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239件
ozawa_h
GLOBISでこのようなコースは期待していませんでした。一般のビジネスユーザには難しいように思えます。
大学のコンピュータサイエンス風のコースで論理の説明が多いので楽しく学習させて頂いています。
choko0504
教師あり学習の一般的な手法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利用したい。
yanoyano1
身近な具体的な例に当てはめてみるとより理解が進むと思うので、身近な事例でも検討してみたい。
kazumi_100pot
機械学習の基礎的な知識を復習することができました。回帰については、沢山勉強していきたいです。
ichi_t
通学のビジネスアナリティクス研修で若干、かじっていたので、分類と回帰が何でAIで何を達成するのか、なんとなく理解できました。
このコース単体で何かを理解するのは、難しいと思いますが、入り口として言葉に触れておく上ではいいのかと思いました。
chikako_k
教師あり学習と、無し学習で、画像についてが、どちらになるのか、よく理解できませんでした。
t_htn
教師あり学習の基礎が理解できた。
データを分類や回帰するデータ処理に活用し、
適切な判断をできるようにしたいと思う。
k_yuna
大変勉強になりました。
koichi_seya
機械学習の概要が学べた。さらに深く学びたい。
watanabe-tat
製造工程の外観検査に教師あり学習を活用したい。また教師あり学習データを作成するアノテーション作業を効率化するため、教師なし学習で分類して、ラベル付けして、教師あり学習する手法も取り入れたい。
naoki_sasano
機械学習の種類(教師あり、教師なし、強化学習)とその開発、評価フローについて理解した。機械学習のプログラムに使用する各ライブラリについては知っていたが、科学計算ライブラリはどのように使用するのか、後ほど調べようと思った。
k-akira
機械学習、深層学習、人工知能の概要理解ができた
kazuwata
学習ありデータは回帰と分類ができる。
chang_shin
概要はなんとなーくわかった。具体性が少ないので頭に記憶が残りにくい。
stani
AIの学習に教師ありは解答があることと同意義と理解した。
mainichi365
AIを何の業務に適用するのかを、見極めるところに知識や技術が必要かと思う。
7031
AIを何の業務に適用するのかを、見極めるところに知識や技術が必要かと思う。
matute
機械学習の種類が理解できた。機械学習を進めるにあたり教師ありの回帰か分類化かもしくは教師なしか、それとも強化学習かなど準備できるデータや目的によって使い分けできると思う。
9141294
以前に学習したことの復習として役だった。
david_wp
AIの概要を分かりやすく紹介していただき、ありがとうございます。社内で同僚などにAIについて説明するときに役に立つと思います。
user-name01
AI,機械学習、深層学習の包括関係がわかった。
konbass8
教師あり学習に、回帰と分類があること、その内容について理解できた。
iso_ken
いままで、漠然と理解していた機械学習の分類が明確になった。
36271
データサイエンティスト検定などは難しそうではあるが興味は出たような気がします。
活用できれば幅が広がるような気がしました。
yonghwa
基礎的な所が学習出来てよかったです
yasupii
機械学習には、教師あり、教師なし、教科学習の3つがあることを知りました。今時点では、「なんとなく分かった」ような感じです。今後は、その具体例を使いながら、その違いをもう少し深く理解したいと思います。
inyourmind
「機械学習のプログラミングはPythonが世界標準だ」と言い切っているのは初めて聞きました。これからはやはりPythonに軸を置こうと思います。
kenjiro_fujita
機会学習を利用するにも課題を定め、価値を具体的にし、投資効果を考えることが重要だと理解した。
vz3000
機械学習の基礎的な知識を学習することができた。また、教師あり学習の概要を理解することができた。
saito_koji
AI知識の導入としてよかったです。
ken222
教師あり学習は回帰と分類に分けられることを覚えておきたい。
yasu_1234
AIの基礎的な内容を復習することができた。
hfkd156036
教師あり学習の一般的な内容が理解できた。
miura_ka
全体感を改めて確認できた。
yoshikazu-1103
教師あり教師なしなど、概要の理解はできたと思います。
これからは、もう少し深掘りが必要だと思います。
mamoru-yasuda
基本的なことを理解できました
take515
機械学習の学習、運用フローの概要について学んだ。
hr-sakai
なんとなくわかった。もう一度復習します。
shirojpn
別のコースで学習した「教師有り学習」の概要を復習する事が出来た。
「深層学習」という言葉が聴きなれないと一瞬感じたが ディープラーニングの事だと気づき
カタカナ記述の方が身近になっていることを感じた。一方、漢字表記の方が更に中身を簡潔に表しているのを感じた。
ni-shi-me
DS検定で学んだ内容の復習に役立った。
kuro-a
自分で機械学習とは?説明しろといわれたときに、体系的にいえるようになったと感じる
vegitaberu
基本的には、機械学習について、理解できている内容が多かったように思っていますが、復習、確認ができました。この後、より高度になっていくに従い、AI、機械学習で行われていることについて、理解が深まればいいと思っています。
sui_
データサイエンティスト検定の本で見ている内容と同じですが、動画になることで理解力が上がりました
madogiwazoku
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。
pomu77
教師あり学習、教師なし学習、強化学習の違い、教師あり学習でできることの回帰、分類について理解できました。
taka1962
AIを業務に活用する前提となる考え方を学ぶことができた。
suzuqp
回帰と分類の具体例が分かり実際の業務でも使える場面がないか考えたい。
samsamissamu
教師あり学習の一般的な手法について理解することができた。
k_k_ai
機械学習の種類についてざっくりと理解することができました。
s-ma
機械学習の基本的な手法を学んだ
michiyomichiyo
おおざっぱにはなるが何となく理解した。
test_test___
概要は理解できた。具体的にどう使われているのか知りたい
mtaya
営業部の得たデータから業種などの項目を頼りに、トレンド・市場動向などを分析して将来のニーズを予測、提案型営業につなげる
kitano_wataru
ビジネス観点での機械学習システム作成の重要点も紹介しており、直感的にわかりやすかった。
i_mura888
機械学習を利用して業務を行う際に役立ちます。
shouko__
回帰や分類は業務でよく発生します。具体的には、売上予測が上げられます。天気との相関が考えられる場合や地域、過去の購買履歴等との相関が考えられる場合に、機械学習させることにより、より精度の高い売上予測をたてることができそうです。様々な情報・データの中から、学習用データとして利用するのにふさわしい、相関関係があり偏りのないものを、ある程度人の力で見つけ出す必要がありそうです。
fukashi_uehara
機械学習の基本的な概要がイメージ出来ました。画像認識技術の応用を考えているのですが、参考になりそうです。
cs1960
大変勉強になりました。
whamu
機械学習は教師あり学習、教師なし学習、強化学習などがある。ほとんどのaiは教師あり学習を採用している。
yokoishida
ぼんやりとした知識がクリアになりつつあります。
toshi-iwai
機械学習の教師あり学習で教師の意味がわからなかったので理解出来ました。難しいので復習したいと思います。
4ktake
これまで何となく聞いていた言葉が理解できるようになった
70sp1208
教師あり学習という言葉はよく聞くが、よくわからなかった。今回の動画を視聴してよく理解できた。また、回帰と分類の意味も理解できた。引き続き、AIの基礎について学習していきたい。
sakurai_shingo
業務で活用できそう。
makidayo
機械学習について、再度ここで説明頂きより理解が深まった。
pinguino
機械学習②から⑪まで学んできたところで突然①に戻った。最初に①から学ぶ方がはるかに理解しやすいはずだ。このカリキュラムの組み方は疑問だし、変更してほしい。
sawa-jun
機械学習の基礎を学ぶことができました
tsukanakah
自分がやろうとしている機械学習がどの種類に属するのか意識して最適な対応を取る
hi-std
教師あり学習の概要について学べた。
hhmorimoto
機械学習を活用した課題解決はこれから重要になってくると思います
具体的な活用については、これから検討して行こうと思います
tsukamotoya
DXテストの前に学習しておけばよかったです。後悔しております。
yuki_nagato
身近な事例でも検討してみたい
saito0722
需要予測に活用する。学生が望んでいるもの中年、シニアが望んでいるのは何かなど
w_axl
時間的は丁度良いので 少しづつ振返りながら学習していきたいです
ks070341
どのような業務自動化が教師あり学習に適しているのかをイメージできた。
h-kozawa
履修済みである機械学習廻りの復習機会となりました。
moveon-s
なんとなくは分かりました。 しかし具体性が無いのでどのシーン繋がげて良いのか不明です。
今後勉強する過程で分かるよう機械学習教師ありについて勉強していきます。
iwc_co
教師あり学習では、いかに多くのサンプリングデータを学習させるかで、結果の成果が変わってくるが、コストとのバランスを考慮しないといけない。
shin_yako
参考になりました。実務で活用を検討します
ta-mo-
業務に今後どのように機械学習を使用するか、使用しないか、どこまで深ぼるかを
機械学習の基礎として、データサイエンティスト部分の理解ができた
e_co
バラバラに得た知識の整理ができました。
人が作為的に使用しないように気をつけて利用する必要があると感じた。
yasgoh
教師あり学習は画像分類や音声認識等で用いられる方法である。
回帰は目的変数が実数となり、分類は目的変数がカテゴリーを表す離散値となる点が異なる。
grateful
機械学習を学びました。
masato_86
内容がよくわかりました。
fu-fu-fu
機械学習の基礎が理解できた。教師有学習、教師なし学習、機械学習の違いが分かった。また最新のプログラミング言語やライブラリの活用などについても知識を得た。
oknmkcti
何度も勉強していけば分かるようになるのでしょう。
用語はやっぱり使われている現場を知らないと生きた言葉にならないと思う。
データサイエンティストの著作など読んでみたい。
takahashi_mi
日常で活用するのはハードルが高いですが、まずこの程度のことを理解できるようになりたいと思います。
mikity1994
回帰と分類について今までよくわかっていなかったので、整理することができた
shiba_momochan
なかなか馴染みにくい内容であった。
y-arano
機械学習の概要をしっかりと学ぶことができました。
takumi_1453
➀人工知能の定義 by ジョン・マッカーシー
人工知能:知的なコンピュータプログラムを作る科学と技術
知能:実際の目標を達成する能力の計算的な部分
②用語の整理
機械学習⇒人工知能を実現する技術領域のひとつ
深層学習⇒機械学習の方法論のひとつ
人工知能(AI)
⇒機械学習⇒深層学習、SVM、線形回帰、クラスタ分析、決定木、etc
⇒エキスパートシステム
⇒探索アルゴリズム 等
③機械学習の定義 by アーサー・リー・サミュエル
コンピュータプログラムが、あるタスクにおいて用意されたデータを使い、性能の評価値を向上させること
④タスクとは
問題設定のこと
⑤機械学習の全体像
学習フェーズ:過去のデータ⇒機械学習⇒判断ルール
運用フェーズ:新たなデータ⇒判断ルール⇒予測結果
⑥開発・運用フロー
学習フェーズ:過去データ入手⇒基礎集計・グラフ化⇒データの前処理⇒特徴量の設計・抽出⇒モデルの検討・評価・チューニング⇒モデルの決定
運用フェーズ:(学習済みモデルをデプロイ(本番環境に配置))⇒新しいデータを入手⇒予測⇒結果の評価⇒モデルの更新
⑦ビジネス観点
➊課題定義:どれほどのビジネスバリューをもたらすか?機械学習で解く必要があるか?
❷ROI観点でどこまでチューニングすべきか:50%⇒51%の改善より90%⇒91%nのほうがより工数がかかる
⑧主要ツール・ライブラリ
プログラミング言語:python
ライブラリ:
機械学習:scikit-learn、Keras、TensorFlow
ベクトル・行列計算に特化:NumPy
計算可視化:matplotlib
データ処理:pandas
科学計算:SciPy
⑨学習方法の違い
教師あり学習:正解ラベルが付与されたデータを用いる(株価予測、画像分類、音声認識)
教師なし学習:正解ラベルを用いずに学習(顧客のクラスタリング、画像特徴抽出、センサー異常検知)
強化学習:試行錯誤により最適行動を学習、学習用データが無い状態で学習(囲碁AI、歩行ロボット)
⑩教師あり学習の基礎
入力⇒正しい出力(教師)=学習用データ⇒モデルは出力を教師に近づけるように学習
データの教師ラベル付け作業=アノテーション
できること⇒回帰と分類
★回帰:数値を予測、yは実数
★分類:カテゴリを予測(2カテゴリ、二値分類)、yはc個のカテゴリ・離散値
sales_supdoctor
教師ありの学習について、機械学習の流れを学習のフェーズと運用のフェーズに分けてそれぞれの業務フェーズを考慮するのに役立つ。また、機械学習のPython紹介から各種ライブラリーの活用も興味深い。教師あり学習の2分類(回帰と分類)は実務で使えそう
toshiazeo
非常に難しい内容でした。現状の仕事での活用範囲は少ないものの基礎知識として有用です。
miki1165
分類理解しました。次のステップのために活用します。
isobe2615p
人口知能を支える、学習方法に関する構造(位置関係)が分かり易かった。
yoshikouc
業務で活用するためには、多角的でないといけない。
nakashi49
機械学習(教師あり学習)の基礎の学習を通じて、ビジネス観点では機械学習によって解決を図るべき課題設定と、ROIを踏まえた学習が重要であることが理解できた。
temp_at
内容はわかりやすかったが、ラーニングパスのもう少し前の方にあるべきかなと思った。
dansagami
いまいち理解できなかった
takashi_tsujii
売上予測に利用できないか検討してみたいと思う