非エンジニアのための機械学習入門（理論編）

本講義では、予測や分類を行う教師あり学習について学びます。 教師あり学習は、迷惑メールの判別、解約の予測、商品の売り上げ予測、画像の分類など、マーケティング、金融業、製造業を含む幅広い領域で活用されています。

座学では、AIや機械学習の中での教師あり学習の位置づけや、教師あり学習で実現できること、教師あり学習のステップを学びます。続いて、実務によく用いられる決定木とランダムフォレストを紹介します。できる限り数式を使わずに、各手法の特徴や利点を概念から解説します。また、手法の特徴や利点を理解することで、実問題に応じて適した手法を使い分けることを目指します。

演習では、顧客の要望とサンプルデータに基づいた分析の設計を行います。 ※本講座ではPythonによる実装は行いません。