コース内容COURSE

機械学習の概要とRapidMinerの基本的な使い方が習得出来る初級コースです。
『顧客データを分析して離反を防ぐ』というケーススタディでRapidMinerの基礎を学習します。

対象者

初めて機械学習に触れる人 におススメ

所要時間

Pt1 約298分　（ver.10.0以前の旧講座は約140分）
Pt2 約416分　（ver.10.0以前の旧講座は約250分）
※実際の所要時間は、ハンズオン含め約2～3倍程度かかります。

習得内容

機械学習の概要を理解する
RapidMinerの基本的な使い方を習得する

コース内容

Pt1 / 全5回　約298分　（旧講座：約140分）

第1章	本コースの概要／アナリティクスとは何か／今回扱うデータ／CRISP-DMモデルとは／RapidMinerの操作
第2章	データの準備／データの前処理／変数の定義／プロセスの保存／２章まとめ
第3章	モデリングの概要／k-nnとは／モデルの適用／３章まとめ
第4章	モデルの検証／パフォーマンスの見方／クロスバリデーションとは標準化とは／４章まとめ
第5章	第5章：線形回帰とは／郵便番号のより良い表現／決定木とは／まとめ

Pt2 / 全6回　約416分　（旧講座：約250分）

第1章	本コースの概要／アナリティクスとは何か／今回扱うデータ／CRISP-DMモデルとは／RapidMinerの操作
第2章	結合の理解／離反データの結合／目的変数の生成／性別情報の結合／データの集計／２章まとめ
第3章	データの回転－ピボット／行方向の集計／属性でループ／属性名の削除／年齢の算出／最後の仕上げ／解約データに含まれる顧客データを削除
第4章	ニューラルネットワークの概要／学習係数／局所最適点とモメンタム／不均衡データ／不均衡データの処理／４章まとめ
第5章	サポートベクターマシン概要／カーネルトリック／サポートベクターマシンまとめ／パラメータ最適化／５章まとめ
第6章	変数選択／変数増加法／変数増加法の計算量／Speculative Rounds／変数減少法／変数選択の検証／変数選択後のシナリオ／第６章のまとめ