企業がデータと分析のロードマップに着手したら、各タスクがデータニーズのピラミッドのどこに位置づくのか、また領域ごとにどれくらいのプロジェクトがあるのかを理解することが重要です。この演習では、タスクをデータニーズのピラミッドの適切な場所にマッチさせてください。
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
機械学習は多様な業界や分野で使われています。適切に適用すれば、ビジネスを根本から改善できます。この章では、機械学習のユースケース、関与する職種、そしてそれらがデータニーズのピラミッドにどのように位置づくかを説明します。
現在の演習
この章では、機械学習の種類を概観します。因果モデルと予測モデルの違いを確認し、教師あり学習と教師なし学習を取り上げ、最後に教師あり学習のサブタイプである分類と回帰を理解します。
この章では、ビジネス要件のスコーピング、機械学習の機会の特定と規模感の見積もり、モデル性能の評価、そしてプロセスにおけるパフォーマンスリスクの特定という主要ステップを確認します。
この章では、機械学習プロジェクトのマネジメントにおけるベストプラクティスと避けるべき点を扱います。よくある機械学習の失敗を特定し、ビジネス側とMLチーム間のコミュニケーション管理の方法を学び、最後に機械学習モデルを本番環境へ展開するときの課題に対処します。