CIオンラインプラス

データ活用促進のための法人向けオンラインサービス


CI.の特徴

 

注目技術動画

CIオンラインプラスでは注目したい技術として最新の機械学習技術等について取り上げ紹介します。例えば、機械学習ベースの因果推論、知識グラフ、自然言語処理技術などについてです。また昔のアルゴリズムであってもビジネスに役立つと判断したものは紹介していきます。社内に専門のデータサイエンス研究組織を立ち上げること、またそれを維持することは容易ではありません。CIオンラインプラスをあなたの社外ラボとしてご活用下さい。注目技術動画の一部はYoutubeチャンネル:データ科学のメソドロジーでもご確認いただけます。


レクチャー動画

この分野の最新技術は目まぐるしく変化する一方、多くのビジネスの現場で要求される基幹的な分析技術は成熟しつつあります。またジュニアレベルのデータサイエンスティストが棟梁レベルのデータサイエンスティストに成長するには、最新の技術インプットだけでは限界があります。CIオンラインプラスのレクチャー動画では、技術レクチャーに加え、要所で技術活用の実態やプロジェクトの裏側についても紹介していきます。


図解ショーケース

データサイエンスの黎明期から第3次AIブームの現在に至るまで、長くデータ利活用を探究し、その過程で作成してきた多くの図表があります。それら図表は再編されレクチャー動画に活用されていますが、これらを会員が利用しやすいよう一言解説を加え「図解のショーケース」として用意しました。データサイエンスの理解度チェック、社内データサイエンスプロジェクトの計画・設計に役立てて下さい。


ビデオ・カンファレンス

CIオンラインプラスでは毎月ビデオ・カンファレンス日程を設け、会員向けにコンサルティングサービスを提供しています。データのプロフェッショナル同士として、またデータサイエンティストとエンジニア・マーケター・プロダクトマネージャー・HRプロフェッショナルなど異なる領域のプロフェッショナル同士として、討議・情報交換させて頂きます。ちょっとした雑談であっても定期的に行うお話しすることが大切だと考えておりますので、遠慮なくご予約下さい。


ライブ配信やバーチャルラウンジ

編集・計算された動画ではなく、調査中の技術や気になるニュースについてフランクに情報配信していきます。視聴するだけであれば参加者はプライバシーを全く気にする必要はありません。またコメントを残してインタラクティブに参加したい場合にも投稿はニックネームで大丈夫ですのでご安心下さい。バーチャルラウンジはビデオ・カンファレンスのような「会議」ではなく、ラウンジ(や昔のタバコ部屋)でのちょっとした「立ち話し」の役割を持たせた空間です。会議だと堅くなってしまう。そんな場合はこちらをご利用下さい。


コンテンツ紹介:レクチャー動画

CIオンラインプラスのレクチャー動画はビジネス部門や非データサイエンス系のエンジニアに向けた基礎的な内容を取り扱います。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お伝えします。またソフトウェアエンジニアの方が機械学習アルゴリズムを理解し、そのインプットとなるデータの前処理やアウトプットなるモデルの評価法について理解できるよう構成されています。

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

注目技術動画のレベルは様々ですが主にデータの専門家向けです。本動画の多くはYouTubeチャンネル「データ科学のメソドロジー」でも公開しておりますが、会員ページでは参照論文、関連資料の閲覧、画像素材、サンプルデータを用いた学習が可能です。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死全経路解説はデータの専門家だけではなく、ビジネス実務者の方にも是非ご確認いただきたい内容となっておりますので、よろしければご確認下さい。

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】

サンプル動画(1.5倍速推奨)

レクチャー動画と過去ライブ配信のサンプル動画です。


 

サービスの流れ


メルマガ登録

ライブ配信情報やデータ&ディシジョンサイエンスに関連する最新の調査情報をお届けしています。

PAGE TOP