Kamala は衣料品会社で Machine Learning サイエンティストのチームを率いています。完了すべきタスクのリストがあり、一部は Supervised Machine Learning に、別の一部は Unsupervised Machine Learning に適しています。
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
まず、データサイエンスとは何かを定義します。データサイエンスのワークフローや、実際のビジネス課題への適用方法を扱います。章の最後では、組織のニーズに合わせてデータチームを構成する方法について学びます。
データサイエンスのワークフローを理解したところで、最初のステップであるデータ収集を深掘りします。企業が活用できるさまざまなデータソースと、収集後のデータの保存方法について学びます。
この章では、ダッシュボードを使ってデータを探索・可視化する方法を解説します。ダッシュボードの構成要素や、ダッシュボードの作成依頼を明確に行う方法を学びます。さらに、アドホックなデータリクエストや、意思決定のリスクを下げる強力な分析手法であるA/Bテストについても取り上げます。
最終章では、データサイエンスで最も注目されるテーマ、Machine Learning を扱います。教師あり学習と教師なし学習、そしてクラスタリングを学びます。続いて、時系列予測、自然言語処理、ディープラーニング、Explainable AI などの特別トピックも取り上げます。
現在の演習
