コース概要

導入

  • 統計学習(統計解析)と機械学習の違い
  • 金融会社や銀行会社による機械学習テクノロジーの採用

さまざまな種類の Machine Learning

  • 教師あり学習と教師なし学習
  • 反復と評価
  • バイアスと分散のトレードオフ
  • 教師あり学習と教師なし学習の組み合わせ(半教師あり学習)

Machine Learning Languages とツールセット

  • オープンソースと独自のシステムおよびソフトウェアの比較
  • R vs Python vs Matlab
  • ライブラリとフレームワーク

Machine Learning 事例紹介

  • 消費者データとビッグデータ
  • 消費者融資および企業融資におけるリスクの評価
  • 感情分析による顧客サービスの向上
  • ID詐欺、請求詐欺、マネーロンダリングの検出

R の紹介

  • RStudio IDE のインストール
  • R パッケージのロード
  • データ構造
  • ベクトル
  • 要因
  • リスト
  • データフレーム
  • Matrixes と配列

Machine Learningデータの読み込み方法

  • Database、データ ウェアハウスとストリーミング データ
  • Hadoop と Spark による分散ストレージと処理
  • データベースからのデータのインポート
  • Excel および CSV からのデータのインポート

モデリング Business 教師あり学習による意思決定

  • データの分類 (分類)
  • 回帰分析を使用して結果を予測する
  • 利用可能な機械学習アルゴリズムから選択する
  • デシジョン ツリー アルゴリズムを理解する
  • ランダム フォレスト アルゴリズムを理解する
  • モデルの評価
  • エクササイズ

回帰分析

  • 線形回帰
  • 一般化と非線形性
  • エクササイズ

分類

  • ベイジアンの復習
  • ナイーブ・ベイズ
  • ロジスティック回帰
  • K-最近隣
  • エクササイズ

ハンズオン: 推定モデルの構築

  • 顧客のタイプと履歴に基づいた融資リスクの評価

Machine Learning アルゴリズムのパフォーマンスを評価する

  • 相互検証とリサンプリング
  • Bootstrap 集計 (バギング)
  • エクササイズ

モデリング Business 教師なし学習による意思決定

  • サンプルデータセットが利用できない場合
  • K 平均法クラスタリング
  • 教師なし学習の課題
  • K 平均法を超えて
  • ベイズ ネットワークとマルコフ隠れモデル
  • エクササイズ

ハンズオン: レコメンデーション システムの構築

  • 過去の顧客行動を分析して新しいサービスを改善する

会社の能力を拡張する

  • クラウドでのモデルの開発
  • 追加の GPU で機械学習を加速する
  • Deep Learning ニューラル ネットワークをコンピューター ビジョン、音声認識、テキスト分析に応用する

閉会の辞

要求

  • Programming何らかの言語を使用した経験
  • 統計学と線形代数に精通していること
  28 時間
 

参加者の人数


開始

完了


Dates are subject to availability and take place between 10:00 and 17:00.
Open Training Courses require 5+ participants.

関連コース

関連カテゴリー