マニュアル

無料体験版をダウンロードいただいた方に配布しています。

以下でRapidMiner の使い方(チュートリアル)の日本語字幕付き動画がご覧いただけます。 1本あたり5~8分、全編8本の動画をご覧ください。 RapidMiner Studioによる簡単データ分析をすぐにご理解いただけます。

  • 使い方ムービー1 01 RapidMiner Studio インターフェース
  • 使い方ムービー2 02 データをインポート
  • 使い方ムービー3 03 データをロードするプロセス
  • 使い方ムービー4 04 データを可視化
  • 使い方ムービー5 05 モデルを作成
  • 使い方ムービー6 06 モデルを適用
  • 使い方ムービー7 07 モデルを評価
  • 使い方ムービー8 08 モデルを検証

トレーニングサービス

データ分析・活用を進めるにあたり、分析に必要な知識を一通り修得したいとお考えの​皆さまへ、データマイニングの理論、RapidMinerで分析する方法、分析結果を活用するノウハウなどを専任のトレーナーが実習を交えて分かりやすく解説します。
トレーニング名 RapidMiner Basic Pt1/Basic Pt2
対象者
  • RapidMinerをダウンロードしたものの使い方が分からない方
  • データの加工・整形や分析手法を体系的に学びたい方
  • 分析結果をどのように活用すればよいか分からない方​
予備知識
  • ​ビジネスドメイン(事業・業務)の知識​ビジネスドメイン(事業・業務)の知識
  • Excelの使用経験(集計・グラフ作成など)
※統計解析、機械学習などの専門知識は不要です。トレーニングを通して理論を説明します。またトレーニング中の演習問題を解いていただき理解を深めていただきます。
達成できるゴール ​​実際のビジネス活用をイメージできるようストーリーに沿って分析を進めますので、トレーニング終了後にはご自身で一通りのデータ分析・結果を活用していただけます。 ​データ分析の手法のみならず、データ活用に必要なノウハウを体系的に習得いただけます。
研修形式 ハンズオン形式(RapidMinerをインストールしたPCをご持参いただきます。)
開催日 オープンコースもしくはお客さま指定日(Pt1=2日間/ Pt2=2日間 )
価格(※オープンコース)
  • トレーニング Pt1(2日間) 225,000円
  • トレーニング Pt2(2日間) 225,000円
※1名あたり1パートの価格(税別)

Basic Pt1 カリキュラム概要

1 トレーニングの概要

  • トレーニングの目的、進め方について
  • ビジネスシナリオ(予測分析の進め方)の設定

2 アドバンスド・アナリティクスとRapidMiner

  • アナリティクスとは
  • ビジネスインテリジェンス(BI)とアドバンスド・アナリティクス(=ビジネス・アナリティクス(BA))
  • データマイニングの標準フレームワークCRISP-DM
  • RapidMiner製品シリーズ
  • RapidMinerビジネステンプレート

3 データの前処理

  • 分析データのインポート
  • RapidMinerで扱えるデータ型
  • コメントの追加、オペレータの名称変更
  • リポジトリの作成、プロセスファイルの保存
  • 欠損値の処理
  • 目的変数(予測する対象項目)の作成
  • 文字列の置換
  • 説明変数の選択
  • 変数の役割設定
  • データの標準化
  • ​データのダミーコード化

4 予測モデル作成と評価

  • k-近傍法(k-NN)
  • 線形回帰
  • 決定木
  • 距離関数の種類
  • 分割検証と交差検証
  • 混同行列とモデル精度
  • 過剰適合(オーバーフィッティング)

Basic Pt2 カリキュラム概要

1 トレーニングの概要

  • トレーニングの目的、進め方について
  • ビジネスシナリオ(予測分析の進め方)の設定
  • CRISP-DMの復習

2 データの前処理

  • 複数の分析データの一括インポート
  • 正規表現とマクロ
  • データの結合
  • RapidMinerで使える関数
  • データの集計とピボット化
  • レコードの削除
※Pt1で使った前処理も併用します。

3 予測モデル作成と評価

  • ニューラルネットワーク
  • サポートベクタマシン
  • ナイーブベイズ
  • 不均衡データの処理
  • サンプリング
  • パラメータ最適化
  • ログの取得
※Pt1で使った前処理も併用します。

4 変数選択

  • ラッパー法と変数の組合せ
  • 変数減少法
  • 変数増加法
※Pt1で使った前処理も併用します。
トップへ戻る