RapidMiner(ラピッドマイナー)は機械学習プラットフォームです。データ可視化、データ加工、モデル作成、評価、運用までを一つのプラットフォームで行うことができます。KSKアナリティクスはRapidMinerの正規販売代理店です。

コース内容COURSE

難易度:
【標準】☆☆★★

RapidMiner 分析結果報告編

RapidMiner 分析結果報告編イメージ

本講座では、RapidMinerで実施した分析結果をどのように報告書にまとめ、報告すれば良いかのかをご紹介します。自力で分析結果を報告書にまとめようとすると、本来報告すべき内容が漏れていたりする場合があります。本講座には、報告書のテンプレート(ppt形式)もついていますので、穴埋め形式で報告書を作成することも可能です。分析結果を広く共有し、組織としての分析力を高めるために本講座をご活用下さい。

対象者

RapidMinerの分析結果をどのように報告すれば良いか悩んでいる方
分析結果の報告方法のポイントを知りたい方

所要時間

約45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

分析結果のまとめ方の形式を理解できる。
まとめ方の要点が分かる。

コース内容

全6章 46分

第1章 本コースの目的と受講対象者/対象とコースの目的
第2章 プロジェクトメンバーの役割/プロジェクトメンバーの構成
第3章 プロジェクトの選択/プロジェクトの選択
第4章 報告書の作成方法/タイトル、概要(サマリー)/はじめに/取得データの概要/目的と成功の指標/プロジェクトメンバーの役割/ソフトウェアの実行環境/データの準備/モデル作成、モデルの評価/運用・展開/今後の課題
第5章 リポジトリの整理方法/プロセスの整理/Project Extensionの活用/共有時の注意事項
第6章 模範的なプロジェクト報告/例)センサーデータによる油圧機器の状態監視報告書

 

詳細はこちら

RapidMiner 教師なし学習編

RapidMiner 教師なし学習編イメージ

本講座では、教師なし学習の概要と教師なし学習のRapidMinerでの活用例をご紹介します。ご自身のデータにラベル(目的変数)が存在し、教師あり学習を実施できる場合ばかりではありません。ラベル(目的変数)が存在しない場合、どのような手法があるか、RapidMinerではどのような実現方法があるのかについてご説明致します。

対象者

教師なし学習の概要と簡単なRapidMinerでの活用例を知りたい方

所要時間

52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

教師なし学習にどのような手法があるかを理解できる。
基礎的な教師なし学習オペレーターの利用例が分かる。

コース内容

全5章 52分

第1章 教師なし学習の概要/機械学習レビュー/教師なし学習代表例
第2章 相関係数/相関係数とは/Correlation Matrixオペレーター
第3章 クラスタリング/クラスタリング/k-meansクラスタリング/x-meansクラスタリング/クラスタリングオペレーター
第4章 アソシエーション分析/アソシエーション分析とは/FP-Growth/アソシエーションルール/ルールの評価
第5章 異常検知/異常検知とは/K-NN Anomaly Score/LOF/One-Class-SVM

 

詳細はこちら

可視化・クレンジング編

可視化・クレンジング編イメージ

アルゴリズムを使用した機械学習の分析前の重要なプロセスであるデータの可視化と前処理に関する講座です。
データのグラフ化についてや前処理の技法について詳しく学んでいきます。

対象者

初めて機械学習に触れる人 におススメ

所要時間

約160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

データ可視化の基礎を習得する
基礎的なデータ前処理が出来るようになる

コース内容

全3回 約660分

第1章 基本統計量・可視化/可視化の目的(重要性)/ヒストグラム/棒グラフ/散布図/相関行列
第2章 テーブル操作/テーブルの結合/行列の入れ替え
第3章 クレンジング/データ加工・クレンジングの重要性/欠損値の削除・置換/外れ値の削除・置換/列の削除・追加/正規化

 

詳細はこちら

IoT編

IoT編イメージ

IoT時系列センサデータの分析方法について、実際に製造業様の分析に長く取り組んできた弊社のノウハウを盛り込んだ学習コースです。
時系列データの前処理に関する内容も盛り込まれており、より実務に活用できる講座です。

対象者

IoTデータを活用したい人 におススメ

所要時間

約660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

IoTデータの前処理方法を習得する
IoTデータから予測分析出来るようになる

コース内容

全15回 約660分

第1章 データ分析と機械学習/データ分析プロジェクトの進め方/教師あり学習/教師なし学習/強化学習
第2章 機械学習ことはじめ/機械学習を正しく使うために
演習・事前準備 演習の為のRapidMiner事前準備
第3章 RapidMiner の使い方/RapidMinerの基本
第4章 時系列データ分析の基礎/時系列データの特徴量抽出/Time seriesオペレーター
第5章 分類問題/決定木分析とは
第6章 モデルの精度と評価/分割検証/交差検証モデルの精度
実践ケース1 モータの診断/データの分割/特徴量の作成
実践ケース2 波形データから特定区間の切り出し/区間IDの作成/区間ごとに特徴量をもとめる
第7章 回帰分析/単回帰分析/重回帰分析/多重共線性
実践ケース3 ロボットの予防保全/欠損値の線形補完/説明変数同士の関係性
第8章 K近傍法(k-NN)による分類/変数選択/標準化
第9章 その他の分類モデル/ロジスティック回帰/サポートベクターマシン
第10章 クラスタリング/階層型クラスタリング/非階層型クラスタリング
第11章 ニューラルネットワークとディープラーニング/ニューラルネットワークの仕組み/ディープラーニング/畳み込み/プーリング

 

詳細はこちら