本文へスキップします。

【参】モーダルJS:読み込み
書籍DB:詳細

AI・データ分析モデルのレシピ

AI・データ分析モデルのレシピ

マーケティングプロジェクトを成功に導く分析プロセスがサクッと学べる!

 ビジネスの現場では多くのデータやAIの活用に関する取り組みが行われています。このようなプロジェクトが増える一方で、思うような結果が得られずにプロジェクトを中止せざるを得なかったとの声も聞こえてきます。
 そこで本書では、正しく的確にAIを活用したデータ分析を導入できるよう、具体的な活用シーンに示しながら、「要件定義」「分析マスターデータ作成」「基礎集計・可視化」「モデリング」「評価・実装」の分析プロセスにおける知識やテクニックを丁寧に解説します。

試し読みをする
Part 1 プロセスの一般論
 Part 1 introduction プロジェクトを成功に導くための基本を身に付ける
 Recipe 1.1 プリアナリティクス
 Recipe 1.2 分析マスターデータ作成
 Recipe 1.3 基礎集計と可視化
 Recipe 1.4 モデリング
 Recipe 1.5 評価・実装

Part 2 顧客データ × クラスタリング分析モデル
 Part 2 introduciton 顧客データを分類して業務改善したい
 Recipe 2.1 顧客データの準備
 Recipe 2.2 マスターデータの作成
 Recipe 2.3 データの基礎集計と可視化
 Recipe 2.4 クラスタリングの実行
 Recipe 2.5 分析報告書類の作成

Part 3 広告効果データ × 重回帰分析モデル
 Part 3 introduction 広告の費用対効果を知りたい
 Recipe 3.1 要件とデータ整理
 Recipe 3.2 時系列に基づいた広告データの整理
 Recipe 3.3 相関分析と説明変数の作成
 Recipe 3.4 モデルの構築
 Recipe 3.5 結果に基づいた最適な広告戦略の立案

Part 4 キャンペーンデータ × ロジスティック回帰分析モデル
 Part 4 introduction 広告キャンペーンの対象を見つけたい
 Recipe 4.1 キャンペーンのための分析設計
 Recipe 4.2 過去データの整理
 Recipe 4.3 反応者/非反応者のクロス集計
 Recipe 4.4 ロジスティック回帰モデルの構築
 Recipe 4.5 学習モデルの精度検証

Part 5 調査データ × コレスポンデンス分析モデル
 Part 5 introduciton 調査データを要約したい
 Recipe 5.1 調査データの分析設計
 Recipe 5.2 調査データの準備
 Recipe 5.3 グランドトータル集計とクロス集計
 Recipe 5.4 コレスポンデンス分析

Part 6 Eコマースデータ × 協調フィルタリング分析モデル
 Part 6 introduciton 商品レコメンドエンジンを構築したい
 Recipe 6.1 データの準備
 Recipe 6.2 商品間の相関分析
 Recipe 6.3 協調フィルタリング

Appendix AI開発の成功パターン(EDA)と失敗パターン(LISA)
 AP.1 AI開発の成功パターン:EDA
 AP.2 避けたい失敗パターン:LISA
  • 本ファイルは、本書をよくお読みの上ご利用ください。
  • 本ファイルを利用したことによる直接あるいは間接的な損害に関して、著作者およびオーム社はいっさいの責任を負いかねます。利用は利用者個人の責任において行ってください。また、ソフトウェアの動作・実行環境、操作についての質問には一切お答えすることはできません。