【概要】

データ分析をするときに得られたデータをそのまま使用する場合もありますが、分析の精度を向上させて有用で意味のある分析をするために、分析者が特徴量を作成することがあります。

これは、データの特徴的な分布や傾向を調べながらデータをつくるので特徴量エンジニアリングと呼ばれます。
さらに、前処理と呼ばれる分析前の処理を行い、外れ値や欠損値を扱えるデータに変えたり除いたりすることも必要となります。 今回の講座ではこの前処理と特徴量エンジニアリングを扱います。

【想定案件イメージ】

顧客分析：Business Inteligence（ビジネス・インテリジェンス)としてデータを可視化して売上を分析する
精度向上・精緻化：機械学習のモデルを作成したが精度を改善したり、精緻化したりする要望があるとき

【講座内容】

○データの可視化
○データの統計的な量を計算
○前処理での欠損値の扱い
○標準化と正規化
○カテゴリ変数の扱い
○サッカーチームのデータ分析での実践

テックジムのAIコースでは、以下「続き」がございます。

第3章「回帰問題」 第4章「分類問題」 第5章「実践ビジネスデータ分析」 第6章「AIのための統計学入門」 第7章「DeepLearning基礎」 第8章「DeepLearning応用」 第9章「GANによる画像生成とRNN/LSTMによる自然言語処理」 第10章「衛星データと機械学習」 第11章 「アンサンブル学習と精度向上手法」 第12章「機械学習でオリジナル画像判定アプリをつくる」 第13章「AI x IoT（センサーデータ分析と画像分類・物体検出）」 第14章「効果検証に機械学習を導入しよう」 第15章「推薦システムを作ろう」

●AIエンジニア養成コースのカリキュラム概要。制作者からのメッセージ https://youtu.be/U_ZZPNJYDxY

【使用言語】

Python

【実行環境】

実行環境がない場合はanaconda をinstall してください。

テックジム本校

https://techgym.jp/?p=22