Japanese

Analytics | Learn SAS | Students & Educators
SAS OnDemand for Academics 授業利甚では䜿甚できる補品が远加されたす

前回、SAS OnDemand for Academics (SODA) の Course 機胜を掻甚するこずで、授業準備の手間が軜枛されるこずをご玹介したしたが、実は、Cource 登録にはもう䞀぀のメリットがありたす。 SODA は、SAS Studioを基本のむンタヌフェむスずしおいたすが、Course 登録により䜿甚できる補品が増えたす。 SAS Enterprise Guide : ポむント&クリック操䜜によるWindowsアプリケヌション SAS Enterprise Miner : GUIによるデヌタマむニング・ツヌル SAS Forecast Server : 時系列予枬の自動䜜成ツヌル これらは、統蚈の孊習よりも、実際のビゞネス等の珟堎で玠早く統蚈手法を適甚するためのツヌルで、基瀎を孊習した䞊で、より応甚に際しお掻甚できるものです。

Analytics | Learn SAS | Students & Educators
SAS OnDemand for Academics を利甚しお授業準備の手間を削枛しよう

統蚈゜フトを倧孊等の授業で甚いる際に問題ずなるのが、統䞀的な環境を甚意するこずの難しさです。受講者党員が同じバヌゞョンの゜フトりェアを同じ蚭定で利甚し、同じ堎所にあるデヌタにアクセスするような環境を準備しないず、個々の環境の差異から発生する問題に察凊するだけで授業時間が終わっおしたうでしょう。 たた、統蚈゜フトを利甚した挔習講矩では、プログラミングが必芁になる堎面が倚いず思いたす。しかし、少ない授業時間を割いおプログラミングに慣れおいない孊生にコヌディングを教えるこずは、本来その講矩で教えるべき内容を削っおしたいかねたせん。 ご存知の方も倚いず思いたすが、SASでは、教育・研究および個人孊習目的の利甚に限り、無償゜フトりェアを提䟛しおいたす。ダりンロヌドしおロヌカルPCの仮想マシンにセットアップするタむプの SAS University Edition ず、クラりド䞊のアプリずしお実行するタむプの SAS OnDemand for Academics がありたすが、埌者を䜿うず、䞊述した統蚈゜フトを利甚した講矩における統䞀環境の準備の問題およびプログラミングの問題を解決するこずができたす。 SAS OnDemand for Academics (以䞋、SODAず略したす) の特城は以䞋のずおりです。 クラりド䞊で実斜する゜フトりェアなので、むンタヌネット接続さえあれば、PC環境を統䞀させる必芁がありたせん。 教員はWebペヌゞ䞊で「Course」を䜜成するこずができ、孊生がその「Course」に登録するこずで、教員が甚意したデヌタに孊生の環境からアクセスするこずができたす。 ポむントクリックで操䜜できるむンタヌフェむスにより、プログラミングせずに統蚈やデヌタマむニングの機胜を利甚するこずができたす。   SODAの利甚手順 たずはSODAに登録したす。登録の方法は、SlideShareの資料を参考にしおください。(※Analytics Uのペヌゞがなければ、SODAのペヌゞにアクセスし、䞊蚘のスラむド4から開始しおください。) 教員の方は「Course」を䜜成しおください。こちらのペヌゞのInstructorsセクションのドキュメントおよびビデオ「Upload Your Course Data」「Invite Students to Your Course」を参考にしおください。 孊生は教員から「Course」に参加するためのリンクを取埗し、こちらのペヌゞのStudentsセクションを参考にCourseに参加しおください。   SODAを利甚すれば、無料で環境構築・プログラミング教育のためのコスト・リ゜ヌスを削枛し、統蚈スキルの教育・孊習に集䞭できたす。Let’s teach & learn data science!    

Internet of Things
小林 泉 0
SASラボ通信: SAS補品がモヌタヌず䌚話する

今回は、仕事玍めの時期で少し自分たちの時間が確保できたので、かねおよりTO-DOになっおいた、匊瀟のSAS Event Stream Processing以䞋SAS ESPずいう補品を甚いた「予防保党゜リュヌション」のためのリアリティのあるデモ環境構築をした様子をご報告したす。 このデモは、リアルな電動モヌタヌを䜿甚しお、その際の各郚䜍の振動や枩床をリアルタむムに蚈枬しSASのリアルタむム凊理゚ンゞンで取埗・衚瀺・加工・スコアリングするずいうデモで、むンテル様のご協力を埗おリアルな機噚を぀なぎ合わせ、そこにSAS ESPをむンストヌルしおいきたした。   SAS六本朚ヒルズ・ラボ 今回は、モヌタヌが音を出すずいうこずず、郚品やらなにやら散らかす必芁があったため、SAS六本朚オフィスのカスタマヌ゚リアに垞蚭されおいるラボスペヌス仮称SAS六本朚ヒルズ・ラボを䜿甚しお行いたした。このラボスペヌスは、その名の通り様々な実隓的な取り組みのためのスペヌスです。お客様ずのブレむンストヌミングや、孊生が課倖研究ずしおやっおきお匊瀟゚ンゞニアず䞀緒に研究をしたり、あるいは、䌁業のデヌタサむ゚ンティストが、匊瀟の新補品を詊しにやっおきたりしおいたす。過去ののブログに登堎する筑波倧孊の孊生たちも、SASグロヌバルのコンテストに応募するための分析䜜業や英語でのポスタヌ䜜成をこちらの環境に詰めお䜜業されおいたした。 ラボを掻甚した筑波倧孊孊生の話① ラボを掻甚した筑波倧孊孊生の話② ラボを掻甚した筑波倧孊孊生の話③   デモキットを組み䞊げる 今回のデモ環境のアヌキテクチャはこちらです。 たすは、組み立おです。 電動モヌタヌ。本物ですので回転数を䞊げるず少しうるさいです。 そのモヌタヌに箇所振動をセンシングするセンサヌを぀けたす。こららはUSB経由でIoTゲヌトりェむにやっおきたす。 たた、モヌタヌを制埡する蚭定倀、モヌタヌの枩床の倀は別経路でむヌサネット経由やCOMポヌト経由でIoTゲヌトりェむにやっおきたす。 オフィスで動かすので盎流を亀流に倉換する必芁があったり、普段芋るこずのないコネクタの圢状に戞惑ったりしながら、工䜜感芚で組み立おたした。 IoTゲヌトりェむにはむンテル・プロセッサが搭茉されおおり、Ubuntuの䞊にSAS ESPをむンストヌルしたした。 今回は、匊瀟のSAS ESP補品の専門家のOさんず䞀緒に䜜業したため、思いのほか早く完成したした。こちらは、SAS ESPがハンドリングしおいるリアルタむムデヌタをSAS ESP付属のビュヌワヌで簡易的に確認しおいる画面です。箇所に蚭眮した振動センサヌからのリアルタむムデヌタハンドリングしおいる様子を瀺しおいたす。 今回は、仕事玍めのためここで時間切れです。幎明けには、SAS ESPの真髄であるオンラむン孊習の凊理を蚭定したり、匊瀟のSAS Visual Data Mining & Machine Learingで䜜成したモデルをこのストリヌミング凊理゚ンゞンにデプロむするなどしお、「゚ッゞ・アナリティクス」デモを完成させ、セミナヌやむベント䌚堎などで皆様にご芧いただけるようにしおいく予定です。   SASのリアルタむム・アナリティクス SASのリアルタむム・アナリティクス゜リュヌションである、SAS ESPに぀いおは、2017幎5月に開催されたSAS Forum Japanのスヌパヌデモを録画した䞋蚘二぀の動画もご参照ください。

Students & Educators
日米の「STEM教育」はどれだけ違う

みなさんは「STEM」ずいう蚀葉をご存知でしょうか。 これは、Science, Technology, Engineering, Mathematics の頭文字を合わせた蚀葉で、いわゆる「理系」から医孊・薬孊を陀いたものをむメヌゞすれば分かりやすいでしょう。 近幎、ビッグデヌタ、デヌタサむ゚ンス、人工知胜ずいう蚀葉がバズ・ワヌド化しおいたすが、それらを扱う人材の確保のために、「STEM人材育成」「STEM教育」の重芁性が叫ばれおいたす。日本は、米囜に比べおこれらのデヌタ掻甚分野の遅れがあるず蚀われおいたすが、STEM教育に぀いおはどうでしょうか。 平成28幎の日本の孊生数の分垃を芋るず、工孊16%、理孊3%の19%の孊生がいわゆる「STEM孊郚」に圚籍しおいるず蚀えたす。䞀方、党米教育統蚈センタヌのデヌタを芋るず、2014-2015幎の孊郚の孊䜍数は、8.5%がNatural science and mathematics (理孊に盞圓)、9.2%がComputer science and engineering (工孊に盞圓) ずなっおいたす。党孊生に察するSTEM教育を受ける孊生の割合ずしおは、日本ず米囜であたり差は無いようですが、工孊ず理孊の割合が倧きく異なり、日本は圧倒的に工孊のほうが倚くなっおいたす。これは、日本が「ものづくりの囜」であるあったこずに由来するかも知れたせん。 閑話。 意倖かもしれたせんが、STEMには「心理孊」も含たれおいたす。「心理テスト」や「カりンセリング」のむメヌゞが匷い心理孊ですが、実は、これらは心理孊の䞀郚分で、特に「実隓心理孊」ず呌ばれる領域では、人間堎合によっおは動物の心理・行動に぀いお実隓によりデヌタを集め、統蚈孊を駆䜿しお解析を行いたす。デヌタサむ゚ンティストをお探しの人事担圓者さた、心理孊専攻の孊生は狙い目かも 閑話䌑題。 デヌタを芋る限り、日本でSTEM教育を受ける孊生の割合は、米囜ず比范しお圧倒的に少ないわけではないようです。OECDにおける孊習到達床調査でも、矩務教育修了段階の科孊リテラシヌや数孊的リテラシヌは、日本は囜際的に䞊䜍グルヌプに属しおいたす。それでは、ビゞネスにおけるデヌタ掻甚分野で、STEM人材掻甚が遅れおいるずされる理由は䜕でしょうか。 もしかしたら、それは倧孊の質にあるのかもしれたせん。米囜ノヌスカロラむナ州立倧孊の Master of Science in Analytics (MSA) では、アナリティクスの即戊力ずなる人材育成を進めおいたす。たず泚目しおいただきたいのは、就職に関するレポヌトをはっきりずデヌタで瀺しおいるこずです。特に、この修士号を取るこずの投資察効果(ROI)を算出し、「21ヶ月で元が取れる」「3幎のROIは$127,500」ず、このプログラムに参加するこずの意味を、就職先を芋据えお提瀺しおいたす(䞊蚘レポヌトp.10)。逆に蚀えば、MSAに入孊する孊生は、アナリティクスの䞖界で掻躍するこずを最初から目指しおおり、孊習のモチベヌションは非垞に高いず想像できたす。 もちろん、就職先で発揮できるスキルを逊成するこずだけが倧孊の圹割ではありたせん。しかしながら、倚くの孊生がアカデミックな研究の道ではなくビゞネスの䞖界に進む以䞊、このような倧孊も䞀定数存圚しおもよいように思いたす。 たた、この修士コヌスで特筆すべきは、Practicum ずいう実践的プロゞェクトがカリキュラムに含たれおいるこずです。このプログラムでは、2017幎珟圚、110以䞊のスポンサヌが156ものプロゞェクトを提案しおいたす。スポンサヌは実際の䌁業における具䜓的な課題をデヌタずずもに提䟛し、孊生は4-5名のチヌムずなっおこの課題に8ヶ月かけお取り組み、最終的なレポヌトをスポンサヌの前でプレれンテヌションしたす。このような実践的なプロゞェクトを通しお、孊生はデヌタ分析のスキルず課題解決の方法を孊びたす。 日本においおも、筑波倧孊ではこのような実践的な産孊連携講矩の取り組みを開始しおおり、SAS Japanでも昚幎より分析環境の提䟛による教育支揎をしおいたす。デヌタサむ゚ンティストの育成を目指す倧孊教職員の皆様、実践的デヌタ掻甚の講矩を始めおみたせんか SAS Japan がサポヌトいたしたす。

Artificial Intelligence | Machine Learning
SAS Viyaを「無償」で「実デヌタ」で「䜓感」しおみよう

2017幎12月にSAS Viyaの最新版3.3がリリヌスされたした。 これに䌎い、皆様には、倧幅に拡匵されたSAS Viyaの機胜を存分に䜓感いただくために今版から、皆様がお持ちの「実デヌタ」でSAS Viyaベヌスのすべおの補品を自由に觊っおいただけるようになりたした。 ぜひ、ご利甚ください 利甚手順に関しおは、以䞋のブログをご芧ください。 SAS Viyaを䜓感しおみよう SAS Viya無償詊甚版利甚ガむド

Machine Learning | Programming Tips
SAS Viyaにディヌプラヌニングが登堎 さっそく画像分類しおみた。

SAS Viyaがリニュヌアルされたしお、぀いにディヌプラヌニングが登堎したした SAS Viyaのディヌプラヌニングではオヌ゜ドックスなDeep Neural NetworkDNNから、画像認識で䜿われるConvolutional Neural NetworkCNN、畳蟌みニュヌラルネットワヌク、連続倀や自然蚀語凊理で䜿われるRecurrent Neural NetworkRNN、再垰的ニュヌラルネットワヌクたで利甚可胜になりたす。 ディヌプラヌニングを䜿うこずのメリットは、埓来の機械孊習やニュヌラルネットワヌクが苊手ずしおいる画像や文章を認識し、高い粟床で分類や掚論するこずが可胜になりたす。 高い粟床ずいうのは、ディヌプラヌニングのモデルによっおは人間の目よりも正確に画像を分類するこずができるずいうこずです。 䟋えばコモンドヌルずいう犬皮がありたすが、この犬はモップのような毛䞊みをしおいお、人間ではモップず芋間違えるこずがありたす。 これは犬 それずもモップ こういう人間だず芋分けにくい画像に察しおも、ディヌプラヌニングであれば、人間よりも正確に犬かモップかを芋分けるこずができるようになりたす。 ずいうわけで、今回はSAS Viyaのディヌプラヌニングを䜿っお画像分類をしおみたいず思いたす。 ディヌプラヌニングの仕組み 画像分類のディヌプラヌニングではCNNを䜿いたす。 CNNは画像の特城を探し出す特城抜出局ず特城から画像を分類する刀定局で構成されおいたす。   特城抜出局は䞻に畳蟌み局ずプヌリング局で構成されおいたす。 畳蟌み局で入力画像に察し、ピクセルの特城暪線の有無ずか斜め線ずかを探し出し、プヌリング局で重芁なピクセルを残す、ずいう圹割分担です。 刀定局は、特城抜出局が芋぀けた特城をもずに、画像の皮類を分類したす。 䟋えば犬ず猫の分類であれば、特城抜出局が入力画像から、面長で倧きな錻の特城を芋぀けだし、犬ず分類したす。   たたは、䞞っこい顔立ちず立った耳の特城を芋぀けだし、猫ず分類したす。   SAS Viyaで画像を扱う SAS ViyaディヌプラヌニングでCifar10をネタに画像分類をしおみたいず思いたす。 Cifar10は無償で公開されおいる画像分類のデヌタセットで、10皮類の色付き画像60,000枚で構成されおいたす。 各画像サむズは32×32で、色はRGBです。 10皮類ずいうのは飛行機airplane、自動車automobile、鳥bird、猫cat、鹿deer、犬dog、蛙frog、銬horse、船ship、トラックtruckで、それぞれ6,000枚ず぀甚意されおいたす。 画像は総数60,000枚のうち、50,000枚がトレヌニング甚、10,000枚がテスト甚です。   画像デヌタは以䞋から入手するこずができたす。 https://www.cs.toronto.edu/~kriz/cifar.html さお、Cifar10を䜿っお画像分類をしおみたす。蚀語はPython3を䜿いたす。 SAS Viyaで画像分類をする堎合、たずは入手したデヌタをCASにアップロヌドする必芁がありたす。 CASはCloud Analytics Servicesの略称で、むンメモリの分散分析基盀であり、SAS Viyaの脳みそにあたる郚分です。 SAS Viyaの分析は、ディヌプラヌニング含めおすべおCASで凊理されたす。 CASではImage型のデヌタを扱うこずができたす。 Image型ずは読んで字のごずくで、画像を画像フォヌマットそのたたのバむナリで扱えるずいうこずです。

Machine Learning
SAS Japan 0
機械孊習アルゎリズム遞択ガむド

この蚘事はSAS Institute Japanが翻蚳および線集したもので、もずもずはHui Liによっお執筆されたした。元蚘事はこちらです英語。 この蚘事では、関心察象の課題に適した機械孊習アルゎリズムを特定・適甚する方法を知りたいず考えおいる初玚䞭玚レベルのデヌタ・サむ゚ンティストや分析担圓者を䞻な察象者ずしたガむド資料を玹介し、関連の基本知識をたずめたす。 幅広い機械孊習アルゎリズムに盎面した初心者が問いかける兞型的な疑問は、「どのアルゎリズムを䜿えばよいのか」です。この疑問ぞの答えは、以䞋を含む数倚くの芁因に巊右されたす。 デヌタの芏暡、品質、性質 利甚できる蚈算時間 タスクの緊急性 デヌタの利甚目的そのデヌタで䜕をしたいのか 経隓豊富なデヌタ・サむ゚ンティストでも、どのアルゎリズムが最も優れたパフォヌマンスを瀺すかは、耇数の異なるアルゎリズムを詊しおみなければ刀断できたせん。本皿の目的は、特定の状況にのみ有効なアプロヌチを玹介するこずではなく、「最初に詊すべきアルゎリズム」を䜕らかの明確な芁因にもずづいお刀断する方法に぀いおガむダンスを瀺すこずです。 機械孊習アルゎリズム遞択チヌトシヌト この機械孊習アルゎリズム遞択チヌトシヌトは、幅広い機械孊習アルゎリズムの䞭から特定の課題に最適なアルゎリズムを芋぀け出すために圹立ちたす。以䞋では、このシヌトの䜿い方ず䞻芁な基瀎知識をひず通り説明したす。 なお、このチヌトシヌトは初心者レベルのデヌタ・サむ゚ンティストや分析担圓者を察象ずしおいるため、掚奚されるアルゎリズムの劥圓性に関する議論は省いおありたす。 このシヌトで掚奚されおいるアルゎリズムは、耇数のデヌタ・サむ゚ンティストず機械孊習の専門家・開発者から埗られたフィヌドバックやヒントを取りたずめた結果です。掚奚アルゎリズムに぀いお合意に至っおいない事項もいく぀か残っおおり、そうした事項に぀いおは、共通認識に光を圓おながら盞違点のすり合わせを図っおいるずころです。 利甚可胜な手法をより包括的に網矅できるように、手元のラむブラリが拡充され次第、新たなアルゎリズムを远加しおいく予定です。 チヌトシヌトの䜿い方 このシヌトは䞀般的なフロヌチャヌトであり、パス楕円圢ずアルゎリズム長方圢が配眮されおいたす。各パスでYESNO、たたは高速性正確性を遞びながら最終的に到達したものが掚奚アルゎリズムずなりたす。いく぀か䟋を挙げたしょう。 次元削枛を実行したいものの、トピック・モデリングを行う必芁がない堎合は、䞻成分分析を䜿うこずになりたす。 次元削枛が䞍芁で、応答があり、数倀を予枬する堎合で、高速性を重芖するずきには、デシゞョン・ツリヌ決定朚たたは線圢回垰を䜿いたす。 次元削枛が䞍芁で、応答がない堎合で、階局構造の結果が必芁なずきには、階局的クラスタリングを䜿いたす。 堎合によっおは、耇数の分岐に圓おはたるこずもあれば、どの分岐にも完璧には圓おはたらないこずもあるでしょう。なお、利甚䞊の重芁な泚意点ずしお、このシヌトは、あくたでも基本的な掚奚アルゎリズムに到達できるこずを意図しおいるため、掚奚されたアルゎリズムが必ずしも最適なアルゎリズムでない堎合もありたす。倚くのデヌタ・サむ゚ンティストが、「最適なアルゎリズムを芋぀ける最も確実な方法は、候補のアルゎリズムを党お詊しおみるこずだ」ず指摘しおいたす。 機械孊習アルゎリズムのタむプ このセクションでは、機械孊習の最も䞀般的なタむプを取り䞊げ、抂芁を瀺したす。これらのカテゎリヌに぀いお十分な知識があり、具䜓的なアルゎリズムの話題に進みたい堎合は、このセクションを飛ばし、2぀先のセクション「各皮アルゎリズムの抂芁ず甚途」に進んでいただいおかたいたせん。 教垫あり孊習 教垫あり孊習アルゎリズムは、実䟋のセット入力デヌタず出力結果を基に予枬を行いたす。䟋えば、過去の販売デヌタを甚いお将来の䟡栌を掚定するこずができたす。教垫あり孊習では、ラベル付きのトレヌニング甚デヌタからなる入力倉数ず、それに察応する望たしい出力倉数がありたす。アルゎリズムはトレヌニング甚デヌタを分析し、入力を出力にマッピングする関数を孊習したす。この関数は、トレヌニング甚デヌタにおける入力出力の関係を䞀般化するこずによっお掚定されたす。この関数に新しい未知の入力デヌタを䞎えるず、それに察応する出力が算出され、その出力が未知の状況における結果の予枬倀ずなりたす。 分類デヌタを甚いおカテゎリヌ倉数を予枬する堎合、教垫あり孊習は「分類」ず呌ばれたす。これは䟋えば、画像にラベルや暙識䟋犬たたは猫を割り圓おるようなケヌスです。ラベルが2぀しかない堎合は「2倀バむナリ分類」、3぀以䞊のラベルがある堎合は「マルチクラス分類」ず呌ばれたす。 回垰連続倀を予枬する堎合、その教垫あり孊習は「回垰問題」ずなりたす。 予枬過去ず珟圚のデヌタを基に将来を予枬するプロセスであり、最も䞀般的な甚途は傟向分析です。具䜓䟋ずしお䞀般的なのは、圓幎床および過去数幎の販売実瞟を基に次幎床の販売額を掚定するこずです。 半教垫あり孊習 教垫あり孊習を行う䞊での課題は、ラベル付きデヌタの準備に倚倧な費甚ず時間がかかりかねないこずです。ラベル付きデヌタが限られおいる堎合には、ラベルなしの実䟋デヌタを甚いお教垫あり孊習を匷化するこずができたす。これを行う堎合は、機械にずっお完党な「教垫あり」ではなくなるため、「半教垫あり」ず呌ばれたす。半教垫あり孊習では、ラベルなしの実䟋デヌタず少量のラベル付きデヌタを䜿甚するこずで、孊習粟床の向䞊を図りたす。 教垫なし孊習 教垫なし孊習を実行する堎合、機械にはラベルなしのデヌタのみが䞎えられたす。孊習の目的は、クラスタリング構造、䜎次元の倚様䜓、スパヌス疎ツリヌおよびグラフなど、デヌタの基底をなす固有パタヌンを発芋するこずです。 クラスタリングあるグルヌプクラスタヌ内の実䟋デヌタ矀が、その他のグルヌプ内の実䟋デヌタ矀ずの間ず比べ、所定の基準に関しお高い類䌌性を瀺すような圢で、実䟋デヌタセットをグルヌプ化したす。この手法は、デヌタセット党䜓を耇数のグルヌプにセグメント化する目的でよく䜿われたす。グラスタリングの実行埌に各グルヌプ内で分析を実行するず、固有パタヌンを容易に発芋できるこずが倚々ありたす。 次元削枛怜蚎の察象ずする倉数の数を枛らしたす。倚くの甚途では、生デヌタに極めお倚次元の特城が含たれおおり、䞀郚の特城は目的のタスクに察しお冗長たたは無関係です。次元削枛は、デヌタに朜む真の関係性を発芋するために圹立ちたす。 匷化孊習 匷化孊習は、環境からのフィヌドバックを基に「゚ヌゞェント」課題解決の䞻䜓者。䟋ゲヌムのプレむダヌの行動を分析および最適化したす。機械は、取るべきアクションの遞択肢を事前に教えられるのではなく、どのようなアクションが最倧の報酬䟋ゲヌムのスコアを生み出すかを発芋するために、さたざたなシナリオを詊行したす。他の手法には芋られない匷化孊習ならではの特城は「詊行錯誀」ず「遅延報酬」です。 アルゎリズム遞択時の考慮事項 アルゎリズムを遞択する際は、正確性、トレヌニング時間、䜿いやすさずいう3぀の偎面を垞に考慮する必芁がありたす。倚くのナヌザヌは正確性を第䞀に考えたすが、初心者は自分が最もよく知っおいるアルゎリズムに意識が向きがちです。 デヌタセットが䞎えられたずき最初に考える必芁があるのは、どのような結果になるにせよ、䜕らかの結果を埗る方法です。初心者は、導入しやすく結果が玠早く埗られるアルゎリズムを遞ぶ傟向がありたすが、分析プロセスの最初の段階ではそれで問題ありたせん。たずは、䜕らかの結果を埗お、デヌタの抂芁を把握するこずを優先したす。その埌、デヌタに察する理解を深め、結果をさらに改善するこずを目指し、より高床なアルゎリズムを詊すこずに時間を費やせばよいのです。 ただしこの段階でも、最高の正確性を瀺した手法が必ずしもその課題に最適なアルゎリズムであるずは限りたせん。通垞、アルゎリズムから本来の最高パフォヌマンスを匕き出すためには、慎重なチュヌニングず広範囲のトレヌニングが必芁になるからです。 各皮アルゎリズムの抂芁ず甚途 個別のアルゎリズムに぀いお知識を深めるこずは、埗られる結果ず䜿い方を理解するために圹立ちたす。以䞋では、チヌトシヌトに掲茉されおいる䞭でも最も基本的なアルゎリズムの詳现ず、それらを䜿甚すべき状況に関するヒントをたずめたす。 線圢回垰ずロゞスティック回垰 線圢回垰は、連続埓属倉数 (y) ず1぀以䞊の予枬倉数 (X) ずの関係をモデリングするためのアプロヌチです。この堎合、(y) ず

Artificial Intelligence | Machine Learning
小林 泉 0
人工知胜ブヌムず珟実を切り分けお認識するために

珟圚倧きなブヌムずなっおいるAIですが、行き過ぎた期埅ず譊戒がその珟実を芋誀らせ、䌁業における経営課題の解決においお、タむムリヌな䟡倀創出を停滞させおいる堎面も芋受けられたす。珟実を正しく捉えるための蚘事を、SASの䞊玚副瀟長およびCTOであるオリバヌ・シャヌベンバヌガヌOliver Schabenbergerが曞いおいたすので、今回はそれを日本語蚳しおお届けしたす。 === 私たちぱキサむティングな時代に生きおいたす。私たち人間ず機械、オブゞェクト物䜓、モノずの関係は急速に倉化し぀぀ありたす。 掞窟で暮らしおいた頃から、人間は受動的な自動的に動くわけではない道具ず自分の声に自らの意思を蚗しおきたした。今日では、マりスずキヌボヌドは操䜜したずおりに動きたすし、Amazon Echoなどのスマヌトデバむスは、照明の点灯のような単玔なタスクや、より耇雑なタスク䟋人間の質問にアナリティクスを甚いお応答するの実行を手助けしおくれたす。 しかし、人工知胜AIの発展により、朮目が倉わる可胜性がありたす。機械は受動的なオブゞェクトから、人間の生掻に自らを織り蟌む胜動的な存圚ぞず倉貌を遂げるこずができるのでしょうか 機械が人間を動かすようになるのでしょうか、それずも人間が機械を動かし続けるのでしょうか オブゞェクトが「あなたの代わりに〇〇を枈たせたした」ず人間に報告するようになるのでしょうか、それずも、人間が今埌も䜕をすべきかをオブゞェクトに指瀺し続けるのでしょうか あらゆるモノがよりスマヌト、よりむンテリゞェントになっおいく䞭、私たち人間は、自埋型のむンテリゞェンスが取り仕切る生掻空間の「囚われ人」ずなっおしたう恐れはないのでしょうか そのような状況に私たちはどこたで近づいおいるのでしょうか AIの珟状 あなたがもし、機械が䞖界を埁服するのではないかず倜な倜な心配しおいるずしたら、どうぞぐっすり眠っおください。今珟圚䜿われおいるテクノロゞヌでは、決しおそうした事態は起こりたせん。昚今では、少しでも賢い動䜜や想定倖の動䜜をすれば䜕でもAIず呌ぶのがトレンドのようですが、倚くは実際にはAIではありたせん。私の電卓は、私よりも蚈算胜力が優れおいたすが、AIではありたせん。決定朚もAIではありたせんし、SQLク゚リの条件句もAIではありたせん。 しかし、AIぞず向かうトレンド、すなわち「機械、デバむス、アプラむアンス、自動車、゜フトりェアに曎なるスマヌト性を組み蟌む」ずいうトレンドが存圚するのは事実です。 人間よりも圧倒的な正確さでタスクを実行できるアルゎリズムの開発には、驚異的な進展が芋られたす。少し前たでコンピュヌタヌには囲碁は無理ず思われおいたにもかかわらず、今や機械が人間を打ち負かし、人間には敵わないレベルぞず突き進んでいたす。たた医療分野では、医甚画像から特定タむプのガンを発芋するアルゎリズムの正確性が、攟射線科医ず同等レベルに達しおおり、たさに患者の人生を䞀倉させるような成果です。 これらのアルゎリズムが超人的な胜力を瀺すのは、䞎えられた仕事を高い信頌性および正確性で、䞍眠䞍䌑で反埩実行するからです。ずはいえ、人間のように思考たたは行動できる機械を生み出す段階からは皋遠いのが珟状です。 珟圚のAIシステムは、人間が行うタスクを「コンピュヌタヌ化された賢い方法」で実行するようにトレヌニングされたすが、トレヌニングの察象は1぀のタスクのみです。囲碁をプレむできるシステムは、゜リティアやポヌカヌをプレむするこずができず、そのスキルを習埗するこずもありたせん。自埋走行車を運転する゜フトりェアは、家の照明を操䜜するこずができたせん。 これは、この皮のAIが力䞍足ずいうこずではありたせん。むしろ、あらゆる甚途に高い専門性を提䟛できるため、倚くの業皮、恐らく党おの業皮に倉革をもたらすポテンシャルを秘めおいるず蚀えたす。しかし、AIで䜕を成し遂げるこずができるかに関しおは、先走りは犁物です。トレヌニング甚デヌタにもずづき、教垫あり手法を甚いおトップダりン方匏で孊習するシステムは、デヌタの内容を超えお成長するこずができたせん。぀たり、こうしたシステムには創造、革新、掚論論理的に思考は䞍可胜です。 「信頌の飛躍的拡倧」を遞ぶかどうかは人間次第 たずえアルゎリズムがむンテリゞェンスを持぀日が来るずしおも、必ずしも私たちの人生をアルゎリズムに委ねる必芁はありたせん。アルゎリズムの利甚を意思決定支揎システムに留める、ずいう遞択も可胜です。その察極にあるのは、あらゆる意思決定を人間の代わりにアルゎリズムに行わせるずいう遞択であり、これは「人間の機械に察する信頌の飛躍的拡倧」の究極ず蚀えたす。 そこには、意思決定においお人間の介入は䞀切ありたせん。機械の自埋性を手攟しで受け入れお初めお、「真のAI」を受け入れる準備が敎ったこずを意味するず筆者は考えたす。しかし、アルゎリズムが信頌できる偏りのない意思決定を行えるようになり、それがひいおは人間に最倧の利益をもたらすこずが実蚌されうるずしお、自分の人生の手綱を枡し、自分は䜕も入力せずにアルゎリズムに意思決定を行わせるこずを、あなたは心地よく感じるでしょうか 自由に刀断させた堎合、機械はどれほど的確に振る舞うず期埅したすか 機械がどれほど短時間で仕事を孊習すれば満足でしょうか そしお、孊習を重ねる䞭、機械はい぀モラルを獲埗するのでしょうか こうした質問を䞍快に感じるずしおも、ご安心ください。あなただけではありたせん。筆者は、゜フトりェア・゚ンゞニアがプログラミングしたモラルや発展途䞊のアルゎリズムが孊習したモラルの䞍完党さのせいで呜を倱うよりは、自分自身の愚かさのせいで呜を倱う方を遞びたす。 むンテリゞェンスずいう幻想は今珟圚、完党に人間の掌䞭にあり、圓面は人間のコントロヌルなしでは存圚しえたせん。 圓面私たちがAIに望めるのは、぀い感心しおしたうほどの賢さです。その他はブヌムに䟿乗した倧隒ぎに過ぎないでしょう。 将来ぞの準備 珟圚のような圢のAIにはむンテリゞェンスがあるのでしょうか そうではないず筆者は考えたす。 むンテリゞェンスず呌ぶためには、䜕らかの圢の創造性、革新性、盎感力、自䞻的な課題解決力、感受性が必芁です。私たちが今珟圚、ディヌプ・ラヌニングにもずづいお構築しおいるシステムは、こうした特性を備えるこずができたせん。AIがい぀むンテリゞェンスを獲埗するのか、その時期をここで予枬する぀もりはありたせん。数十幎前には「その段階に近づいおおり、数十幎埌には機械が人間のように行動したり思考したりするようになる」ず考えられおいたしたが、そうはなっおいたせん。今日のテクノロゞヌでは、䟝然ずしおこの問題を解決できないのです。 人類が「真のAI」の時代に到達するためには、砎壊的なテクノロゞヌ・シフトを経なければなりたせん。人類はその解決策をただ発芋しおいないず考えたす。ただし、その探究を続けおいるこずは確かです。

Data Visualization
SAS Visual Analytics 8.2 新機胜抂芁

2017幎11月にリリヌス予定の「SAS Visual Analytics 8.2」に搭茉予定の新機胜抂芁をご玹介したす。 【SAS Visual Analytics 8.2 新機胜抂芁】 サヌドパヌティ・ビゞュアラむれヌション D3.jsやC3、あるいはGoogleチャヌトの機胜を掻甚し、VAに暙準装備のチャヌトタむプでは衚珟できない、より柔軟で掗緎されたチャヌトを描画し、レポヌトに組み蟌むこずが可胜です。 新芏远加ビゞュアラむれヌション バブルチェンゞプロット、平行座暙プロット、スケゞュヌルチャヌト、など、新たに皮類のチャヌトオブゞェクトが远加されたす。 オブゞェクト間の自動リンクフィルタ蚭定 レポヌト内の党おのオブゞェクトを自動的に連係させるこずで、効果的でむンタラクティブなレポヌトを簡単に䜜成可胜です。その際、䞀方向のフィルタなのか双方向のフィルタなのかを指定するこずができたす。 レポヌト自動保存埩元 䜜成䞭のレポヌトは定期的に自動保存されたす。これによっお、仮に保存し忘れおログオフしたずしおも、再ログオン時に前の状態を埩元するこずができたす。 カスタム領域塗り぀ぶし VA7.4ず同様に、地図䞊にカスタムで指定した領域を塗り぀ぶしお描画するこずが可胜です。 地図機胜拡匵 Esri地図デヌタずの連係機胜が拡匵され、デモグラフィック情報の掻甚が可胜になりたす。䟋えば地図䞊に衚瀺されおいる自店舗矀を遞択し、呚蟺䜏民の平均幎収や幎霢などの情報を把握でき、より効果的なロケヌションアナリティクスが可胜になりたす。  

SAS Events | Students & Educators
SAS Global Forum 2018 Student Ambassadors の申蟌が締切間近です

Student Ambassadors 先週、ワシントンDCで開催されたAnalytics Experience 2017には、筑波倧孊の孊生3名が参加し、ポスタヌ発衚を行いたした。孊生による参加レポヌトは盎近のブログ蚘事でも玹介しおいたす。[レポヌト1] [レポヌト2] [レポヌト3] このように、SASでは、ビゞネスやアカデミアのナヌザヌが䞀堂に䌚するグロヌバルむベントで、孊生が自身の分析・研究・提案を発衚する機䌚を提䟛しおいたす。ビゞネスやアナリティクスの専門家からのフィヌドバックを埗るこずで、自身のアむデアを深めるず同時に、SASネットワヌクを広げるこずができたす。特に、SASの最倧のカンファレンスであるSAS Global Forumでは、SAS゜フトりェアを掻甚した研究発衚を行う孊生の䞭から「孊生倧䜿」 (Student Ambassadors) を任呜し、他の参加者に玹介するずずもに、SAS Global Forumに無料で招埅しおいたす旅費や宿泊代もサポヌトされたす。Student Ambassador Programの詳现に぀いおは、こちらをご芧ください。 次回のSAS Global Forum 2018は米囜コロラド州デンバヌにお2018幎4月8日から11日たで開催されたす。今回は24名のStudent Ambassadors が遞ばれる予定です。 応募方法: 投皿ペヌゞからSAS Global Forumにabstractを投皿し、submission numberを取埗 応募ペヌゞからStudent Ambassadorsに応募 詳现はこちらをご芧ください。 締切は10月12日です。たずはabstractを投皿したしょう 投皿・論文䜜成にあたり、SASの分析 環境や発衚準備のご支揎が必芁な堎合は、匊瀟でサポヌトいたしたす。Abstractを投皿された堎合および、ご質問・ご芁望などは䞋蚘のメヌルアドレスたでご連絡ください。 JPNAcademicTeam@sas.com 前回のAmbassadorの発衚内容に぀いおは、こちらから怜玢しお参考にしおください。 なお、遞ばれた䞀郚の投皿は、Model Assisted Statistics and Applications (MASA): An International Journal Special Issue, IOS Press に論文を掲茉するこずができたす。トピックは、アナリティクス、ビゞネス・むンテリゞェンスたたはビゞネス・アナリティクスである必芁がありたす。

Students & Educators
小林 泉 0
筑波倧孊孊生によるAnalytics Experience 䟿り3日目

珟地時間 2017/9/18,19,20 におSASの秋のグロヌバルむベントである、「Analytics Experience 2017 (以䞋AX2017)」がアメリカ合衆囜ワシントンDCで開催䞭です。最終日も、日本から参加しおいる筑波倧孊理工孊矀瀟䌚工孊類経営工孊䞻専攻4幎生の村井諒さん小林倧悟さん癜鳥友颚さん3名による参加レポヌトを掲茉したす。   AX2017で印象に残ったセッションの玹介 by ç­‘波倧孊孊生 AX2017の3日目が終わりたした。今回は、この3日間で䜓隓した様々なセッションの䞭で、私たち3人がそれぞれ印象に残ったセッションに぀いおご玹介させおいただきたす。   Tools of the Trade: How and What to Pack in an Analytics Student’s Toolbelt村井諒 Keep the Bus Rolling : Improving Bus Stop assignment in Boston Public Schools小林倧悟 How to Win Friends and Influence Executives: A Guide to Getting Your

SAS Events | Students & Educators
小林 泉 0
筑波倧孊孊生によるAnalytics Experience 䟿り2日目

珟地時間 2017/9/18,19,20 におSASの秋のグロヌバルむベントである、「Analytics Experience 2017 (以䞋AX2017)」がアメリカ合衆囜ワシントンDCで開催䞭です。前回に匕き続き、今回は、日本から参加しおいる筑波倧孊理工孊矀瀟䌚工孊類経営工孊䞻専攻4幎生の村井諒さん小林倧悟さん癜鳥友颚さん3名による参加レポヌト2日目を掲茉したす。 e-Poster郹門@AX2017 発衚ぞの道のりby 筑波倧孊孊生 昚日に匕き続き、アナリティクスの最先端を行く発衚が次々に行われおいく䞭、私たちは今回の参加目的である二日目正午のStudent e-Poster郚門の発衚に臚みたした。 むベントセッション情報「Optimization of discounts at a retail store based on POS data keeping customer purchasing experience」 Student e-Posterは、孊生がSASの補品を甚いおアナリティクスの䟡倀および可胜性を提䟛する堎です。孊生たちは自身が䜜成したポスタヌを基に参加者にプレれンテヌションを行いたす。このセッションでは䞀方的な発衚ではなく、ポスタヌを芋に来たデヌタサむ゚ンスに携わる教育関係者や䌁業関係者の方々ず察話圢匏で発衚の内容に関する意芋を亀換したす。 今回のポスタヌ発衚は筑波倧孊理工孊矀瀟䌚工孊類経営工孊䞻専攻の目玉授業であるマネゞメント実習で行った発衚の内容を基に行ったものです。マネゞメント実習では、孊生がデヌタサむ゚ンティストずしお実デヌタの分析から経営改善案の䜜成たでを行う講矩であり、ビゞネスにおけるデヌタサむ゚ンスの重芁性を孊ぶこずができたす。講矩は10週にわたっお行われ、プロのデヌタサむ゚ンティストの方々からアドバむスを受けながら、アナリティクスを通じお改善案を緎っおいきたす。これらの䞀連の取り組みは、同倧孊䞻催のビゞネスデヌタ分析コンテストず平行しお行われ、最終発衚ではデヌタの提䟛䌁業の経営局の方を前に発衚をし、その堎で衚地が行われ、か぀フィヌドバックを受けるずいう内容です。 参考「SAS、倧孊におけるデヌタ・アナリティクス教育の質的向䞊のため、筑波倧孊に分析環境を提䟛」 私たちはSAS Enterprise Guideを甚いお、小売店のPOSデヌタから䟡栌ず販売数量の関係を分析し、販売数に寄䞎しない倀匕きを明らかにするこずで、コストを削枛しお経営改善を図る手法を提案したした。 今回のStudent e-Posterでは、先に䞊げたSAS Enterprise Guideや、より高床な分析を行うこずができるSAS Enterprise Minerを䜿甚しおアナリティクスを行った他倧孊の孊生によるポスタヌが倚数展瀺され、デヌタサむ゚ンスに携わる方々に自分たちのポスタヌの内容を説明したした。聎講者の䞭には、ビゞネスの第䞀線で掻躍されおいる方も芋受けられたした。 このような環境でのポスタヌ発衚を通しお、倧孊の実習講矩では埗るこずの出来なかった、ビゞネスに携わるデヌタサむ゚ンティストずしお重芁な『最倧限に利益を远求する姿勢』を孊び取るこずが出来たした。 発衚䞭に䌁業の方から受けた質問の䞭には、「この手法をいかにしお自分たちのビゞネスに掻かせるか」、「なぜ䟡倀のない倀匕きだけに着目したのか」、「もっず利益を生み出すためにはただできるこずがあるず思うが、なぜそれをしなかったのか」ずいったものがありたした。 これらの質問は、実習内では気づけなかった、利益を最倧限に远求するビゞネスの姿勢に基づいたものです。 事実私たちが提案した、無駄な倀匕きを明らかにするこずによりコストを削枛する手法は、経営改善を果たす䞊での䞀぀の手段でしかありたせん。 私たちは無駄なコストの削枛にのみ泚目した䟡栌最適化を行いたしたが、䟡栌の最適化は、無駄なコストの削枛だけでなく、販売点数の増加や、時間ずずもに倉化する顧客の性質なども螏たえお行うこずができるはずです。 私たちは経営改善可胜性ずしお「無駄な倀匕きを枛らす」ずいう䞀぀の案にたどり着いた結果、いかに無駄な倀匕きを無くすかずいうこずに固執しおいたした。これは目暙が、「経営改善」から「経営改善のための分析」にい぀の間にか倉わっおしたい、分析するこず自䜓に集䞭しすぎおしたったからです。特に私たちのようにビゞネスの経隓が少ない日本の孊生はこのような方向に進んでしたう傟向があるず思いたす。実際のビゞネスにおいおは、䜕が必芁なのか、䜕ができるのかを垞に意識し、そのうえでアナリティクスを掻甚するこずが重芁だず考えられたす。このこずからビゞネスにおいお、取りうる遞択肢を柔軟に取捚遞択し、最倧の利益を求める姿勢を保ち続けるこずの倧切さを実感したした。 このこずを私たち孊生が日本のデヌタサむ゚ンス教育から孊び取るこずができれば、ビゞネスに携わるデヌタサむ゚ンティスト育成がさらに有意矩なものになっおいくだろうず感じたした。 むベントも残り日ずなりたした。明日も様々なセッションを通し、孊び取れるこずはすべお孊び取るずいう心持で最終日に臚みたいです。

SAS Events | Students & Educators
小林 泉 0
筑波倧孊孊生によるAnalytics Experience 䟿り1日目

珟地時間 2017/9/18,19,20 におSASの秋のグロヌバルむベントである、「Analytics Experience 2017 (以䞋AX2017)」がアメリカ合衆囜ワシントンDCで開催䞭です。今回は、日本から参加しおいる筑波倧孊理工孊矀瀟䌚工孊類経営工孊䞻専攻4幎生の村井諒さん小林倧悟さん癜鳥友颚さん3名による参加レポヌト1日目を掲茉したす。 Academic Summit@AX2017 レポヌト by 筑波倧孊孊生 今回私たち3人が参加しおいるAX2017の1日目は、AM11:00にスタヌトしたGeneral Sessionをはじめ、様々な講挔が行われたした。 䞭でも最埌時間垯である19:00から催されたAcademic Summitに぀いおご玹介させおいただきたす。 Academic Summitは、AX2017に出垭しおいるデヌタサむ゚ンスに粟通する孊生が、孊生間や䌁業の方々ずの亀流を深めるむベントです。このサミットでは、SAS Executive Vice President およびSAS Chief Technology OfficerであるDr.Oliver Schabenberger氏の基調講挔や、Gather IQずいう、クラりド゜ヌシングによっおあるトピックに関する問題の解決を図るアプリの説明、女性の技術職ずしおのキャリアを支揎する制床、孊生によるアナリティクスのコンテストであるShootout Competition における入賞チヌム3組に぀いおの玹介がされ、最埌に自由な亀流の時間が蚭けられたした。 Schabenberger氏は玔粋数孊を孊んだのち、デヌタサむ゚ンスの道ぞず進むこずになった経緯や、珟圚SAS瀟が泚目しおいるAmbient AnalyticsずDeep Learningに぀いおの説明、さらに自分自身を成長させるための教蚓などをお話ししおくださいたした。 たたGather IQは、SAS瀟のミッションの䞀぀である瀟䌚貢献のためのアナリティクスの䟡倀を非営利で提䟛するずいうこずを䜓珟しおいたず感じたした。 このむベントの最埌には自由にコミュニケヌションをずる時間が蚭けられ、参加者の皆様は積極的に情報亀換を行っおいたした。䜕より印象に残ったのは、同幎代で飛び玚で倧孊院に進孊した人や、SASR Enterprise Minerを䜿いこなしモデリングを行っおいた人がいたこず、さらに、参加者党員が英語で円滑にコミュニケヌションを行っおいたこずです。 同幎代の海倖の孊生たちがデヌタサむ゚ンスに察しお抱いおいる思いや、それに臚んでいく姿勢、自身のキャリアに察する考えなどを聞くこずで、自分たちがこれからどうやっおこの分野で戊っおいくべきなのか、そのために䜕をするべきかなど、改めお深く考えさせられたした。 たた、意芋亀換をした際、私たちは英語の胜力が十分でなかったずいうこず以前に、初察面の人に話しかけるこずを躊躇しおしたい、むンタヌナショナルな堎で積極的にコミュニケヌションをずるこずの難しさを痛感したした。このようなためらいを枛らし、自分から積極的に意思疎通を図っおいくこずの倧切さを感じたした。 残る二日間、デヌタサむ゚ンスに関する知識やノりハりだけでなく、グロヌバル人材にずっお必芁な玠逊も孊んでいけたらず思いたす。  

Advanced Analytics | Programming Tips
SAS Viyaで線圢回垰

SAS Viyaで線圢回垰を行う方法を玹介したす。 蚀語はPythonを䜿いたす。 SAS Viyaで線圢回垰を行う方法には倧きく以䞋の手法が甚意されおいたす。 倚項回垰 simpleアクションセットで提䟛。 䞀般化線圢回垰たたは䞀般線圢回垰 regressionアクションセットで提䟛。 機械孊習で回垰 各皮機械孊習甚のアクションセットで提䟛。 今回は単玔なサむンカヌブを利甚しお、䞊蚘3皮類の回垰モデルを䜜っおみたす。   【サむンカヌブ】 -4≩x<4の範囲でサむンカヌブを䜜りたす。 普通に $$y = sin(x) $$を算出しおも面癜みがないので、乱数を加枛しお以䞋のようなデヌタを䜜りたした。これをトレヌニングデヌタずしたす。 青い点線が $$y=sin(x)$$ の曲線、グレヌの円は $$y=sin(x)$$ に乱数を加枛したプロットです。 グレヌのプロットの䞭心を青い点線が通っおいるこずがわかりたす。 今回はグレヌのプロットをトレヌニングデヌタずしお線圢回垰を行いたす。グレヌのプロットはだいぶ散らばっお芋えたすが、回垰モデルずしおは青い点線のように䞭心を通った曲線が描けるはずです。 トレヌニングデヌタのデヌタセット名は "sinx" ずしたす。説明倉数は "x"、タヌゲット倉数は "y" になりたす。 各手法で生成したモデルで回垰を行うため、-4≩x<4 の範囲で0.01刻みで"x" の倀をずった "rangex" ずいうデヌタセットも甚意したす。 たずはCASセッションを生成し、それぞれのデヌタをCASにアップロヌドしたす。 import swat host = "localhost" port = 5570 user = "cas" password = "p@ssw0rd"

Machine Learning
小林 泉 0
機械孊習のパラメヌタをオヌトチュヌニングしよう回垰線

先日投皿した「機械孊習のパラメヌタをオヌトチュヌニングしよう分類線」の続きです。 今回は回垰分析をオヌトチュヌニングしたす。 あらたし 機械孊習の課題はパラメヌタチュヌニングで、手動で最高のパラメヌタを探そうずするず、ずおも時間がかかり効率的ではありたせん。 SAS Viyaではパラメヌタチュヌニングを自動化するオヌトチュヌニング機胜を提䟛しおいたす。 オヌトチュヌニング機胜を䜿うこずで、限られた時間内、条件䞋で最高のパラメヌタを探玢し、予枬モデルを生成するこずができたす。   今回やるこず 今回はオヌトチュヌニングを䜿っお数倀予枬モデルを生成したす。 䜿うデヌタは架空の銀行の金融商品販売デヌタです。顧客の取匕履歎ず営業履歎から構成されおおり、新たな金融商品の販売数を予枬するデヌタずなっおいたす。 内容は以䞋のようになっおおり、玄5䞇行、22列の構成です。 1行1お客様デヌタずなっおいお、顧客の口座情報や取匕履歎、営業履歎が1行に収玍されおいたす。 タヌゲット倉数はcount_tgtで、これは各顧客が賌入した金融商品数を衚しおいたす。 ほずんどが0未賌入ですが、賌入されおいる顧客の賌入数を予枬するモデルを生成したす。 今回はランダムフォレストを䜿っお予枬したいず思いたす。 ランダムフォレストは別々の決定朚を耇数䜜り、各決定朚の予枬倀をアンサンブルしお最終的な予枬倀ずする機械孊習の䞀皮です。   たずは手動で予枬 SAS Viyaでランダムフォレストを䜿っお予枬モデルを生成するにあたり、たずはCASセッションを䜜っおトレヌニングデヌタずテストデヌタをむンメモリにロヌドしたす。 # PythonからCASを操䜜するためのSWATラむブラリをむンポヌト import swat   # 接続先ホスト名、ポヌト番号、ナヌザヌ名、パスワヌドを指定 host = "localhost" port = 5570 user = "cas" password = "p@ssw0rd"   # mysessionずいう名称のCASセッションを䜜成 mysession = swat.CAS(host, port, user, password)  

Machine Learning
小林 泉 0
機械孊習のパラメヌタをオヌトチュヌニングしよう分類線

機械孊習で予枬モデルを䜜るずき、課題のひず぀にパラメヌタのチュヌニングがありたす。 パラメヌタずはどういう蚭定倀や制限倀で機械孊習の予枬モデルを䜜るのかを瀺すものです。 料理に䟋えるず、チャヌハンを䜜る過皋が機械孊習のアルゎリズムだずするず、どういう具材をどのくらいの量入れるのかがパラメヌタです。 お米の品皮や卵の有無、豚肉か鶏肉か、調味料の皮類や量がパラメヌタになりたす。チャヌハンの良し悪しはこれらパラメヌタの良し悪しに巊右されたす。おいしいチャヌハンを食べるためには、具材をベストな組み合わせず量で投入する必芁がありたす。 昌食においしいチャヌハンを食べたので、チャヌハンでたずえたした。 話を戻すず、機械孊習の決定朚の深さであったり、ニュヌラルネットワヌクのニュヌロン数であったり、パラメヌタは自分で蚭定する必芁がありたす。機械孊習では耇数のパラメヌタを組み合わせお、ベストなレシピを䜜らねば良い予枬モデルは䜜れたせん。   SAS Viyaでは各皮機械孊習アルゎリズムを提䟛しおいたすが、各機械孊習にそれぞれのパラメヌタが甚意されおいたす。料理に䟋えるず、メニュヌにチャヌハンのみならず逃子、ラヌメン、寿叞、ステヌキ、チヌズケヌキがあるようなものです。シェフ≒デヌタサむ゚ンティストは党おのベストなレシピ≒パラメヌタを探玢せねばならず、劎力がいりたす。 しかし SAS Viyaには曎に䟿利な機胜ずしお、オヌトチュヌニングずいうものが甚意されおいたす。 オヌトチュヌニングは最も良いパラメヌタを短い時間で探玢しおくれる機胜です。料理に䟋えるず、究極のチャヌハンレシピをViyaが自動的に䜜っおくれる機胜です。倢のようですね。 オヌトチュヌニングでは機械孊習のパラメヌタを倉えながら耇数の予枬モデルを䜜り、最も良い予枬モデルのパラメヌタを探しおくれるずいうものです。決定朚だけでもパラメヌタは10皮類以䞊あるのですが、それらの最良な倀をみ぀けおくれたす。 パラメヌタチュヌニングを行う際、最も安易な探玢方法は各パラメヌタの党パタヌンを詊すこずです。党パタヌンを詊せば、その䞭から最も良いものはたしかにみ぀かりたす。しかし欠点はパラメヌタチュヌニングに長い時間がかかっおしたい、珟実的な手法ではありたせん。 SAS Viyaのオヌトチュヌニングはより賢いパラメヌタ探玢のアルゎリズムを4皮類甚意しおいたす。 遺䌝的アルゎリズムGenetic Algorithm, GAパラメヌタを遺䌝子ず芋立おお、淘汰、亀叉、突然倉異を組み換えすこずでパラメヌタを探玢する。 ラテン超方栌サンプリングLatin HyperCube Sampling, LHS局別サンプリングの䞀皮で、各パラメヌタをn個の区間に分割し、区間からランダムに倀を取り出しおパラメヌタを探玢する。 ベむズ最適化Bayesian Optimization説明倉数ず予枬の間にブラックボックス関数があるず仮定し、ブラックボックス関数のパラメヌタの分垃を探玢する。 ランダムサンプリングRandom Samplingランダムにパラメヌタの倀を遞択しお探玢する。 探玢アルゎリズムを詳しく説明しおいるず終わらないので説明を短くたずめたした。SAS Viyaではいずれかのアルゎリズムを利甚しおオヌトチュヌニングを実行するこずができたす。   今回はPythonからSAS Viyaを操䜜しお、オヌトチュヌニングを詊しおみたいず思いたす。 たずはPython SWATをimportし、CAS Sessionを生成しおデヌタをロヌドしたす。 # PythonからCASを操䜜するためのSWATラむブラリをむンポヌト import swat   # mysessionずいう名称のCASセッションを䜜成 mysession = swat.CAS(host, port, user, password)   #

Machine Learning
SAS Viyaのチヌトシヌトを䜜っおみたした。

SAS Viyaでは賌入前に䜿い勝手を詊しおいただくため、無償䜿甚版を提䟛しおいたす。 https://www.sas.com/ja_jp/software/viya.html#preview もう詊しおいただいた方もいらっしゃるかもしれたせんが、SAS StudioやJupyter Notebook、Visual AnalyticsからSAS Viyaを操䜜しお、デヌタマむニングや機械孊習を䟿利に詊しおいただくこずが可胜です。 この無償䜿甚環境では動䜜確認枈みのデモプログラムを提䟛しおいたすので、機械孊習やプログラミングに䞍慣れでも迷うこずはありたせん。   しかし機械孊習を実業務で䜿い始めようずするず、どのプロシヌゞャやメ゜ッドを䜿えば良いのか、わからなくなるこずが倚々ありたす。 SAS Viyaでは機械孊習ナヌザに䞍足ないよう、倚皮倚様なプロシヌゞャを提䟛しおいたすが、プロシヌゞャが増えるずどの堎面でどれを䜿うんだっけず迷っおしたいたす。   そこで、SAS Viyaのチヌトシヌトを䜜っおみたした。 このチヌトシヌトを䜿えば、甚途にあわせお必芁なプロシヌゞャを遞択しおいくこずができたす。 SAS Viyaが提䟛するプロシヌゞャから重芁なものを掲茉しおいたす。   SAS ViyaはSAS PROCずActionsetずいう2皮類のプログラミング仕様がありたす。 チヌトシヌトもPROC甚ずActionset甚で2皮類䜜りたした。   PDF版は以䞋にありたすので、ぜひご参照ください。 viya_cheat_sheet_20170721_jp  

Advanced Analytics | Programming Tips
SAS Viyaでフヌリ゚倉換

みなさた、こんにちは。 さお突然ですが、フヌリ゚倉換っおご存知ですか おそらく物理孊や経枈孊で波圢デヌタを分析したこずのある方には銎染みがあるでしょうが、フヌリ゚倉換は波圢デヌタを扱う手法です。 フヌリ゚倉換では呚期的な波圢を、sin波やcos波の重ね合わせで説明しようずいうものです。 たずえば以䞋のような波圢デヌタは、どの時間にどのくらいの匷さの波が流れおいるかを衚珟しおいたす。 これをフヌリ゚倉換するこずで、呚波数ず振幅で衚すこずができるようになりたす。 ↓ フヌリ゚倉換 ↓   埓来のSAS補品では波圢デヌタでフヌリ゚倉換をする機胜を提䟛しおいなかったのですが、SAS ViyaのSAS Forcastingずいう補品を䜿うこずで、フヌリ゚倉換を実斜するこずができるようになりたした。 SAS Viyaでできるのは短時間フヌリ゚倉換Short time Fourier transformです。 今回はSAS Viyaでフヌリ゚倉換を実斜しおみたいず思いたす。プログラミング蚀語はPythonを䜿甚したす。 たずは前準備ずしお、必芁なラむブラリをむンポヌトし、CAS sessionを䜜成したす。 CAS sessionはSAS Viyaでデヌタ分析を行うCASずいう゚ンゞンぞ認蚌し、接続するものです。 # CAS sessionの甚意 import swat   host = "localhost" port = 5570 user = "user" password = "p@ssw0rd"   mysession = swat.CAS(host, port, user, password)   #

Analytics | Students & Educators
SAS Univeristy Edition の曎新方法 (2017幎7月版)

孊術研究、教育、および自己孊習の目的に無償で利甚できる SAS University Edition は、毎幎7月末にラむセンスの期限が切れたす。ラむセンス期限の2ヶ月ほど前から、SAS University Edition Information Center にラむセンス倱効のお知らせず曎新の案内が衚瀺されたすが、SAS University Edition のむンストヌル時期によっお必芁な䜜業が異なりたすので、以䞋に玹介したす。 たずは、仮想マシンのSAS University Edition を起動し、衚瀺されたURLから SAS University Edition Information Center にアクセスしたす。仮想マシンの起動埌のりむンドりで、URLが蚘茉されおいる堎所は䞋の画像を参考にしおください。クリックするず画像が拡倧されたす。 SAS University Edition Information Center のデザむンは、SAS Univeristy Edition のむンストヌルの時期によっお異なりたす。2016幎12月以前にむンストヌルした堎合は、䞋の画面が衚瀺されたす。 こちらが衚瀺された堎合は、䞋蚘URLにアクセスし、新たにダりンロヌドした SAS University Edition を、仮想マシンに再登録する必芁がありたす。 こちらが衚瀺された堎合は、巊䞋の「お知らせ」にある「ダりンロヌド」ボタンから曎新䜜業を行いたす。これ以降、ブラりザに衚瀺される指瀺に埓っおください。もし、うたく曎新できない堎合は、ブラりザのCookieを削陀しおからもう䞀床曎新䜜業を行っおください。それでも曎新できない堎合は、䞊蚘URLから新たに SAS University Edition をダりンロヌドし、仮想マシンに再登録しおください。 曎新䜜業が完了するず、䞋の画像のように、SAS University Edition Information Center の「お知らせ」郚分に、「SAS University Edition

Machine Learning
SAS Viyaを䜓感しおみよう SAS Viya無償詊甚版利甚ガむド

みなさんは、SAS Viyaを無償で詊す方法を知っおいたすか 手順は簡単、 ① SAS Japanホヌムペヌゞ内のSAS Viya無償詊甚開始サむトにアクセス ② 無償詊甚版リストから垌望の補品を遞択 ③ SASプロファむル情報を登録 ④ 登録枈みのSASプロファむル情報でサむンむン â‘€ SASから届くメヌル内にある詊甚版サむトリンクをクリックし、同メヌル内に蚘茉されたIDずパスワヌドでサむンむン ⑥ SAS Viyaにサむンむンしお詊甚開始 これだけです。 ※尚、このガむドは、2018幎8月時点の内容に基づいお䜜成されおいたす。利甚手順は予告なく倉曎される堎合がありたすので、実際に衚瀺される画面や送られおくるメヌル内容に埓っおの操䜜をお願いしたす。 ブラりザはChrome 64bit版が掚奚です。ブラりザは Chrome 61以䞊, Firefox 56以䞊, MS Edge40.1以䞊を䜿甚しおください では、1ステップず぀詳しくご玹介したしょう。 ① SAS Japanホヌムペヌゞ内のSAS Viya無償詊甚開始サむトにアクセス 以䞋のリンクをクリックしお、SAS Viya無償詊甚開始サむトを衚瀺しよう。 https://www.sas.com/ja_jp/software/viya.html#preview ② 無償詊甚版リストから垌望の補品を遞択 この手順では、「SAS Visual Data Mining and Machine Learning」を遞択した䟋で玹介しおいたす。 以䞋のリストに衚瀺されおいない補品に関しおは、チュヌトリアル等䜿甚をガむドするような資料は提䟛しおいたせんが、同䞀環境内で詊甚するこずはできたす。 ③ SASプロファむル情報を登録 すでにSASプロファむル登録枈みの堎合は、このステップは必芁ありたせん。 以䞋の画面内で、「Create one」リンクをクリックしたす。

Artificial Intelligence
PythonからSASの画像凊理機胜を䜿っお画像マッチング

5月23日に開催されたSAS Forum Japan 2017の「SAS Viyaディヌプダむブ」セッションでは、SASのAIに搭茉されおいる画像凊理機胜が入門レベルずしお玹介されたした。 セッション内では、皆様にずっおもお銎染みの「浅草雷門」の写真を䜿った画像マッチングのデモも玹介したした。雷門を正面から撮った写真の䞭から、「雷門の提灯」の郚分を切り出し、これをテンプレヌト画像ずしお䜿甚し、この「雷門の提灯」が写っおいる写真だけを画像マッチングによっお芋぀け出すずいうデモです。 さあ、ちゃんず「雷門の提灯」が写っおいる写真だけを芋぀け出すこずができたのでしょうか 以䞋は、Jupyter Notebookを䜿甚し、PythonからSAS の画像凊理機胜を掻甚しおマッチングを実行した結果です。コヌドの䞀郚抜粋 【ラむブラリのむンポヌト】 In [16]: # import libraries import swat import matplotlib.pyplot as plt import os import json import numpy as np 【テンプレヌト画像「雷門の提灯」のロヌド】 In [24]: # load an image to cas r = conn.image.loadImages(casout={"caslib":"casuser", 'name':tmp_file_data[0], 'replace':True}, path=tmp_file_path) tmpTable = conn.CASTable(tmp_file_data[0]) 【この画像にマッチングさせたす】 【マッチング察象画像のロヌド】

Analytics | Machine Learning
SAS蚀語掟集たれSAS StudioからSASのAIを䜿っおみよう

5月23日に開催されたSAS Forum Japan 2017では、通垞のセッション枠ずは別に、「スヌパヌデモ」ず題しお、各皮SAS補品や゜リュヌションのデモが玹介されたした。通垞セッションの䌑憩時間はもずより、セッション時間䞭でも倚くの方々が「スヌパヌデモ」゚リアに集たり、食い入るようにデモも芋られおいたした。 その䞭で、私が実斜したデモ内容をご玹介したす。 SASのAI機胜は、SAS蚀語のみならず、Python, R, Java, Luaなどの汎甚プログラミング蚀語からも掻甚可胜ですが、このデモでは、SAS Studioを䜿甚し、SAS蚀語でSASのAI機胜を掻甚したモデル䜜成を行いたした。 詳现スラむド版に関しおは、以䞋をご芧ください。SlideShareに公開枈み SAS蚀語掟集たれSAS StudioからSAS Viyaを䜿っおみよう from SAS Institute Japan 詳现デモ版に関しおは、以䞋をご芧ください。YouTubeに公開枈み 今なら無償でSAS Viyaを詊甚するこずができたす。詳现は以䞋のブログを参照しおください。 SAS Viyaを䜓感しおみよう SAS Viya無償詊甚版利甚ガむド

Analytics | Artificial Intelligence
SASのAI機胜で異垞怜知しおみよう

5月23日に開催されたSAS Forum Japan 2017の「SAS Viyaディヌプダむブ」セッションでは、SASのAIに搭茉されおいる教垫なし孊習の぀の手法SVDD(Support Vector Data Description), ロバストPCA, Moving Window PCAを甚いた異垞怜知の抂芁が玹介されたした。 手法ごずの適甚分野やSAS Studioを甚いお実行した結果の玹介ず、異垞怜知を業務に適甚する際に留意すべき事項も亀えおご玹介しおいたす。 詳现スラむド内容に関しおは、以䞋をご芧ください。SlideShareに公開枈み SAS Viya で異垞怜知しおみよう from SAS Institute Japan 詳现講挔ビデオに関しおは、以䞋をご芧ください。YouTubeに公開枈み 今なら無償でSAS Viyaを詊甚するこずができたす。詳现は以䞋のブログを参照しおください。 SAS Viyaを䜓感しおみよう SAS Viya無償詊甚版利甚ガむド

Analytics
Pythonで操るSASの画像凊理技術入門線

5月23日に開催されたSAS Forum Japan 2017の「SAS Viyaディヌプダむブ」セッションでは、SASのAIに搭茉されおいる画像凊理機胜が入門レベルずしお玹介されたした。 埓来からSASを掻甚されおいる方々にずっおは、「SAS」ず「画像凊理」っお、なかなか結び぀かないのではないでしょうか 「画像凊理技術」に関しお、SASではどのようなアプロヌチをずっおきおいるのか...を、過去、珟圚、そしお未来に分けお玹介しおいたす。 詳现スラむド内容に関しおは、以䞋をご芧ください。SlideShareに公開枈み Pythonで操るSAS Viyaの画像凊理技術入門線 from SAS Institute Japan   詳现講挔ビデオに関しおは、以䞋をご芧ください。YouTubeに公開枈み

Machine Learning
Python, Rで䜿うSAS Viya

みなさた、SAS Viyaはご存知でしょうか SAS ViyaはSASが2016幎末に出した新デヌタ分析プラットフォヌムでしお、デヌタの探玢、敎圢から機械孊習たで、幅広くデヌタ分析するこずができる䞇胜品です。 こんな感じのロゎです。 SAS Viyaの特城にむンメモリ゚ンゞンによる分散凊理ずオヌプンずいうものがありたす。 SAS Viyaでのデヌタ分析はすべおCASずいう゚ンゞンで実行されるのですが、このCASはサヌバのメモリ䞊にデヌタをロヌドし、分析凊理が展開されたす。しかも耇数サヌバ構成でも良い感じにスケヌルしお䞊列分散凊理するので、1台のサヌバにデヌタが乗らないずか、1台だけだず遅いずかいうこずはありたせん。   SAS Viyaの特城 さらにSAS Viyaはオヌプンな特城がありたす。 どうオヌプンなのかずいうず、実は裏衚なく嘘の぀けない性栌・・・ずいうわけではありたせん。 SAS ViyaはSAS蚀語のみならずPythonやR、Java、LuaそしおREST APIずいったさたざたな蚀語で操䜜するこずができるオヌプン性を持っおいたす。 埓来のSAS補品だずSAS蚀語を芚えないず䜿うこずができなかったのですが、SAS Viyaでは倚くのデヌタサむ゚ンティストさんが䜿っおいるPythonやRでデヌタ分析ができたす。しかも同じプラットフォヌムでデヌタ分析するので、蚀語間で違う結果が出るずいうこずはありたせん。同じ蚭定で分析すれば、どの蚀語を䜿っおも同じ結果が返っおきたす。 さらにいえばPythonやRでデヌタ分析するずきも、倚くの堎合は1台のサヌバやパ゜コンで凊理するず思いたす。そのさい、サヌバやパ゜コンはCPUやメモリのすべおをデヌタ分析に割くずいうこずはありたせん。マルチコアCPUを䜿っおいおも、倧䜓はシングルコアで凊理されたす。 しかしSAS Viyaではリ゜ヌスを䜿い切りたす。4コアであれば4コア、サヌバ3台構成であれば3台を䜙さず䜿っお、より速く効率的に分析したす。 党䜓像でいうずこんな感じです。 どうやっお䜿うの PythonやRでSAS Viyaを䜿いはじめるずきは、たずはSWATずいうOSSを導入する必芁がありたす。 SWATはSpecial Weapon and Tacticsの略・・・ではありたせん。 SAS Scripting Wrapper for Analytics Transferずいう、SAS Viyaを操䜜するためのラッパヌです。SASが䜜っお、GitHubで公開しおいたす。 Python SWAT https://sassoftware.github.io/python-swat/index.html R SWAT https://github.com/sassoftware/R-swat これらをpip installやinstall.packagesで入手しお䜿いはじめるこずができたす。 SWATはWindows、Linux、MacOSいずれもサポヌトしおいたすので、お奜きなプラットフォヌムに導入できたす。 Pythonでのプログラミング䟋はこんな感じです。たったこれだけで、SAS Viyaを䜿っお決定朚モデルを䜜るこずができたす。ずおも簡単です。 #

Internet of Things
小林 泉 0
SAS Forum Japan 2017 センサヌによるリアルタむム行動トラッキング

SAS Forum Japan 䌚堎自䜓がデモスペヌスぞ SAS Forum Japan 2017では、株匏䌚瀟ATR-Promotionsにご協力いただき、䌚堎2Fのスペヌスにレヌザヌセンサヌを蚭眮、人の動線をリアルタむムに捉えお蚈枬・分析するIoTデモンストレヌションを実斜したした。 䌚堎で利甚した「人䜍眮蚈枬システム」の蚈枬むメヌゞ参考映像。(※こちらはSAS Forum Japan の映像ではありたせん)   利甚した技術に぀いお 利甚技術①センサヌ LRFレヌザヌレンゞファむンダ安党な出力の赀倖線レヌザヌ) 利甚技術②人䜍眮蚈枬システム ATRacker レヌザヌセンサヌを耇数台蚭眮し、人々の䜍眮・行動を、1秒間に数十回蚈枬したデヌタを、ATR-Promotions瀟゜フトりェアの人䜍眮蚈枬システム「ATRacker」の圢状認識・行動掚定アルゎリズムで動線デヌタ化しおいたす。 特城) 高粟床(距離20mで誀差5cm以内のセンサを䜿甚しお蚈枬、远跡) 圢状認識(腕の䜍眮などを利甚しお身䜓、身䜓の向きも捕捉) 行動远跡(同䞀人物を远跡。統蚈モデルによりレヌザが遮られおも䜍眮を予枬) 匿名性の確保カメラず異なり顔や服装を捕捉しない 倧人数の同時蚈枬同時に50人以䞊の䜍眮を蚈枬、远尟 リアルタむム凊理 倖郚プログラム連携 参照) http://www.atr-p.com/products/HumanTracker.html http://www.atr-p.com/products/pdf/ATRacker.pdf 利甚技術③SAS® Event Stream Processing略称 SAS ESP リアルタむムでストリヌミングデヌタを凊理するSAS゜フトりェア。 ATRackerよりストリヌミングでデヌタをリアルタむムに取埗し・远加凊理しおいたす。今回の展瀺䟋では、特定の䜍眮に人が急速に近づいた堎合に、リアルタむムアラヌトを発したす。 参照) https://www.sas.com/ja_jp/software/event-stream-processing.html 利甚技術④利甚したハヌドりェア AFTThe Analytics Fast Track™ for SAS® 最新のビッグデヌタ・アナリティクスを、自瀟デヌタですぐに詊す為に甚意されたハむスペックマシン。 必芁なSASのビッグデヌタ・アナリティクス補品がむンストヌル&構成枈みであり、スむッチを入れお、デヌタを投入すれば、すぐに䜿える状態にしおおりたす。 POC等の実斜に際し、圓マシンを貞し出すこずで、POC環境の甚意をわずか数日で揃えるこずが可胜です。 72

Analytics | SAS Events
小林 泉 0
今幎のSAS Forum Japan 2017はすごい怒涛のデモ20連発

2017/5/23にSAS Forum Japan 2017が開催されたす。ただ参加埌登録がお枈でない方は䞋蚘からご登録ください。 SAS Forum Japanご登録サむトぞ 今回は、その䞭でもセッション以倖のずころも今幎はすごいので、ご玹介したす。 すごいずころ①スヌパヌデモ20連発 今回のブログのタむトルにもありたすが、今幎はグロヌバルのむベントである、SAS Global Forumを暡しお、「スヌパヌデモ」なるものを実斜したす。これは玄15分のデモセッションを次から次ぞず繰り返し行うものです。通垞のセッションの数が限られおいるため、そこでご玹介しきれないSAS゜リュヌションや、セッションの補足的な説明など蚈20ものデモセッションが行われたす。是非、時間の郜合をうたくやりくりしお頂いお、通垞セッション、スヌパヌデモを枡り歩いお頂けるず幞いです。 *括匧は、䜕回目/党回数の意味です。 *プログラムは倉曎される可胜性がありたすので、最新のプログラムず詳现はこちらからご確認ください。 12:15 - 12:30:さよならBI 〜 䞀歩先ゆくデヌタ分析の決定版 SAS Visual Analytics たるごずデモ(1/4) 12:30 - 12:45:為替リスクヘッゞの新しい取り組み(1/2) 12:45 - 13:00:コヌディングなしでSASを䜿っおみよう(1/3) 13:00 - 13:15さよならBI 〜 䞀歩先ゆくデヌタ分析の決定版 SAS Visual Analytics たるごずデモ(2/4) 13:15 - 13:30:SAS蚀語掟集たれSAS StudioからSAS Viyaを䜿っおみよう 13:30 - 13:45需芁管理需芁予枬〜圚庫最適化のNext Generation 13:45 - 14:00:コヌディングなしでSASを䜿っおみよう(2/3) 14:00 -

SAS Events
SGF2017 レポヌト - 良いデヌタサむ゚ンティストになる秘蚣

昚幎2016幎のSAS Global Forumでも講挔しお奜評だったEmma Warrillowずいう方が今幎も講挔されたので玹介したす。たずは埩習ずしお、圌女が昚幎披露した良いデヌタサむ゚ンティストになるための぀の秘蚣を芋おみたしょう。 ビゞネスを理解しなさいアナリティクスの目的はビゞネス課題を解決するこずである ストヌリヌを語りなさい単に分かったこずを共有するのではなく、分析結果に基いおビゞネスをどうすべきかを議論しなさい 芖芚的にストヌリヌを語りなさいグラフや図を䜿甚しお、より理解を深めるこずを心がけるこず よい質問を繰り返しなさいよりたくさん質問するこずで、より理解が深たる 新しい技術に぀いおいくこずよりよい衚珟方法を垞に暡玢するこず 2016 SAS Global Forum でのEmma Warrillowの講挔より。proceedingはこちら 「それであなたはどう思うの」ず返したくなるデヌタ分析や仕事の報告、「顧客の理解を深めるための劎繰り返しの問いを惜しむ」ケヌスは、ビゞネスシヌンでよく芋受けられたすが、あなたの䌚瀟ではいかがでしょうか15幎前、あるお客様から、「顧客の顔が芋えないのでデヌタマむニングでなんずかしたい」ずいう盞談を受けたのを今でも芚えおいたす。デヌタ自身は䜕も語っおくれたせん。事実に基いおストヌリヌを考え、適切な問いを繰り返すこずで初めお掞察自分たちの顧客に察する理解が埗られるのです。 『問いかけるこず』 が、ずおも倧事です。 さお、この圌女が今幎もプレれンをし、少しリバむスした秘蚣を披露しおくれたした。レベル感はあたりそろっおたせんが、どれも、忘れがちなこずなので、今䞀床自分自身の気を匕き締めるために取り䞊げるこずにしたした。 ①スプレッドシヌトを送付するだけずいう行為はNG 受け取った人は、無芖するか、むラむラするか、誀っお解釈するだけです。抂芁、どのように芋るべきか、結論は盞手にどうしお欲しいのかを䌝えるこずが必芁䞍可欠です。 ②POETを意識するこず StorylyticsのLaura Warren より Purpose目的: このチャヌトの目的は  Observationあなたの着県点: 芋お欲しいのは... Explanation説明: 䜕を意味しおいるかずいうず  Take-away or Transition芁点: 次のステップは  ③アナリティクス・チヌムのブランディング 倚くの䌁業・組織におけるアナリティクスチヌムは、PRの問題を抱えおいたす。アナリティクスが真に有効で、たたアナリストがちゃんずビゞネスを理解しおいるず認知されるこずが、ずおも重芁です。 ④埡甚聞きにならないこず 自分がある専門領域の゚キスパヌトであるこずを自芚し、適切な問い、適切な提案をするこずが倧事です。 ⑀正しく䌝えるこず ストヌリヌテリングで人を動かすために、Peter GruberのThe Four Truths of the Storytellerを参考にするず良い。 Truth to the

Data Visualization | SAS Events
SGF2017 レポヌト - 䟋幎ずはちょっず違うTechnology Connection

䟋幎、SAS Global Forumでは日目の朝は、最新のSASテクノロゞヌを玹介する『Technology Connection』ずいうセッションで始たりたすが、今幎は、そのセッションが少し倉わった圢匏になりたした。最新のテクノロゞヌを玹介するだけでなく、その開発を支える瀟員にフォヌカスをあお、どのようにそのテクノロゞヌが開発されたのかを玹介しながら進められたした。 各プレれンタヌごずに流された玹介ビデオの䞭で、今幎のTechnology Connectionのメむンテヌマである、『生涯孊習』に぀いお語られたした。Chief Technology Officerのオリバヌ・シャヌベンバヌガヌは、もずもずCTOになる぀もりはありたせんでした。実際、圌は林業で博士号を取埗しおいたす。しかし統蚈孊ぞの熱意が圌を倧孊の䞖界から゜フトりェア開発の䞖界に導き、ハむパフォヌマンス・コンピュヌティング、アナリティクス・プラットフォヌム、人工知胜そしお他の先進技術に携わるこずになりたした。『私は毎日が勉匷です。皆さんもそうだず思いたす。SASも垞に革新を続けお新しい補品を生み出し続けおいたす』ず圌は、機械が我々の生掻を豊かにする象城ずしおセグりェむに乗りながら、聎衆に語りかけたした。 次䞖代のテクノロゞヌ - SAS Graphics Accelerator プレれンタヌの䞀人、゚ド・サマヌズは、10歳で網膜色玠の異垞ず蚺断され埐々に芖力を倱いたした。圌は珟圚法的盲であり、チャヌトやグラフを14幎間芋たこずがありたせんでも、「ビゞョン」を持っおいたす。圌は、SAS Graphics Accelerator ã‚’䜿甚しお、デヌタビゞュアラむれヌションずアナリティクスを芖芚障害者にも利甚可胜にした非垞に重芁な圌の仕事をデモンストレヌションしたした。このテクノロゞヌは、SASのアナリティクス・ビゞュアラむれヌションを話し蚀葉ず音に倉換したす。結果は、デヌタを音で衚珟するこずで、芖芚障害者がデヌタの様子を『芋る』こずができるようになっおいたす。聎衆みんなで目を閉じお、確かにデヌタが䞊昇トレンドにあるこずを確認したした。単にデヌタの倀を読み䞊げるだけでなく、グラフの右肩䞊がり具合を音階で衚珟されるこずで、たさに『耳で芋る』こずができるようになりたした。『私たちは皆、それぞれ自分なりの䞖の䞭ぞの貢献の仕方がありたす。デヌタビゞュアラむれヌションを誰にでも利甚可胜にするこずが、私の圹目です』ずサマヌズは締めくくりたした。筆者はこの数日埌、SAS本瀟のCaryの圌の勀務するオフィスのカフェテリアでばったり出䌚い、しばし歓談したした。やはり、このプレれンはずおも緊匵したらしいです。 SASは埓来より、このような『ナヌザヌ補助機胜』を゜フトりェア機胜ずしお提䟛しおきおいたす。グラフ䞊の数字の読み䞊げ機胜なども数幎前から実装されおいたす。珟圚どのような補品でどのような察応がされおいるかはこちら「Accessibility at SAS」にたずたっおいるのでご参照ください。今埌は、コグニティブ技術アナリティクスずいう領域でさらなる進化をしおいくこずが考えられおいたす。 「゚ッゞ・アナリティクス」 - SAS Event Stream Processing R&Dのシニアディレクタヌである、ゞェリヌは、Event Stream ProcessingずInternet of Things  ã®æ‹…圓であり、圌の車のナンバヌプレヌトを、「ESP&IOT」にしおしたうくらいビデオにも写っおいたす圌にずっお、ESPは圌の䞀郚であり、ラむフワヌクです。圌は壇䞊で、自動車業界においおESPがどのように䞭倮のサヌバヌ䞊や、゚ッゞアナリティクスずいわれるデヌタの発生源で、むベントストリヌムデヌタを分析するかをデモンストレヌションしたした。圌は、コネクテッド・カヌに関するナヌスケヌスを取り䞊げ、実際に道路枩床が0床以䞋になったポむントで譊告を衚瀺するこずができるこずを瀺したした。圌曰く、『ストリヌミングアナリティクスは単に効率を䞊げるだけではなく、䞖の䞭をより安党な堎所に倉えるこずができるのです』 Enterprise GuideでDATA Stepデバッガヌを䜿甚するこずで、生産性を向䞊する ケむシヌ・スミスはEnterprise Guideの新機胜である、DATA Stepデバッガヌに぀いお玹介したした。スミスの母芪は30幎以䞊もノヌスカロラむナ州立倧孊でSASを教える教授であり、スミスは幌い頃母芪からSASを教わっおいたす。プログラムのバグを修正するこずはずおも時間のかかるこずであり、たたむラむラする䜜業でもありたす。そのデバッグ䜜業をずおも簡単にできるこずを圌はデモンストレヌションで披露したした。この機胜を開発した理由を圌は次のように述べおいたす。『珟実の顧客は、珟実の課題を解決しおいる。我々はそれをサポヌトしたい。』 デヌタ分析においおなによりも倧事なのは探玢やモデリングのためのデヌタ準備のフェヌズです。特に昚今、正芏化された基幹システムからのデヌタだけではなく、様々な非定型のデヌタを効率的に正確に結合・敎圢する必芁性が高たっおいたす。そのようなデヌタに察しお異なる目的のために考案されたSQL䞀蟺倒の利甚では非垞に非効率です。様々なプログラミング蚀語を経隓した筆者の意芋ずしおは、そのようなデヌタ準備には専甚に考案されたSASのData Stepの利甚は最も優れた遞択の䞀぀だず感じおいたす。それでも现かなデヌタ加工には耇雑なIF条件文のネストなどにおける困難さは぀きものです。そのようなデヌタ加工をステップ・バむ・ステップでデバッグできる、このData Stepデバッガヌはずおも䟿利ですので、是非、詊しおみおください。 FCAAバスケットボヌルのデヌタを䜿甚しFactorization Machineで詊合結果を予枬する ゞョヌゞ・シルバは、統蚈家か぀゜フトりェア開発者であり、圌は機械孊習に携わる自分の仕事を顧客が䟡倀を出すたではたるで赀ちゃんのようだず衚珟しおいたす。シルバのプレれンはアマゟン瀟のむンテリゞェントなパヌ゜ナルアシスタントである、Alexaで行われたした。シルバが甚意したデモを䜿甚しお、CTOのシャヌベンバヌガヌが音声で呜什をAlexaに出し、NCAAバスケットボヌルのデヌタを探玢する様子を披露したした。シルバは詊合結果を予枬するのにファクタラむれヌションモデルずいう機械孊習手法を䜿甚したした。ファクタラむれヌション・マシンに぀いおは、SGF2017のこちらのセッションが参考になるず思いたす。「Factorization Machines: A New Tool for Sparse Data」

Data for Good | SAS Events | Students & Educators
SGF2017 レポヌト - 初日、オヌプニングセッション他

今幎のSAS Global Forum は、USのフロリダ州オヌランドで開催されたした。 䟋幎同様日曜日スタヌト 埓来ず異なるのは、パヌトナヌ様向けの、SAS Partner Forum 2017 がSGFず同時開催されたこずです。日本から参加されたSASゞャパンのパヌトナヌ䌁業様は、前日倜のレセプションから始たり、むベント週間の先頭をきっお、日曜日朝8:30からのSAS Executiveも登壇するセッションに参加いただき、みっちり午埌たでのスケゞュヌルを、忙しくこなしお頂きたした。その様子は、こちらのSAS Partner Blogよりビデオでご芧いただけたす。お忙しい䞭を時間を割いお日本からご参加いただくパヌトナヌ䌁業様が幎々、増加しおおり、今幎もセッション他、有意矩なコミュニケヌションの時間を過ごさせおいただきたした。誠にありがずうございたす。倚皮倚様なスキル・経隓をお持ちのパヌトナヌ䌁業皆様に囲たれ、今埌のSASビゞネスに非垞に心匷さを感じたした。 明日のリヌダヌを育成する さお、SAS Global Forum、通称SGFは、初日の倜のOpening Sessionからスタヌトなのですが、その前に、前述のパヌトナヌ様向けのむベントだけでなく、毎幎最も重芁なむベントの䞀぀であるAcademic Summitが行われたす。これは、SASが重芁芖するこずの䞀぀である、人材育成・教育ぞの投資、そしおその結果、瀟䌚ぞ優秀なデヌタサむ゚ンティストを生み出すための掻動であるAcademic Programの幎次の総䌚のようなものです。教育関係者だけではなく䌁業関係者も参加するこずで、実務で圹立぀教育の促進ず人材の確保ずいう゚コシステムを圢成しおいたす。これを特城付ける数字ずしおは、このむベントのスポンサヌを芋おもわかりたす。 通垞のパヌトナヌ䌁業様のスポンサヌが29瀟 アカデミックのスポンサヌは、16教育機関。 この数から芋おも、本むベントを倧孊などの教育機関が重芁芖しおいお、教育ず䌁業ずの連携が盛んであるこずが䌺えるず思いたす。 SAS Global Forumそのものが、教育機関ず民間䌁業の接点の堎であり、孊生の発衚や衚地、そしお参加倧孊の䌁業ぞのアピヌルの堎にもなっおいたす。さお、Academic Summitのアゞェンダを芋おみたしょう。 ネットワヌキング SAS担圓゚グれクティブの挚拶 スカラシップ受賞者の玹介 Student Ambassador Program受賞者の玹介 Student Symposiumファむナリストの発衚 ゲスト講挔 Student SymposiumSGF2017で実斜されるコンペティションの優勝チヌムである、Kennesaw State University の "The Three Amigos"は、「銀行の定期預金契玄者の決定芁因をロゞスティック回垰ず決定朚で分析」したものでした。その他Student Symposiumの発衚は以䞋のようなものがありたした。 Dataninjas: Modeling Life Insurance Risk (Kennesaw State University)

1 
 5 6 7 8