1限目総論：プロローグ

ビジネスアナリティクス業務推進のために

• 機械学習の使いどころ
• 機械学習のメリット
• 分析のはじめ方
• 分析のすすめ方
• 事例紹介/説明：「機械学習を用いたリアルタイム異常検知システム構築」
• Microsoft Azure Machine Learningの利用説明

特別講演

事業変革をもたらすMicrosoft AI ～ 実際の活用例の紹介

2016 年の総務省の統計によれば、2 種類以上のデータを組み合わせて事業判断などをしている企業は日本全体のたった 3 割にも満たないといいます。
本セッションでは、実際に AI をツールとして活用することで、新たな事業ポートフォリオを開拓されたお客様の事例を中心に、AI やデータ活用の導入の勘所についてお話いたします。

日本マイクロソフト株式会社

クラウド&エンタープライズビジネス本部
データ&AIプラットフォームマーケティング部

シニアプロダクトマネージャー

横井羽衣子

2限目＜分析設計と分析計画＞：演習

分析設計と分析手法の選定

• 分類モデルの検討・選択・実行
• 分析設計：分析背景/課題の調査、データの有無
• 分析計画：予測対象の決定/データ生成メカニズムの考察/データサイエンス手法の選定/特徴量の設計
• テスト環境の構築
  
  • Microsoft Azure Machine Learning環境設定
  • Microsoft Azure Machine Learning基本ワークフロー/投入変数の選択・利用/データ分割/学習モジュールの追加/アルゴリズムの追加/検証
• テスト事例：顧客購買履歴データ分析
  
  • 実際の演習
  • 変数加工による精度向上

3限目＜分析システムの構築　其の1＞：演習

分析基盤システムの構築

• リアルタイム異常検知システムの構築（その1）
• サンプルデータの利用
• DBの準備、結果の格納
• PowerBIの利用/可視化

4限目＜分析システムの構築　其の2＞：演習

機械学習を組み込んだリアルタイム分析システム

• リアルタイム異常検知システムの構築（その2）
• IoT Hubの導入
• デバイスの設定/データの送信/Stream Analyticsの導入
• PowerBIによる可視化
• WEB API化と Stream Analyticsでの利用
• リアルタイムダッシュボード

5限目その他/Azure IoT　異常検知PoCキットについて

• 質疑応答