Search Results: viya (1064)

Analytics | Innovation
Jessica Curtis 0
5 key questions to guide your connected factory strategy

Consumer goods manufacturers have faced significant challenges over the past few years due to rapidly changing demand and supply disruptions in their end-to-end supply chain. As a result, manufacturers have realized the need to strengthen their resilience and have prioritized assessing their manufacturing capacity to maximize output and automation. To

Analytics | Students & Educators
イベントレポート: 東京理科大学×SAS 合同シンポジウム

社会におけるデータ活用の拡大に伴い、データ活用人材の需要はますます大きくなってきています。東京理科大学データサイエンスセンターとSAS Institute Japan 株式会社は、データサイエンス人材の教育とキャリアについての知見を深めるため、2022年12月21日(水)に合同でシンポジウムを開催しました。本記事では、このイベントの様子をご紹介したいと思います。 シンポジウムの開会にあたり、東京理科大学 副学長 坂田 英明 様、SAS Institute Japan 株式会社 営業統括本部長 宇野 林之からご挨拶がありました。坂田副学長は、2031年に150周年を迎える東京理科大学が掲げるTUS Vision 150のなかで、データサイエンス教育に重点を置いていることに触れ、2019年に設置された東京理科大学データサイエンスセンターが、データサイエンスの応用分野創造と人材育成を進めていることを紹介しました。SASの宇野からは、40年以上の間、アナリティクスを専業としてきたSASの歴史に触れながら、リソース不足で実りが少なかった第二次AIブームと違い、昨今の第三次AIブームは豊富な計算リソースを背景に社会に浸透しており、特にビジネスの世界では、データドリブン経営から業務のディシジョンのサポートまで、データサイエンスが幅広く活用されていることを紹介しました。両者ともにデータ活用人材の不足を課題に挙げ、本シンポジウムでの議論に期待を寄せました。 第1部:東京理科大学におけるデータサイエンス教育 第1部では、東京理科大学のデータサイエンス教育の紹介と、そこで学んだ学生からの研究発表が行われました。 まず、データサイエンスセンター長 矢部 博 様から、データサイエンス教育の取り組みについて紹介がありました。理系の総合大学である東京理科大学では、各学部でデータを活用した研究・教育がされてきましたが、学長直下の組織として設置されたデータサイエンスセンターが横串となり、各学部や教育推進機構、研究推進機構、産学連携機構と連携しながら、データサイエンス教育・研究のハブとしての役割を果たしています。 政府はAI戦略2019のなかで年間50万人のリテラシーレベルの人材と年間25万人の応用基礎レベルの人材の育成を目標に掲げていますが、東京理科大学では、既に2019 年度から独自の教育プログラムを展開しています。まず、全学部生が対象のデータサイエンス教育プログラム[基礎]は、数学、統計学、情報学、データサイエンス、その他の授業から20単位をB評価以上で取得することで、認証書が授与されます。大学院生が対象のデータサイエンス教育プログラム[専門]では、数理コース、ビジネスコース、人工知能コース、医薬コース、機械学習コース、医療統計コース、Informaticsコースの各コースが設定する科目から8単位をB評価以上で取得することを要件としており、高度な知識と技能を持った学生を認証しています。 また、SASとの共同認定プログラムであるSAS Academic Specializationでは、SASを活用したデータ分析を実践する授業の6単位を取得することで、SASスキルと統計解析の知識を認定します。特に、SASソフトウェアを用いた研究課題や実践課題に取り組み、論文を提出し、審査に合格することが条件となっています。このような教育プログラムをデータサイエンスセンターが提供することで、各学部での一般・専門教育と並行してデータサイエンス人材の育成を推進しています。 次に、理学部第二部数学科 教授 伊藤 弘道 様から、社会人履修証明プログラムについて紹介がありました。東京理科大学の理学部第二部は、日本唯一の夜間理学部として、特に理科・数学を中心とした学び直しの機会を提供してきました。現在、社会人学生の割合は1割程度で、教員免許の取得を目指す学生も多く在籍しています。学部の課程と並行して履修証明プログラムを2020年度から開始しています。コースの種類としては、SAS認定コース、データサイエンスコース、数理情報コース、統計学入門コース、数理モデリングコース、数学リテラシーコース、微分幾何入門コースがあり、さまざまなスキルや知識を持って社会で活躍できる人材を育成しようとしています。 続いて、SAS教育の実践を含む教育の一つとして、大学院講義「カテゴリカルデータ解析」に関し、工学部情報工学科 教授 寒水 孝司 様より紹介がありました。この授業は理論と演習から構成されます。演習パートについて、企業で活躍する専門家が講師として招聘され、担当しています。講師の統計解析への知見、SASプログラミングの専門的な知識や技術を吸収しようと、学生は理論の学習と演習課題に交互に取り組んでいます。特にこの授業では、クロス集計とその指標の推定から、交絡のあるデータを扱うための技術を習得します。 学生の研究発表 第1部の最後に、4組の学生からデータ分析を活用した研究発表がありました。独自に設定した課題について、大学のプログラムで提供されているデータや自身で収集したデータを用いた分析結果を発表しました。みなさん、基礎分析をしっかり行い、データの傾向を掴もうとしていたことが印象的でした。将来の夢の発表もあり、スキルを磨いて夢を実現されることを期待しています。 第2部:ビジネスにおけるデータサイエンス人材の活用 第2部では、ビジネスにおけるデータ活用事例およびデータ活用人材のニーズやキャリアについて、講演がありました。 採用市場におけるデータ活用人材のニーズ まず、株式会社マイナビ 就職情報事業本部 マイナビ編集長 高橋 誠人 様より、データ活用人材の採用市場におけるニーズについて紹介されました。株式会社マイナビは、就職活動支援サービスの提供のみではなく、大学や企業と連携してデータ活用人材の育成の支援を行っています。特に、2024年卒業学生向けの新卒就職活動サイト「マイナビ2024」からは、「DX(デジタル・トランスフォーメーション)がわかる超基礎講座」というe-learningを提供し、IT人材のキャリア形成を支援しています。 講演では、経済産業省の「新産業構造ビジョン」や情報処理推進機構の「DX白書2021」などからデータを引用しながら、IT人材のニーズについて論じました。ほぼすべての分野においてIT技術を核とした革新が期待されているなか、IT人材の需要は高まることが予測されています。米国ではIT人材不足が解消されてきている一方、日本国内のIT人材は質・量ともにまだまだ不足感があります。プロダクトマネージャー、ビジネスデザイナー、テックリード、データサイエンティストと、さまざまな側面のデータ活用人材が不足していると感じている企業が半数以上です。(一方で、「自社には必要ない」と考えている企業も2割程度あるのも問題かもしれません。)2030年には、中位シナリオで45万人のIT人材が不足すると予測されています。マイナビ社の調査結果を見ると、新卒の就職市場は全体的に堅調であるなかで、情報系学生の就職先が製造・ソフトウェア・通信分野に偏っていることが問題であるように思われます。転職市場では、全体と比較してIT・通信・インターネットの分野において、転職による給与の上昇が期待できるようです。最近では、経験者を募集する割合が減ってきていることも人材不足を反映しているかもしれません。

Analytics
Jong-Phil Park 0
금융권 실시간 머신러닝 서비스, 어떻게 시작할까?

금융권 실시간 머신러닝 서비스 시리즈 ① 초개인화 마케팅과 차별화된 고객만족 서비스를 위해 이제 대세로 자리잡은 실시간 서비스! 금융권 실시간 머신러닝 서비스의 도입을 위한 모든 것을 알려드립니다. 여러분은 실시간 서비스하면 어떤 이미지가 생각 나십니까? 위 화면은 2018년 SAS Forum에서 실시간 분석에 대한 데모를 진행했던 영상의 일부입니다. 운전자의 자세를 캡처해서 실시간으로 운전자의

Analytics
Cheryl Cass 0
How UNC Wilmington data science students are using SAS to drive business results for Lightcast

Students in the master's program in data science at the University of North Carolina Wilmington (UNCW) drove real-world results using SAS® Viya® for the labor market analytics company Lightcast. The project gave students practical analytical tools to solve a business challenge – invaluable career preparation. At the same time, Lightcast gained business insights

Analytics
0
강력한 ModelOps의 필요충분조건! ‘SAS Model Manager’

IDC 마켓스케이프 보고서에서 MLOps 플랫폼 부문 리더 제품으로 선정된 ‘SAS Model Manager’, DataRobot, Databricks, Dataiku, Domino Data Lab등에 성능 우위 입증 다양한 비즈니스 영역에서 머신러닝의 적용이 점차 활기를 띄며 증가하고 있는 가운데, 많은 IT 리더들은 인공지능과 머신러닝 기술을 선택하고 구현하기 위한 필수 기술로 ‘모델 옵스(이하 ModelOps)’를 지목하고 있습니다. AI타임즈에 따르면,

Advanced Analytics | Analytics | Artificial Intelligence | Data for Good | Learn SAS | Students & Educators
Ricardo Galante 0
História do SAS LAB na Faculdade de Ciências da Universidade de Lisboa

Origem e benefícios do Laboratório Científico criado pelo SAS, na Faculdade de Ciências da Universidade de Lisboa. No final do ano passado, o SAS Portugal anunciou a criação de um laboratório científico - designado SAS-FCUL Lab - na FCUL - Faculdade de Ciências da Universidade de Lisboa, com o objetivo

SAS Taiwan 0
學校課程參與學生 AI上課環境使用說明

SAS AI 平台環境使用規範: 師生皆須使用學校電子信箱(結尾為edu.tw)方可註冊使用 僅提供課程學習使用 環境內預設有200+資料集可以使用,不提供上傳個人資料   請先註冊SAS Profile 請進入此連結以學校信箱註冊建立 SAS Profile (若之前已有使用學校信箱註冊過 SAS Profile,請忽略此步驟) 填寫完資料後,會收到「請啟動您的SAS 個人認證帳戶」信件,請點選「Activate your SAS Profile」 設定您的個人密碼後即完成 SAS Profile 註冊   使用 AI 環境: 登入啟用練習環境: https://support.sas.com/edu/viewmyelearn.html?activationCode=FASVFLVLST 勾選Yes, I accept 後 點選 submit 點選 SAS Viya for learner (如無此步驟可省略) 點選 Lauch SAS Viya for learner 進入環境 https://vle.sas.com/course/view.php?id=7715 點選 Accept 可略過設定,之後可選擇「觀賞影片」或是「馬上開始」 進入以下畫面即為

Analytics | Fraud & Security Intelligence
Yuri Rueda 0
¿Cuáles son 3 principales tendencias que mostrarán los crímenes financieros en 2023?

Con la llegada del nuevo año, también llegan nuevos riesgos y formas en que las organizaciones criminales buscan realizar diversos crímenes financieros, como los fraudes o lavado de dinero. El 2023 traerá tres principales tendencias en temas de crímenes financieros a las que las entidades de esta industria deberán ponerle

Analytics
SAS Korea 0
SAS, ‘머신러닝운영(MLOps) 플랫폼’ 부문 리더로 선정

‘SAS 모델 매니저’, IDC 마켓스케이프 평가에서 머신러닝 운영 플랫폼 리더로 선정 기업의 머신러닝 모델 생산을 지원하는 광범위한 서비스 및 제품 제공 역량 보유 세계적인 분석 선두 기업 SAS가 이번에 처음 발간되기 시작한 ‘IDC 마켓스케이프: 전세계 머신러닝 운영 플랫폼 2022년도 벤더 평가[1] 보고서에서 리더 기업으로 선정되었습니다. IDC는 ‘SAS 바이야(SAS® Viya®)’에 포함된

Analytics
SAS Korea 0
‘2023 SAS 해커톤 대회’ 참가자 모집

‘2023 SAS 해커톤 대회’ 참가자 모집  2월 28일 참가자 모집 마감! 당신의 아이디어를 기다립니다 세계적인 분석 선두 기업 SAS가 매년 전세계적으로 진행하는 데이터 분석 아이디어 경진 대회 ‘2023 SAS 해커톤(SAS Hackathon)’의 참가 등록이 오는 2월 28일 마감됩니다. 누구에게나 열려있는 SAS 해커톤 대회에서 우리 사회를 이롭게 할 당신의 반짝이는 분석 아이디어를

Advanced Analytics
Kevin Scott 0
Improving the detection of level shifts using the median filter

Time series data is widely used in various fields, such as finance, economics, and engineering. One of the key challenges when working with time series data is detecting level shifts. A level shift occurs when the time series’ mean and/or variance changes abruptly. These shifts can significantly impact the analysis and forecasting of the time series and must be detected and handled properly.

Advanced Analytics | Analytics | Artificial Intelligence | Cloud | SAS Events
Lexi Regalado 0
4 ways you might not realize advanced analytics is changing the world

The word innovation often draws to mind images of self-driving cars, new phones, and shiny tech. Yet, innovation often happens behind the scenes, especially in advanced analytics. Around the world, industries like healthcare, government, banking, manufacturing, and more rely on the latest advancements in analytics. At SAS Explore, an event for

SAS Taiwan 0
2023 SAS 機器學習SAS 機器學習國際認證校園班 觀看課程與使用AI環境步驟

感謝您報名,敬請完成以下步驟以開始觀看課程 如何觀看課程: 請於課程時間請使用SAS Profile登入 https://vle.sas.com/ ,點選SAS 機器學習國際認證校園班課程 SAS Profile 信箱須為學校信箱 須於完成繳費後,至課程時間開始後方可進入 梯次 報名期間 課程時間 180天 (請於此時間內完成課程觀看與考試) 第一梯次 2/17~3/2 (3/2(四)前完成報名繳費) 3/13(一)~9/9(六) 第二梯次 3/13~3/23 (3/23(四)前完成報名繳費) 4/1(六)~9/28(四) 第三梯次 4/10~4/20 (4/20(四)前完成報名繳費) 5/1(一)~10/28(六) 第四梯次 5/8~5/18 (5/18(四)前完成報名繳費) 6/1(四)~11/28(二)   如何使用 AI 環境: 登入啟用練習環境: https://support.sas.com/edu/viewmyelearn.html?activationCode=FASVFLVLST 勾選Yes, I accept 後 點選 submit 點選 SAS Viya for learner (如無此步驟可省略) 點選

SAS Taiwan 0
教師啟用AI教學環境

SAS AI 平台環境使用規範: 師生皆須使用學校電子信箱(結尾為edu.tw)方可註冊使用 僅提供課程學習使用 環境內預設有200+資料集可以使用,不提供上傳個人資料   請先註冊SAS Profile 請進入此連結以學校信箱註冊建立 SAS Profile (若之前已有使用學校信箱註冊過 SAS Profile,請忽略此步驟) 填寫完資料後,會收到「請啟動您的SAS 個人認證帳戶」信件,請點選「Activate your SAS Profile」 設定您的個人密碼後即完成 SAS Profile 註冊 啟用AI教學環境 若老師您已經完成使用學校信箱註冊SAS Profile,請依以下步驟啟用AI教學環境 登入啟用教學環境: https://support.sas.com/edu/viewmyelearn.html?activationCode=FASVFLVL 點選同意後submit 點選 SAS Viya for learner (如無此步驟可省略) 點選 Lauch SAS Viya for learner 進入環境 https://vle.sas.com/course/view.php?id=7715 點選 Accept 可略過設定,之後可選擇「觀賞影片」或是「馬上開始」 進入以下畫面即為 Viya AI 環境 請參考Viya功能介紹影片 可以參考此網頁先探索環境:https://www.youtube.com/watch?v=p90LdUCHJik&t=87s

SAS Taiwan 0
教師申請AI教學環境

若老師您目前尚未使用學校信箱註冊SAS Profile,請先註冊SAS Profile後方可啟用AI教學環境 若老師您已經使用學校信箱註冊SAS Profile,請跳過註冊步驟直接啟用AI環境。   註冊SAS Profile 請此網頁 https://vle.sas.com/ 點選 Create Profile,使用 學校email 建立SAS Profile 完成建立 SAS 個人認證帳戶後,您會收到一封啟動信件通知。請點選”Activate your SAS Profile” 設定您的個人密碼後即完成註冊   啟用 AI 環境 登入啟用教學環境: https://support.sas.com/edu/viewmyelearn.html?activationCode=FASVFLVL 點選同意後submit 點選 SAS Viya for learner (如無此步驟可省略) 點選 Lauch SAS Viya for learner 進入環境 未來若需使用可以進入此網頁直接登入環境: https://vle.sas.com/mod/lti/view.php?id=176320

Advanced Analytics | Analytics | Data Management
Spiros Potamitis 0
How organizations can maximize productivity to maintain their competitive edge

Data science teams are no longer comprised of tiny groups of Ph.D. holders exploring cutting-edge projects. Organizations that wish to stay competitive in their marketplaces today need effective data science teams. A strategy to effectively apply advanced analytics and data science to drive better products, services and decisions has many

Analytics | Students & Educators
アナリティクス入門講義:記述的アナリティクスと可視化

SASが提供する大学講義「アナリティクス入門」のブログ・シリーズ、1回目の前回はイントロダクションとして「アナリティクスとは」についてまとめました。今日は4つのアナリティクスのレベルの1つ目、記述的アナリティクスについてまとめます。 前回も書いたように、記述的アナリティクスは、過去に何が起こったか、いま何が起こっているかを知るためのアナリティクスです。データの集計し、統計量を計算したり、集計結果を表やグラフを用いて可視化したりすることで、データを理解したり情報伝達をすることが目的です。 納得して仕事をするために 私の娘が小学校を卒業するとき、「卒業式は友達みんな袴を着るって言ってるよ!」と言い出しました。つまり、だから自分も袴を着たいと主張しているわけです。「小学校の卒業式なんて一生に一回だしな…」なんてよくわからない理屈でレンタルしましたが、蓋を開けてみると、3割ぐらいの女子しか着ていませんでした。小学生の言う「みんな」は信じてはいけません。 ところで、SAS Japan では、毎年夏休みに「親子でデータサイエンス」というイベントを開催しています。小学生とその保護者が、一緒にデータを活用したポスターを作るイベントです。何年か前、自分のおこづかいが少ないと感じた小学生が、おこづかいアップを目指すためのポスターを制作しました。学校のお友達に毎月のおこづかいの金額をアンケートし、集計した結果をヒストグラムに表し、平均値、中央値、最頻値を算出して、親を説得するための材料にしたのです。「みんな私よりおこづかい多いよ!」という主観的で非定量的な主張より、このようにデータとグラフで示されると、親は納得せざるを得ません。 子供が親を説得するのに限らず、組織として多くの人が関わる仕事では、ある種の同意を形成する必要があります。そこには納得感が必要であり、そのためには客観的なデータを示すことが役に立ちます。同意が形成されていることを、英語で “be on the same page” と表現しますが、同じページの同じ図表を見ていることが重要なのです。おそらく、どこの会社でも同様のものがあると思いますが、SAS Japan では毎月、全社員が参加する(ことになっている)ミーティングのなかで、現在の売上の状況が報告されます。どの部門が目標に対してどれぐらいの位置にいて、来月以降はどの程度の売上を予測しているのか、図表を使って全社員に共有します。そのことにより、全員が同じ目標に向かって活動することができます。 可視化の役割 データサイエンスという言葉には、人工知能や機械学習のイメージが強いかもしれませんが、実際の社会におけるデータ活用では、まだまだこのような可視化の役割が大きいと感じています。多くの人の同意を得るために客観的なデータを提示するだけでなく、日常的なデータをモニタリングし、非日常的な変化を検知してアラートを上げることができます。例えば新型コロナウイルスの陽性者は毎日報告されて、その遷移が可視化されています(例: 東京都のページ)。これにより、「感染者が増えてきたな」と感じることができますし、数値が基準を超えると、まん延防止措置や緊急事態宣言などの対策が取られることになります。 他にも、例えば工場のカーボン・フットプリントの総量が規制されているような場合、各ラインが毎日どれぐらいエネルギーを消費しているかについての情報を管理することが必要になります。このためには、データを集計し、報告する必要があります。毎日することですので、手作業で実施するのは大変です。データ取得から報告書作成までを自動化できれば、仕事の効率を上げることができます。そのためには、どんな分析をするか、だけではなく、いつデータを持ってきて、分析結果をどこにどのタイミングで出力するかを考慮してシステムを設計する必要があります。世の中には、まだまだこのように記述的アナリティクスにより解決できる課題が多く残っていると思われます。 可視化をサービスの透明性の確保のために行っている例もあります。米国のダーラム市の事例では、警察が市民の信頼を得るために、警察官の活動データを可視化して市民が閲覧できるようにしました。逮捕、出勤、苦情、トレーニングなどのデータを集め、指標をダッシュボードに表示します。市民が自分でダッシュボードを操作して「分析」することができれば、より「自分が調べている」感が出て納得しやすくなり気がします。 記述的アナリティクスとデータ準備、データ探索 記述的アナリティクスは記述統計量を計算したり、データをグラフで表したりするだけだから簡単だ、と思われるかもしれませんが、実際はそうではありません。可視化も含めたデータ分析のためには準備が必要で、この工程に80%もの時間が使われることも珍しくありません。データはどこにあるのか、どのようにアクセスするのか、そのデータの項目は何を意味しているのか、入力漏れはないか、ありえない値が入力されていないか、表記は統一されているか、複数のデータソースに整合性はあるか、など、正しいデータ分析のために必要な準備は多岐にわたります。これについては、データの管理と準備の回で詳細を紹介します。 逆に、データの準備のために記述的アナリティクスが活用されることもあります。例えば、記述統計量やヒストグラムにより各変数の分布を調べることで、それが想定している分布と一致しているか、おかしな値が入力されていないかをチェックすることができます。変数間の相関を見たり、散布図を描いたりすることで、異常値を発見しやすくなることもあります。 また、このようなデータ探索は、診断的アナリティクスや予測的アナリティクスのような、さらなるデータ分析のための準備にも使われます。変数の分布をみることで、どのような統計モデルを当てはめるかを検討することができます。機械学習の精度を上げるためには、変数を操作して適切な特徴量をつくることが必要ですが、そのために変数の分布や欠損をチェックし、変数変換や補完を行うかどうかを決定します。 このように記述的アナリティクスは、データの準備から高度なアナリティクスまで、幅広いフェーズに活用される基礎的なスキルです。 記述的アナリティクスの学習 SASソフトウェアで記述的アナリティクスを実践するときは、SAS Visual Analytics を活用するのが便利です。マウス操作でデータの可視化とレポート作成、データ分析を行うことができます。 学生であれば、学習用ポータル Skill Builder for Students に登録して、e-learningで学ぶことができます。「SAS Visual Analytics 1 for SAS Viya: Basics」というコースでは、データ準備と可視化、レポーティングを学ぶことができます。ぜひご活用ください。

1 11 12 13 14 15 36