白い模様
用語解説

Machine Learning

白い模様

1 か月間無料トライアル

コンピュータービジョンとテキストマイニングを用いて、非構造化データからインサイトを簡単に引き出せます。また、アシスト付きモデリングツールで、ML(機械学習)パイプラインをステップバイステップまたは自動で構築できます。

Content

機械学習とは

機械学習 (machine learning) とは、コンピューターが特定の制約を持つデータセットを反復的に処理することで、内在するパターンを見つけ出すプロセスです。これには、プログラミングなしで、コンピューターが環境を探索したり、新しいスキルを身につけるように、コンピューターを「学習」させる工程も含まれます。

機械学習は、システムや機械に人間の知能を持たせることを目指す科学である人工知能 (AI) の基盤の 1 つであり、人工知能の実現になくてはならないものです。

また、機械学習関連で話題となることの多い用語に「ディープラーニング (深層学習)」があります。ディープラーニングは、機械学習を進化させたものであり、人工ニューラルネットワークを使用して、人間の介入なしで機械学習のアルゴリズムを動作させます。

機械学習が重要である理由

膨大で複雑なデータの分析を実現し、より大規模で正確な結果をすばやく得られる機械学習は企業に不可欠な存在です。これにより、企業は収益性の高い機会や潜在的なリスクを迅速に特定することができます

機械学習のライフサイクル

機械学習モデルの構築手順は以下の通りです。

  • データの選択と準備
  • 使用する機械学習アルゴリズムの選択
  • アルゴリズムをデータで学習させ、カスタムモデルを作成
  • テストデータ (ホールドアウトデータ)でモデルのパフォーマンスを検証
  • 新しいデータでモデルを使用 (スコアリング)

強力かつ正確なビジネス成果を継続的に推進するためには、機械学習モデルを長期的に監視し、最適化していく必要があります。

機械学習手法

機械学習には大きく分けて、教師あり学習、教師なし学習、強化学習の 3 つのカテゴリがあります。



教師あり学習 は、モデルを使用して入力例とターゲット変数とのマッピングを学習させる問題のクラスを指します。教師あり学習のアルゴリズムでは、ラベル付きデータセットを使用してトレーニングを行い、履歴データに基づいて特定の結論に到達するように学習させます。

ML- Supervised Learning


教師なし学習, は、モデルを使ってデータの関係性を記述または抽出する問題のクラスを指します。教師なし学習では、教師あり学習と異なり、予想される出力やターゲット変数を含まない入力データのみが使用されます。教師なし学習のアルゴリズムは、ラベル付けされていないデータセットを取り込み、正解を与えられていない状態で、データに内在する類似性やパターンを特定し、データのソート、グループ化、分類を行うように学習します。

ML- Unsupervised Learning


強化学習は、 エージェント (学習させる主体) に、ある環境下 (エージェントが相互作用するすべてのもの) で行動を起こさせ、フィードバックを活用してよりよい行動を学習させる問題のクラスを指します。環境を使用する強化学習では、特定のトレーニングデータセットを使用せず、エージェントが達成すべき目標または一連の目標、エージェントが実行するアクション、目標に向けたパフォーマンスに関するフィードバックをもとに学習が行われます。強化学習のアルゴリズムは、試行錯誤を繰り返すことで、どのようなアクションが最良の結果をもたらすかを判断します。

ML- Reinforement Learning

機械学習のユースケース

機械学習は多くの組織で活用されており、さまざまな業界において豊富な応用事例が生み出されています。

人事

  • 人材の動向と予測
  • 採用の最適化
  • キャパシティ予測

消費財 (CPG)

  • 製品ライフサイクル管理
  • 在庫の最適化
  • 需要予測

サプライチェーン

  • サプライヤーの最適化
  • 在庫計画と補充
  • リスク分析と監視

ヘルスケア

  • 臨床および集団の医療管理
  • 医用画像に関するインサイト
  • 患者リスクの特定

財務部門

  • 予算編成、予測、キャッシュフロー分析の計画
  • 収益予測
  • 詐欺、浪費、不正使用への対策

IT/COE

  • 根本原因の分析
  • チケットの優先順位決定
  • 異常検出

小売

  • パーソナライゼーション
  • 推奨品
  • 商品供給計画

機械学習とアナリティックプロセスオートメーション

機械学習モデルを成功させるためには、モデルのトレーニングに使用するデータの入念な準備と分析が欠かせません。こうした基本的なプロセスを何らかの方法で自動化できれば、データの入力からインサイトの獲得に至るまでの工程を迅速化し、時間とコストを節約できます。

分析プロセス全体の自動化は企業が成功を収め、俊敏性を実現する鍵となります。機械学習は組織の変革的な成果の加速に役立ち、アナリティックプロセスオートメーションはその成果をより一層高速化させます。

機械学習を始めるには

Alteryx Analytic Process Automation Platform™ は、分析のワークフロー全体を完全に統合します。データ準備などの機能に加え、完全ガイド付きの自動機械学習およびモデル作成が可能で、「エキスパートモード」のオプションも使用できるため、誰もがより迅速に結果を得られます。

データのアクセス、準備、モデル作成、モニタリング、モデル調整や、分析結果の共有などのすべてを、1 つのプラットフォーム上で簡単に実行できます。プラットフォームの 無料トライアルにサインアップして、ぜひその実力をご体感ください。

また、Alteryx では、新卒者や求職中のデータワーカーを対象として &Advancing Data Analytics Potential Together (ADAPT) プログラムの提供を行っています。ADAPT では、データサイエンスと分析の学習コース、Alteryx Designer ライセンス、Alteryx アソシエイトによる 1 対 1 のバーチャルサポートなどを、すべて無料でご利用いただけます。ぜひプログラムの 詳細をチェックしてご参加 ください。

女性
電子書籍
読了までの所要時間:2分

監査担当者が時間を取り戻すために役立つ 5 つのユースケース

5 つの一般的な監査プロセスを刷新し、分析による問題解決により多くの時間を費やすためのヒントをご紹介します。

財務
効率性の向上
従業員のスキルアップ
今すぐ読む
gamification
ウェビナー

革新的なゲーミフィケーションで Alteryx のユーザー基盤を拡大

JLL 社が考案した「Alteryx Adventure」は、分析の初心者チームをスーパースターチームへと引き上げるゲーミフィケーションプログラムです。本セッションでは、そのプログラムについて解説するとともに、自社内で活用できるスペシャルコンテンツもご提供します。

アナリティクスリーダー
Inspire
金融サービス:銀行
詳細を見る
sure we can do it
ウェビナー

Alteryx で「不可能を可能にする」CUNA 社

CUNA 社が Alteryx を導入してからの 5 年間で、700 ユーザー、300 ダッシュボード、135,000 ビュー、複数のデータサイエンスのイニシアティブのサポートを実現した事例をご紹介します。

財務
Inspire
Alteryx Designer
詳細を見る

Intelligence Suite スターターキット

本スターターキットには、アシスト付きモデリングでガイドに従って機械学習モデルを作成し、コードフリーの高度な分析を始められる分析テンプレートが含まれています。
画像

分析を変革

データに潜むインサイトを引き出しませんか?
Alteryx 製品