| 第1章 アナリティクス・ライフサイクルとは？ |
1.1 予測モデルを業務に活かすためには
1.2 アナリティクスのステップ
1.3 成功の肝はアナリティクス・ライフサイクル
1.4 SAS Viyaとは |
| 第2章 アナリティクスのためのデータマネジメント |
2.1 アナリティクス・ライフサイクルにおけるデータ準備のあり方
2.2 データマネジメントの基本概念とは
2.3 データマネジメントの定着に向けて
2.4 アナリティクスにおけるデータマネジメントの適用
2.5 SASによるデータ準備
2.6 データ準備の操作
2.7 データロードに関する基本的な操作 |
| 第3章 ビジュアライゼーションによるアナリティクスの加速 |
3.1 多岐にわたるビジュアライゼーションの活用
3.2 SASによるビジュアライゼーションの促進
3.3 「データ探索」と「探索的モデリング」の操作 |
| 第4章 機械学習の概要と予測モデリング |
4.1 機械学習の概要
4.2 機械学習における注意点と学習結果の見方
4.3 SASによる予測モデリング
4.4 モデル作成とスコアリングの操作 |
| 第5章 ビジネスで使える自然言語処理 |
5.1 自然言語処理とは
5.2 ビジネスにおける自然言語処理への期待
5.3 自然言語処理における問題と課題
5.4 SAS Visual Text Analyticsとは
5.5 VTAによる自然言語処理の実現 |
| 第6章 時系列予測と最適化 |
6.1 時系列データとは
6.2 SAS Visual Forecastingの概要
6.3 SAS Visual Forecastingの代表的な予測手法
6.4 SAS Visual Forecastingによる時系列予測モデル作成の操作
6.5 最適化とは
6.6 SAS Optimizationによる最適化モデル作成の操作 |
| 第7章 スコアリングとモデル管理 |
7.1 予測モデルの活用
7.2 予測モデルを用いたスコアリング
7.3 予測モデルの管理
7.4 SAS Model Managerによる予測モデルの管理の操作 |
| 第8章 AI/IoT時代におけるリアルタイム意思決定 |
8.1 リアルタイム意思決定
8.2 リアルタイム処理の要件
8.3 スコアリング結果にもとづく意思決定
8.4 ストリーミング・アナリティクスの最高峰「SAS Event Stream Processing」
8.5 ESP Studioの操作 |
