形態素解析・係り受け解析などのキーワードは理解が不足しているので深堀しておく

mutame

0

時系列処理や自然言語処理の概要を知ることができた。

takemaru0530

0

移動平均に前方、後方があったことは、はじめてしりました。そのあたりは、興味があるため、詳しく調べて業務に活かしたいです。

inagaki_tomomi1

0

復習により理解致します。

homma_nanami

0

時系列分析・自然言語処理を学びましたが、難しかったです。

gobau

0

時系列分析、自然言語処理について理解が深まった。

xiu14

0

時系列分析と自然言語処理は、現在の業務に直結してくる内容につき
非常に興味深く学ぶことができました。

mori_1991

0

自然言語処理の流れを学習することができた。

myu-tan

0

テキストマイニングは以前かかわったことがあるので理解しやすく復習になった。

warashina12345

0

大変勉強になりました

aquico52

0

時系列分析について、よく分かった。自然言語処理については、数年前関わっていたが、あまり変わっていない印象を受けた。

imori_

0

難しくてよくわかりませんでした。今はまず、考え方だけ覚えておきたいと思います。

takeshita_ta

0

時系列分析を活用して、通話量の予測やピーク時間の特定が可能である。自然言語処理により、顧客の問い合わせ内容を自動解析し、迅速かつ的確な対応が期待できる。

tnema

0

自動翻訳などは非常に身近な存在になっていますし、ZOOM等のミーティングアプリでも文字起こしが今回の内容に該当すると思われます。機械翻訳が既に人間社会で活躍している事を考えると早急に学習する価値がある事を認識させられます。

temp954

0

時系列分析は業務でよく目にするので復習感覚で学習できた。
自然言語処理は復習の機会を持ちたい。

t03290512

0

日常業務に取り組活動

yoshiyc

0

自然言語処理の手法については、初めて知ることができ、有意義だった。

yyff

0

自然言語処理は全く知識のない分野でした
今後言語分析の機会があれば基礎知識として有効と考える

staka3

0

テキストマイニングは最近よくTVやWEBなどで目にしますが、何が今話題かなどで表して表現しているようですが確かにわかりやすいです。
うまくこれを利用をすれば今何を求められているのかのデータを収集するのに役に立ちそうです。

nokt

0

自然言語処理もかなり進んできており、実際の人間の声や話し方をとても自然に話せるようになってきました　この先に来るのは感情によって言語処理を変えるなどと思いますが、早い速度で改善が進んでいくことが考えられます。自分も参加していきたい考えです。

lattan

0

時系列分析はノイズを事前に除去することがとても大拙であることがわかった
自然言語処理は不要な言葉を外して、それぞれの言葉の同じ時期に出てくると強い関係性ができる。またある言葉が頻繁に出てくることにより頻度が多いほど大きい文字で表すことによりその文章の意味合いをさぐれることができる

everest

0

売上予測やトレンド分析、顧客の声の理解を通じて、戦略的な意思決定やマーケティング施策に活用したい。

srk1

0

自然言語処理についてよく理解できました。

9300856

0

自然言語処理は通常業務で用いるケースが少ないが、重要情報の解析などに用いてみたい

kkmmyy

0

今後参考にしたいと思います

yy_nn

0

時系列分析は、過去のデータから予測をする際に活用でき、ノイズや周期性、トレンドに注目して予測の精度を高めたいと思います。自然言語処理は、機械学習したモデルがうまくいかないときの自然言語処理過程の確認や、活用の場面での指示の仕方を工夫するのに活用できると思いました。

egon

0

時系列分析は、品質管理の考え方と同じ。自然言語については、フローチャートの流れに沿わせて考えればよい。とおもいました。

hiroshi-srkr

0

経理では時系列データ分析、一般業務では自然言語処理がとても有用だと思っており、今後さらに詳しく勉強したいと思っています。

terulin

0

時系列分析は、応用範囲が広そう。Webサイトのアクセス解析に使用したい。

timetraveler

0

時系列分析と自然言語処理を学んだ。
指数平滑移動平均の具体的な使い方・用途をもう少し説明が欲しかった。

abarenaikun

0

時系列分析は市場動向や品質管理のトレンドを把握するのに役立つと考える。特に移動平均や指数平滑法を活用すれば、データの変化を適切に捉えられる。自然言語処理では形態素解析や感情分析を用い、テキストデータから有益な情報を抽出し、マーケティングやカスタマーサポートに活用したい。

macha511

0

時系列分析や自然言語処理についての概要を理解できました。

ohkmas

0

自然言語処理における典型的タスク。トピック抽出、文章分類、文章要約、機械翻訳、文章生成、質問応答、対話。

unagi0904

0

昨今の生成AIの滑らかな言語処理はこの辺を起点とする技術とつながっているのか？でもつながりは見えない、見えるのかいづれ私に？

holborn_summer

0

中々業務で自然言語処理を使う事はないのですが、勉強になりました。

jj_mini

0

もう少し時系列解析について解説が欲しかった

holy_tech

0

自然言語処理を実際やってみたい。

h_tsukawaki

0

ワードクラウドなどは普段意識せず目にしていましたが、そのほかにも多様な自然言語分析があることがわかりました。また、時系列分析の特徴も知ることができました。

mtaka1121

0

時系列分析・自然言語処理について学習できた。

ono_toshii

0

時系列分析や自然言語処理等を学習することができた。移動平均は使ったことがないので、どこに使用できるかを検討して使ってみたい。自然言語処理はカテゴライズに有効だと思った。

na_ho

0

自然言語処理を学んだ。

kaz_2021

0

AIのプロンプト作成の参考にさせて頂きます。

yukisan3333

0

分析に重要なキーワード、指標について様々な手法があるのが学べた