[REQ_ERR: OPERATION_TIMEDOUT] [KTrafficClient] Something is wrong. Enable debug mode to see the reason. 環境構築 – hal

コンテンツへスキップ

hal

Just another WordPress site

プログラミング
- ソースコード
- 環境構築
参考文献
問い合わせ
就職活動
004_条件付き確率の意味を説明できる
005_平均（相加平均）、中央値、最頻値の算出方法の違いを説明できる
006_母集団データ（3,4,5,5,7,8）の分散と標準偏差を電卓を用いて計算できる
007_母（集団）平均が標本平均とは異なることを説明できる
012_代表的な確率分布の特徴を5つ以上説明できる
013_変数が量的、質的どちらの場合の関係の強さも算出できる
015_重回帰分析において偏回帰係数と標準偏回帰係数、重相関係数について説明できる
016_重回帰や判別を実行する際に変数選択手法の特徴を理解し、適用できる
017_ニューラルネットワークの基本的な考え方を理解し、出力される「ダイアグラム」の入力層、隠れ層、出力層の概要を説明できる
018_重回帰分析において多重共線性の対応ができ、適切に変数を評価・除去して予測モデルが構築できる
019_決定木分析においてCHAID、C5.0などのデータ分割のアルゴリズムの特徴を理解し、適切な方式を選定できる
020_線形回帰分析が量的なを予測するのに対して、ロジスティック回帰分析は何を予測する手法か（発生確率予測など）を説明でき、実際に使用できる
030_点推定・区間推定の意味を理解している
031_帰無仮説・対立仮説の意味を理解している
032_第１種の過誤、第２種の過誤、p値、有意水準の意味を理解している
033_片側検定、両側検定の意味を理解している
034_対応のあるデータ、対応のないデータの意味を理解している
035_平均値、分散、平均値の差の検定手法を知っている
036_t検定を理解して、パラメトリックな2群の検定を活用することができる
037_様々な分散分析の考え方（一元配置、多重比較、二元配置）を理解して、パラメトリックな多群の検定を活用することができる
041:教師あり分類と教師なし分類の違いを説明できる
054_適切なデータ区間設定でヒストグラムを作成することができる
055_何でクロスするかを判断して、表側を設定しクロス集計表を作成することができる
056_量的変量の散布図を描き、2変数の関係性を把握することができる
057_多重（質問間）クロス表などを駆使して、データから適切なインサイトを得ることができる
065_標本誤差とは何かを説明できる
066_実験計画法の概要を説明できる
067_分析に最低限必要な標本サイズを設定など、調査目的に合った標本抽出計画を立案できる
069_名義尺度の変数をダミー変数に変換できる
070_標準化とは何かを知っていて、適切に標準化が行える
071_外れ値・異常値・欠損値とは何かそれぞれ知っていて、指示のもと適切に検出と除去・変換などの対応ができる
085_サンプリングやアンサンブル平均によってデータ量を減らして可視化できる
093_適切な情報濃度（データインク比、データ濃度の概念）を理解し判断できる
113_機械学習にあたる解析手法（Random Forestなど）の名称を3つ以上知っており、手法の概要を理解している
114_指示を受けて機械学習のモデルを使用したことがあり、どのような問題を解決することができるか理解している
115_「教師あり学習」「教師なし学習」「強化学習」の違いを理解しており、データの内容や学習手法に応じて適切な学習データとテストデータを作成できる
116_決定木とRandomForestの違いを説明できる
117_ROCカーブを用いてモデルの精度を評価できる
132_時系列データについて説明ができる（時系列グラフ、周期性、移動平均など）
139_形態素解析や係り受け解析の概念を理解している
140_形態素解析や係り受け解析のツールを適切に使い、基本的な文書構造解析を行うことができる
141_TF-IDFやcos類似度などの基本的なアルゴリズムを使い、単語ベクトルの作成や文書群の類似度計算を行うことができる
142_Precision、Recall、F値といった評価尺度を理解し、実際の精度評価を行うことができる
155_代表的な音声フォーマットの概要を理解している
160_条件Xと事象Yの関係性をリフト値を用いて評価できる
161_アプリオリアルゴリズムのアソシエーション分析の入力パラメータ値を調整して出力件数を調整できる
166_ベイズの定理を理解している
167_ボロノイ図の概念と活用方法を説明できる
171_離散型・連続型シミュレーションについて、説明できる（モンテカルロ、ヒストリカル、Agentベースなど）
174_線形計画法について、説明することができる
175_連続最適化（制約なし）において、アルゴリズムを説明することができる（ニュートン法、最急降下法など）
86_データの持つ分散量の観点で、高次のデータを主成分分析（PCA）などにより1～3次元のデータに変換できる
単回帰分析について最小二乗法、回帰係数、標準誤差の説明ができる
ビジネス力

環境構築

工事中
・python
・anaconda
・CaboCha
・janome

検索:

最近のコメント

アーカイブ

カテゴリー

カテゴリーなし

メタ情報

ログイン
投稿の RSS
コメントの RSS
WordPress.org

©hal 2016