建設業向けデータサイエンティスト育成研修～回帰分析とクラス分類（１日間）

収集したデータを活用するための手法を学び、根拠ある予測を実現する

講師派遣型研修の検索
- 表示ページに戻る
お問合せはこちら

対象者

若手層
中堅層
リーダー層

・建設業界のDX担当者、データ分析を担当している方

よくあるお悩み・ニーズ

工事コストや工数の見積りに課題を感じている
環境の変化・条件を踏まえて数値を予測し、品質保証を効率化したい
データ分類によってリスクを適切に判定できるようになってほしい

研修内容・特徴outline・feature

本研修では、組織のデジタル変革をAI・データサイエンスなどの技術面から推進する役割を「建設業向けデータサイエンティスト」と定義し、データ予測や分類の方法を学びます。建築現場における人件費や売上、資材の使用量などの予測を立てるために必要な回帰分析の手法を身につけることができます。あわせて、分類アルゴリズムや交差検証も取り上げ、設計から維持管理までのさまざまな予測とその精度向上につなげます。

研修のゴールgoal

①回帰分析やモデルの種類、特徴を把握する
②誤差や制約など、分類の際に気をつけるべき要素を理解する
②回帰分析やデータ分類を、目的にあわせて活用できるようになる

研修プログラム例program


	内容	手法
	１．回帰分析の概要と種類（１）回帰分析（２）単回帰分析（３）決定係数（４）誤差（５）信頼区間（６）F値、P値、t値の基礎と有意性検定（７）主な単回帰モデル（８）重回帰分析（９）多重共線性の問題と対策（10）主な重回帰モデル【ワーク】業務で利用したい、利用できそうなモデルを共有する	講義ワーク
	２．分類の概要と種類（１）分類（２）分類アルゴリズムの主な種類（３）ロジスティック関数（４）決定木（５）ランダムフォレスト（６）サポートベクターマシン（SVM）（７）k近傍法（k-Nearest Neighbors, k-NN）（８）ニューラルネットワーク（９）勾配ブースティング（Gradient Boosting）（10）XGBoost （11）ナイーブベイズ分類（12）ガウシアンナイーブベイズ分類（13）その他手法（14）分類モデルの評価方法（15）混同行列（16）ROC曲線とAUC 【ワーク】業務で利用したい分類アルゴリズムと対象を洗い出し、共有する	講義ワーク
	３．回帰と分類における交差検証（１）交差検証（２）代表的な交差検証方法（３）交差検証の結果の評価方法	講義
	４．ライブラリ（１）scikit-learn回帰手法（２）scikit-learn分類手法（３）Numpy回帰手法（４）Numpy分類手法（５）Statsmodels回帰手法（６）Statsmodels分類手法（７）PyCaret回帰手法（８）PyCaret分類手法	講義
	５．まとめ【ワーク】今後、実施したい分析やクラス分類を考える	ワーク

9982

1916462

{{list[0]['category']}}関連の全力Q&A

よくあるご質問について、研修のプロとして熱く丁寧に回答します。

{{value['pageName']}}

カスタマイズ事例～ケーススタディCASE STUDY

本研修のカスタイマイズ事例として、作成したケーススタディを業界別にご紹介します。

{{val.trade}}

{{theme}}研修のケーススタディ一覧

開発者コメントcomment

業務で得られるデータをもとに有効な予測を立てるには、適切な分類アルゴリズムと回帰分析が肝になることから、本研修を開発しました。整形したデータを十分に利用するための手法を幅広く理解するとともに、研修では、それらの信頼度や誤差がどのように表れるかを解説します。より正確な予測を立て、コスト削減や安全管理に貢献できるようになっていただきたいと考えます。