大好評だった機械学習自動化セミナーの第2弾が登場です！今回もビジネス例を用いて「AutoML（自動機械学習）」を学びます！

AutoMLとは機械学習の分析を行う一連の流れを自動化する技術のことです。
一般的に機械学習を使った分析を行う場合、以下のような操作を繰り返す必要があります。

①問題・仮説の定義
②データを予測しやすいように綺麗に加工する（特徴エンジニアリング）
③色々な種類がある機械学習モデルの中から最適なモデルの選定
④精度を高めるためのパラメータ調整（パラメータチューニング）
⑤複数のモデルの性能比較

ひとつひとつの操作を1からPythonで書こうとすると時間がかかってしまうものですが、これらの手順を自動化してコーディングにかける時間を最小限にしようという試みがAutoMLなのです。

様々なAutoMLツールがある中で、今回はPyCaretというライブラリを使ってAutoMLの入門編を学んでいきましょう。これらを使えば、圧倒的に少ないコードで、上記の一連の処理、つまりデータの処理から複数のモデル比較までを行えます。さらに、ChatGPTやgeminiをはじめとするAIも利用することで、もうPythonコードを書くことに悩むことはありません。

今回扱う題材は分類問題(データがどのカテゴリに所属するかを予測する問題のこと)です。
例えば、受信メールを「スパム」か「スパムでない」のどちらかを予測したり、お客様がある商品を「買う」か「買わない」のどちらかを予測したりする問題のことを言います。

講義内では、ダイレクトメール（DM）送付問題を取り扱います。DMを送付するのもコストがかかりますから、商品を買ってくれそうな方に優先的にDMを送りたいものです。その問題を機械学習を用いて解いていきます。

このような分析ができると、顧客アプローチの成功率を上げることができ、より効果の高いマーケティングを行えるようになります。難しい問題に思えるかもしれませんが、Pycaretを用いれば非常に短いコードで上記の問題を解くことができるので、どなたでも気軽に機械学習を業務に取り入れることができるようになります。

※こちらの動画にはお得なシリーズセット版(第1弾～5弾収録)がございます。
■【機械学習自動化】 Pythonで学ぶAutoML講座（セット版）

・DM（ダイレクトメール）を開封するかどうかなど質的なデータを予測するための機械学習モデル（決定木、ランダムフォレスト、lightGBM）
・最適な機械学習モデルを選ぶ方法
・説明変数選択とパラメータチューニングによる予測精度の改善
・Python言語による実践（購入する見込みが高い顧客の抽出）

・お仕事でデータ分析にかかわる方（マーケティング・人事・販売管理）
・ビジネスにデータサイエンスを導入したい経営者の方
・統計学やデータサイエンスを学びたい方
・機械学習に興味のある方