サイト内検索

「実践ビジネスのための機械学習」シリーズは、入門者向けに基礎的な考え方、どのような業務に適用できるかを分かりやすく解説した上で、Sporfireによる実データの分析例も併せてご紹介するセミナーです。 今回のテーマは決定木分析です。決定木分析は、回帰および分類問題の両方に対応でき、またランダムフォレストやブースティングといったアンサンブル手法の土台となっており、 機械学習を実務で活用する上で必ず押さえておくべき重要な位置づけにあります。 決定木分析は、量的データとカテゴリカルデータが混在するデータや、非線形関係・局所的な偏りを持つデータにも強みを発揮します。そのため、例えば以下のような幅広い業務領域で活用が進んでいます。 ・製造業における複雑な条件が絡み合った不良要因の解明 ・設備の不良予測 ・顧客が商品を購入するかの予測 ビジュアルデータサイエンスツール「Spotfire」を用いた実例を交えながら、決定木分析を実務に適用する流れを理解することを目指すセミナーです。ぜひご参加ください。

環境問題や地政学的なリスクが注目される現在、サプライチェーンのトレンドはレジリエンス向上です。 レジリエンスとは回復力。突発事態から素早く回復できる力です。 現代のテクノロジーは、より広範囲から大量のデータを入手し、高度な数理最適化や機械学習を実現しました。生成AIの活用も進みつつあります。 しかし現状のSCM(サプライチェーン管理)は、期待されたほど素早い対応力を手に入れていません。 データフローの随所に介在する手作業が大きな時間が占め続けているためです。 品目やBOM、顧客や販路といったマスターは相変わらず全角半角が混在し、桁溢れが多発しており、データのすり合わせに人間の判断が入ります。 マスターに新しい項目を追加するのに問合せ依頼先を探していると、たちまち数週間が過ぎてしまいます。 その理由は、マスターデータの内容も管理方法も固定化し、旧態依然のままだから。 ERPの導入でマスターを改変しても、固定化された状況は変わりません。 MDMとは、単なるマスター管理ではありません。マスターを集約し整合し、動的に変化できる柔軟性を獲得することです。 長期的なサプライチェーン戦略において、レジリエンスの制約とならない柔軟なマスターを提供するのがMDMです。 本セミナーは、製造業・流通業で「サプライチェーン改革の成果が物足りない」という漠然とした不安感や問題意識をお持ちのSCMリーダーや経営企画部門に向けて、サプライチェーン戦略における代表的なマスターデータと主な問題、そしてMDMによる解決について解説します。ぜひご参加ください。


処理に失敗しました

人気のタグ

ユーザーをフォローすることにより自身の基本情報
お相手に公開されます

ブロック

さんはあなたをフォローしたりあなたのコメントにいいねできなくなります。また、さんからの通知は表示されなくなります。

さんをブロックしますか?

ブロック

ブロックが完了しました

ブロック解除

ブロック解除が完了しました