データ・サイエンス入門
データ・サイエンスの基礎をくまなく調べて、データ・サイエンスのキャリアを伸ばすための確かな基盤を築いてください。
データ・サイエンスとは何か
データ・サイエンスは、構造化および非構造化データから知識を引き出すためのプロセス、手法、システム、アルゴリズムからなる分野です。
実践に移す
手順とサンプルを案内するさまざまなチュートリアルとコード・パターンに取り組んで、データ・サイエンスのコンセプトを実際に適用してください。
不正行為を予測するモデルを作成する
1-2 hours
自動化と AI テクノロジーによってビジネスの形が変わりつつあります。自動化と AI は医療、技術などの分野における課題に対処すると同時に、仕事の本質、そして職場自体を変革します。このコード・パターンでは、さまざまなシナリオに適用できる、予測を大量生産するためのシステムの構築に注目します。
Watson Studio and Db2 on Cloud を利用して、住宅の価値を予測する機械学習モデルを作成する
データは絶えず増え続けています。こうした増大し続けるデータから有意義な情報を抽出できるかどうかは、非常に重要な点です。既存のデータから作成された機械学習モデルを使用すると、企業はデータから有用な洞察を引き出せるだけでなく、将来の結果を予測できるようにもなります。 このコード・パターンでは、データ・サイエンティストが IBM Watson Studio と IBM Db2 on Cloud を利用して機械学習モデルを作成する際の過程を追います。
レコメンデーション・モデルを調査してテストするための対話式ダッシュボードを迅速に作成する
レコメンデーションを作成するのに最も手っ取り早い方法は、あらゆる顧客の購入データを使用することです。このデータがあれば、同様の商品を購入した顧客をグループに分けることができます。このコード・パターンで、購入履歴のデータを使用してレコメンデーション・エンジンを構築する方法を学んでください。
次のステップ
最先端の深層学習モデルをアプリケーションやサービス内で使用する方法を学んでください。
データ・サイエンスを対象とした軽量の IBM Cloud Garage Method
個々のテクノロジー・コンポーネントをリファレンス・アーキテクチャーにマッピングするプロセス・モデルをご覧ください。最初のうちは、プロジェクトのアーキテクチャーを定義するのは簡単なことではありません。そこで、IBM Cloud Garage Method がプロセス・モデル構築中のアーキテクチャーの変更をサポートします。