Casual datascience vol4
- 1. カジュアル勉強会 @仙台 データサイエンスを学ぶ 第４回 株式会社 エクテック 取締役 兼データサイエンティスト
- 4. 本日のアジェンダ 第3回のおさらい (Go over) 機械学習 (Machine Learning) データと機械学習 (Data & ML) データと分類 (Data & Classi?cation) データと予測 (Data & Prediction) データとクラスタリング (Data & Clustering) 2部1部
- 16. One-hot Encoding
- 17. 教育科目 英語 数学 国語 理科 社会 英語 数学 国語 理科 社会 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1
- 18. 教育科目 英語 数学 国語 理科 社会 英語 数学 国語 理科 社会 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1
- 20. 教育科目 英語 数学 国語 理科 社会 英語 数学 国語 理科 社会 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1
- 22. Label-Encoding
- 28. Count-Encoding
- 30. Target-Encoding
- 33. 尝别补办问题
- 36. 単纯化
- 37. 架空のデータ ID 年齢 性別 居住地 病気 10001 42 男 仙台市泉区xxx 大腸ガン 10002 59 女 仙台市泉区yyy 胃ガン 10003 34 女 仙台市若林区xxx ウィルス感染症 10004 61 男 仙台市青葉区xxx ウィルス感染症 10005 77 男 仙台市青葉区yyy 心疾患 10006 46 女 仙台市青葉区zzz 胃ガン 10007 52 男 仙台市若林区zzz 糖尿病1型 10008 71 男 仙台市宮城野区xxx 喉頭ガン 10009 66 男 仙台市太白区xxx 心疾患 10010 54 女 仙台市太白区yyy 胃ガン 10011 41 男 仙台市若林区yyy 糖尿病2型
- 38. 架空のデータ ID 年齢 性別 居住地 病気 10001 42 1 3 1 10002 59 0 3 7 10003 34 0 4 5 10004 61 1 5 5 10005 77 1 5 6 10006 46 0 5 7 10007 52 1 4 2 10008 71 1 1 4 10009 66 1 2 6 10010 54 0 2 7 10011 41 1 4 3
- 39. 架空のデータ ID 年齢 性別 居住地 病気 10001 42 1 3 1 10002 59 0 3 7 10003 34 0 4 5 10004 61 1 5 5 10005 77 1 5 6 10006 46 0 5 7 10007 52 1 4 2 10008 71 1 1 4 10009 66 1 2 6 10010 54 0 2 7 10011 41 1 4 3
- 40. 架空のデータ ID 年齢 性別 居住地 病気 10001 40代 1 3 1 10002 50代 0 3 7 10003 30代 0 4 5 10004 60代 1 5 5 10005 70代 1 5 6 10006 40代 0 5 7 10007 50代 1 4 2 10008 70代 1 1 4 10009 60代 1 2 6 10010 50代 0 2 7 10011 40代 1 4 3
- 41. 搁辞耻苍诲化
- 43. Binning
- 50. 正规化とは？
- 54. なぜ、正规化するの？
- 59. Adéla Adela adela 1→4→5→12→1 11カ国 の人名を ベクトル化 & ゼロパディング これらデータを用いてモデル学習 & モデル精度の比較
- 60. simple Auto-Encoder ノイズのあるデータ Convolutional Auto-Encoder De-noise Auto-Encoder Auto-Encoder 様々な種類の オートエンコーダ を試す
- 62. 机械学习とは？
- 65. たとえば、 ルールベース
- 66. IF ~ THEN
- 67. IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN IF ~ THEN
- 69. では、机械学习は？
- 74. 学習?データ 検証?データ
- 78. 学習した モデル 学習?データ
- 84. 機械学習のための データセット
- 85. 関连性のないデータ
- 86. 旅客机の数と、饮酒量
- 87. 学習?データの 特徴の違い
- 92. 妥当性のチェックを ?かさない
- 93. サッカー上での ?認識?検出
- 96. 機械学習における データへの意識
- 103. サイクルは 常に回り続ける
- 105. 分类の主な?的
- 106. データが属するクラス を推論すること
- 107. X かどうか XXか？ XX X YYか？ YY Y yes yes no no no yes
- 109. 買う or 買わない?
- 110. 買う or 買わない? 2値分類?
- 111. 学?の点数や講義の出?率、 受講態度で、 成績(S, A, B, C, D, ...)
- 112. 成績(S, A, B, C, D, ...)? 多値分類?
- 114. 予测の主な?的
- 120. クラスタリングの主な?的
- 122. X XX Y YY データの集まり
- 126. 次回のアジェンダ 第4回のおさらい (Go over) データの在り方 (How Data should be) データの可視化① (Data & Visualization 1) データの可視化② (Data & Visualization 2) データの可視化③ (Data & Visualization 3) データと個人情報 (Data & Personal Information) 2部1部