サービス

受託分析サービス

データサイエンスや機械学習を活用したデータ分析や独自アルゴリズム開発のためのプロフェッショナルサービスです。育成型・R&D型・アドバイザリー型など貴社のニーズに合わせて対応致します。詳しい内容はこちらのリンク、または以下画像からご確認下さい。

knowledge transfer

もっと見る

 

CIオンラインプラス

CIオンラインプラスは会員制のオンラインサービスです。毎月のビデオカンファレンス予約権に加え、技術調査動画を活用することで継続的な人材育成に役立て頂けます。

もっと見る

コンテンツ紹介:レクチャー動画

レクチャー動画は、データ活用を志す非データサイエンス系人材の方々に向け、データサイエンスの基礎的な内容を取り扱っています。ビジネス実務者が機械学習を正しく理解しデータの専門家と討議するための知識や考え方を身に付けることができます。

レクチャー動画リスト
レクチャー動画PART1:AI概論1【約22分】
  • イントロダクション
  • AIとは何か?
  • 機械学習の背景理論や技術領域
  • 2020年代の技術トレンド予想
  • 滋賀大学DS学部のカリキュラム
  • データサイエンスと機械学習
  • 予測と機械学習
  • 反事実の予測
  • 演習:確認してみよう1.1
  • コラム:数理科学的視点からの考察
レクチャー動画PART1:AI概論2【約17分】
  • 人工知能と機械学習
  • 第一次AIブーム
  • 第二次AIブーム
  • 第三次AIブーム
  • 機械学習の歴史
  • 参考文献
レクチャー動画PART1:AI概論3【約33分】
  • 深層学習とは
  • 隠れ層と特徴量の関係
  • ニューラルネットワークの訓練イメージ
  • 深層学習と統計的機械学習の違い
  • 特徴量の3類型
  • 知識的特徴量の考察演習
  • 実装手順の違い
  • Kerasで利用可能な学習済みモデル
  • 転移学習(特徴抽出)
  • 転移学習(ファイン・チューニング)
  • データ拡張
レクチャー動画PART1:AI概論4【約37分】
  • 機械学習が学習すること
  • 機械学習の3類型
  • 教師あり学習とデータ構造
  • 教師あり学習のタスク例
  • 教師なし学習とデータ構造
  • 強化学習とデータ構造
  • 確認してみよう:人工知能とは何か?
  • PART1のまとめ
レクチャー動画PART2【計100分】
  • リサーチクエスチョンとは何か?【約15分】
  • リサーチクエスチョン:深堀り【約15分】
  • RQ構造化フレーム前編:PICO&PECO【約15分】
  • RQ構造化フレーム後編:PIRATE【約15分】
  • AIモデリングの落とし穴:前編【約18分】
  • AIモデリングの落とし穴:後編【約22分】
レクチャー動画PART3【計220分】
  • モデリングプロセス俯瞰【約14分】
  • OLS&Ridge概論:過学習と正則化を理解する【約15分】
  • OLS&Ridge評価:holdout法とその懸念【約20分】
  • OLS&Ridge評価:交差検証法とシャッフル注意【約10分】
  • ロジスティック回帰:概説(損失関数が表す学習の方向性)【約10分】
  • ロジスティック回帰:実行(ハイパーパラメータ紹介を添えて)【約7分】
  • Decision Tree:概説(不純指標や決定境界など)【約11分】
  • Decision Tree:実行(決定木の可視化まで)【約10分】
  • アンサンブル学習:ランダムフォレストとは【約10分】
  • アンサンブル学習:勾配ブースティング(前編)【約8分】
  • アンサンブル学習:勾配ブースティング(後編)【約10分】
  • アンサンブル学習:実行例と理解チェック【約8分】
  • ツリー系の解釈:変数重要度【約9分】
  • ツリー系の解釈:Partial Dependence Plot【約6分】
  • ツリー系の解釈:実行例(コード確認)【約10分】
  • モデルの評価指標:回帰モデルの場合【約7分】
  • モデルの評価指標:分類モデルの場合【約15分】
  • 教師なし学習:醜いアヒルの子定理【約7分】
  • 教師なし学習:KMeans法(前編)【約8分】
  • 教師なし学習:KMeans法(後編)【約8分】
  • 教師なし学習:Gaussian Mixture【約12分】
  • PART3のまとめ【約9分】
レクチャー動画PART4【計170分】
  • イントロダクション【約3分】
  • 特徴量エンジニアリング:基本戦略【約11分】
  • 特徴量エンジニアリング:one-hotエンコーディング【約13分】
  • 特徴量エンジニアリング:スケールの統一【約9分】
  • 特徴量エンジニアリング:非線形変換【約11分】
  • 特徴量エンジニアリング:ビニング【約16分】
  • 特徴量エンジニアリング:主成分分析1【約10分】
  • 特徴量エンジニアリング:主成分分析2【約9分】
  • 特徴量エンジニアリング:主成分分析3【約8分】
  • 特徴量エンジニアリング:NMF(イントロ)【約5分】
  • 特徴量エンジニアリング:NMF(実行方法)【約6分】
  • 特徴量エンジニアリング:NMF(結果解釈)【約7分】
  • 特徴量エンジニアリング:特徴量選択とは【約5分】
  • 特徴量エンジニアリング:特徴量選択の前に【約8分】
  • 特徴量エンジニアリング:特徴量選択の実行【約11分】
  • 特徴量エンジニアリング:特徴量選択の注意点【約5分】
  • 特徴量エンジニアリング:課題の具体的把握【約11分】
  • 特徴量エンジニアリング:課題への対処法【約13分】
  • PART4のまとめ【約5分】

コンテンツ紹介:注目技術動画

注目技術動画は、より高度にデータサイエンスを活用するためのコンテンツです。会員ページでは、参照論文や関連資料の閲覧、サンプルデータを用いた学習が可能です。

Tech to Watch 動画リスト
  • 因果推論(Mediation Analysis):非言語的メカニズムとZoom疲れ【約51分】
  • How to use catboost’s object importance【約16分】
  • DATA PROFESSIONAL INTERVIEW:対談動画#3【約13分】
  • DATA PROFESSIONAL INTERVIEW:対談動画#2【約10分】
  • DATA PROFESSIONAL INTERVIEW:対談動画#1【約16分】
  • 因果推論入門[2]:因果推論の意義の振り返りとサンプルコードチェック【約31分】
  • 因果推論入門[1-3]:Double Machine Learning~Cross-fitting【約18分】
  • 因果推論入門[1-2]:Double Machine Learning~Regularization Bias【約20分】
  • 因果推論入門[1-1]:What’s Double/Debiased Machine Learning?【約14分】
  • What’s CausalNex?[1-2]:NOTEARS algorithm for causal discovery【約15分】
  • What’s CausalNex?[1-1]:an open-source library for Bayesian Networks【約23分】
  • 因果推論超入門5:EconMLの基本メソッド確認(PyCaretの使い所のを添えて)【約39分】
  • 因果推論超入門4:因果推論の必須ツールDAGを理解し使いこなす【約29分】
  • 因果推論超入門3(後編):因果推論ライブラリDoWhy&EconML【約19分】
  • 因果推論超入門3(前編):因果推論ライブラリDoWhy&EconML【約12分】
  • 因果推論超入門2:準実験レベルの解析(RCTが使えない時の処方箋)【約26分】
  • 因果推論超入門1:機械学習ベースの因果推論の実践に向けて【約10分】
  • PoC死させない予測モデルの評価法:意思決定タイプ毎のPoC死全経路解説【約56分】
  • ライブラリ紹介:WhyNoteとStreamlitを使ってEconMLのHTEを検証する【約14分】
  • What’s DiCE?:Diverse Counterfactual Explanations for ML【約20分】
  • 生存時間解析超入門(前編)【約25分】
  • DAアルゴリズム:マッチング課題への安定解決定アルゴリズム【約16分】

サービスの流れ

お問い合わせからサービス提供までの基本的な流れを掲載しております。内容はこちらのリンクまたは以下画像からご確認いただけます。お気軽にお問い合わせ下さい。

Service Flow

もっと見る


Message

CEO/Founder 山田 典一 Norikazu Yamada

インテリジェンスの生産に貢献したい。

データは21世紀の新しい石油に例えられ、多くの組織でその蓄積と活用が進められています。そんな中で、私たちCI.が大切にしている領域があります。それはインテリジェンスの生産です。

インテリジェンスとは「組織の利益に資するまでに洗練されたインフォメーション」のことで、単にデータが加工されたインフォメーションとは区別される概念です。しかし、多くの方々はデータを単にインフォメーションに変換する行為も「分析」と呼ぶ傾向があります。ただ、私の知る限りそのような組織で生産性の高い組織はありません。データをインテリジェンスに変換するために必要な人材や組織への投資が不足しているためだと思われます。

CI.はThe Analytics Companyとして、クライアントに対しインテリジェンス生産能力の開発とインテリジェンス人材の育成に貢献することで、企業に不足したケイパビリティの開発を支援します。

受託分析サービス

データサイエンスと機械学習を駆使した探索的分析や独自アルゴリズム開発等のためのプロフェッショナルサービスです。育成型、R&D型、アドバイザリー型など貴社ニーズに合わせ対応致します。詳しい内容はこちらのリンクまたは以下画像からご確認下さい。

knowledge transfer

もっと見る

CIオンラインプラス

CIオンラインプラスは法人向けの会員制オンラインサービスです。毎月のビデオカンファレンス予約権に加え、技術調査動画やライブ配信等を活用することで毎月の技術アドバイザリーや人材育成にお役立て頂けます。

もっと見る

サービスの流れ

お問い合わせからサービス提供までの基本的な流れを掲載しております。以下画像から、具体的な流れを確認いただけます。お気軽にお問い合わせ下さい。

Service Flow

もっと見る

PAGE TOP