現場のプロに勝てない機械学習モデルを改善をします

AutoMLを導入したライバルに勝ちます。見える化→打ち手へ

評価
-
販売実績
0
残り
1枠 / お願い中:0
現場のプロに勝てない機械学習モデルを改善をします AutoMLを導入したライバルに勝ちます。見える化→打ち手へ イメージ1
現場のプロに勝てない機械学習モデルを改善をします AutoMLを導入したライバルに勝ちます。見える化→打ち手へ イメージ2
お届け日数
要相談

サービス内容

機械学習は、高次の交互作用を無視しますので、現場のプロの想定内になり、そんな事知ってるよ。と言われます。(3次の交互作用くらいまでなら人でも学習します。) 深層学習は、高次の交互作用を活用しますので、想定外の結果になり、現場のプロを驚かせ、AutoMLを使っているライバルとの差別化が可能です。 9次の交互作用を発見し、現場のプロも驚かれた例があります。 AutoMLの時代に、機械学習だけを勉強されてもライバルに勝てません。 勝つためには、深層学習でモデルを作り、実験計画法等でシミュレーション、介入効果の出る変数を探索するモデルベース開発が必要です。 機械、深層学習モデルは、自然観察モデルであり、制御、介入は思いどうりになりません。実験計画法等で制御モデルに変換する事が必要です。 テーブルデータの分析において制御因子と観測変数の区別は大切です。 未知の領域では制御因子は潜在的であり、観測変数3つはないと表現できません。 初手に表の縦分解、変数分解する機械学習モデルは危険です。 科学は、未知の領域は、分類分析から入ります。 表の横分解、データグループ分けの深層学習が初手としてお薦めです 今のデータ分析のトップレベルは、データのない反事実の仮想計算ですが、変数が100くらいになると、この計算に数百万のマシンが必要です。 このため、本サービスでは、以下の2つの方法を取っています。 案1.データのない反事実に対し、仮説を手入力してもらう。 案2.反事実の再調査、再実験を検討してもらい、データを追加する。 反事実の検討をぜず、モデルを作っても2、3か月くらいの寿命です。 詳細は、お打ち合わせにて 実績では説明できませんので、競馬データの分析例(右図等)で紹介します。 他のセールスポイント 1.深層学習の利点である特徴量エンジニアリング不要が活かせ、安価です。   何もチューニングせず、データ分析コンテストの中位に入ってきます。 2.言語、カテゴリデータ混在が得意で、数値ベクトル化が安価に可能です。   製造、実験等の条件4M(材料、装置、方法、人)は、ほとんどがカテゴリデータです。 3.フリーソフトのPyTorch_Tabularを使いますので安価です。 4.反事実データが明確になり、再度のデータ取り、実験のコスパが高くなります。

購入にあたってのお願い

1.お見積りは、経理委託会社からの発行が可能です。(インボイス対応済) 2.フリーソフトのPyTorch_Tabularのため、どこまで変数が扱えるか?トライしてみないと不明です。(トライ費用は無料です。分析結果報告はなし。) 実績:colab Pro 62GBの場合  1.変数の数 約1000個  2.カテゴリ変数のカテゴリ数 約500個/変数  3.データ数が多い場合は、実験計画法で、反事実を考慮しリサンプリングします。    (一般的な乱数サンプリングでは、少数の反事実データを逃してしまう可能性があります。) 3.googleドライブにアップできないデータは、要相談。 案1)GPU搭載パソコンをご支給。ネットにアクセス不可。USB不可。 案2)御社の敷地内で、御社のパソコンで解析(10万/日) 案3)分析手法の手順のみリモートで講習(10万/日、ノウハウ料を含む)
価格
10,000

出品者プロフィール

vooau73291
男性
最終ログイン:
6分前
本人確認
機密保持契約
インボイス発行事業者