4. 機械学習の基礎
より高度なデータ分析手法である機械学習の基本的な概念を理解します。
目的
推測統計やマーケティング分析を行う場合は必要となってくる技術。提案の幅が広がるため
詳細
教師あり学習と教師なし学習の概要:
- 目的変数（正解データ）を用いて学習する教師あり学習と、データの特徴を自動的に抽出する教師なし学習の違いを理解する。
- 代表的な教師あり学習アルゴリズム（回帰分析、分類アルゴリズム）の概要を知る。
- 代表的な教師なし学習アルゴリズム（クラスタリング、次元削減）の概要を知る。
代表的なアルゴリズムの概念理解:
- 線形回帰、ロジスティック回帰、決定木、k-meansなどの基本的なアルゴリズムの仕組みを概念的に理解する。
- アルゴリズムの選択における基本的な考え方を学ぶ。
機械学習の適用範囲と限界
- どのようなビジネス課題に機械学習が適用できるのか、具体的な事例を知る。
- 機械学習の精度や解釈性に関する限界を理解する。
成長プラン
学習方法
- 機械学習の入門書やオンラインコースを受講する。
- Pythonの機械学習ライブラリ（scikit-learn、TensorFlow、PyTorch）に触れてみる。
- Kaggleなどのデータ分析コンペティションに参加してみるのも良い。
業務での実践
- 簡単な予測モデルや分類モデルを構築してみる（まずは既存のライブラリを活用する）。
- 機械学習の専門家がいる場合は、積極的に質問し、知識を深める