機械学習で知っておくべき統計学
機械学習で知っておくべき統計学
CUVST1J : CUVST1J
データ活用において、主に「従来の統計学」と「機械学習」という2つのアプローチがあり、これらは互いに補完し合っています。データの「規模」にかかわらず、統計学の重要性は依然として高いものです。その役割はこれまでと変わりませんが、現在ではさらに重要性を増しています。従来の統計モデリングから機械学習の世界へと移行する必要性が高まっています。本コースでは、SAS Viyaを使用した機械学習に必要な統計的基礎知識を紹介します。機械学習に関連する統計の知識を身につけることで、データサイエンティストになるための準備が整います。本コースは、機械学習の実践（統計的基礎を持つその根底にある方法論を含む）に関する今後の学習に向けた準備となり、機械学習モデルに対するより深い理解を養うことができます。
本コースは、データサイエンスカリキュラム内の多くのコースの前提条件となっています。機械学習に関するより高度な内容は、『SAS Viya：機械学習』、『SAS Viya：SAS Visual Data Mining and Machine Learning 対話型機械学習』、『SAS Viya：Visual Statistics対話型モデル構築』、および『SAS Viya：SAS Studioによる教師あり機械学習プロシージャ』の各コースで扱われます。
科学・医学研究で用いられる推論統計や説明的分析に関心のある受講生には、『SASによる統計解析1：基礎編（回帰分析、分散分析）』が適切な基礎コースとなります。
Learn How To
- ビッグデータおよび機械学習における統計学の重要性を説明できる。
- 統計学とデータサイエンスの用語の関連性を理解できる。
- 記述統計を生成し、グラフを用いてデータを探索できる。
- 変数間の関連性を検出する。
- 説明的モデリングのための線形回帰を行う。
- 説明的モデリングと予測的モデリングを比較する。
- バイアスと分散のトレードオフを説明する。
- 予測的モデリングのためのロジスティック回帰モデルを推定する。
- 新しいデータにスコアを付ける。
- 機械学習の統計的基礎を説明する。
- データの課題やモデリング上の問題、およびそれらの統計的解決策について議論する。
Who Should Attend
統計学および機械学習の概念についてまだ深い理解を持っていない、あるいは知識を深めたいと考えているデータサイエンス分野のあらゆる方。これには、ビジネスアナリスト、データアナリスト、マーケティングアナリスト、マーケティングマネージャー、データサイエンティスト、データエンジニア、金融アナリスト、データマイナー、統計学者、数学者、および関連分野で働くその他の方々が含まれます。
Prerequisites
本コースを受講する前に、コンピュータソフトウェアの使用経験が必要です。データの分布、p値、仮説検定、回帰分析などを扱う統計学の学部レベルのコースを修了していることが望ましいです。SASの使用経験は不要です。
SAS Products Covered
SAS Viya
Course Outline
- 統計学と機械学習
- ビッグデータおよび機械学習における統計学の重要性。
- 用語と語彙。
- SAS ViyaおよびSAS Studioの概要。
- 統計学の基本概念
- 統計分析の概要。
- 記述統計。
- 推論統計。
- 線形回帰を用いた説明モデル
- 相関と単純線形回帰。
- 多重回帰とモデル選択。
- モデル診断。
- ロジスティック回帰を用いた予測モデリング
- 予測モデリングの概要。
- カテゴリカルな関連性。
- ロジスティック回帰モデル。
- モデルのデプロイ。
- 機械学習の統計的基礎
- 機械学習の概要。
- 機械学習モデルのためのデータ前処理。
- モデルの評価、推定、およびトレーニング後のタスク。