Exploratoryセミナー：K-Means クラスタリングの紹介と使い方

K-Meansクラスタリングという、データの中にあるパターンを認識することによってデータを自動的にグループ分けする機械学習のアルゴリズムを、 Exploratoryのアナリティクス・ビューを使って紹介します。

Transcript

1. EXPLORATORY
2. 2 εϐʔΧʔ ੢ా צҰ࿠ CEO EXPLORATORY ུྺ ถΦϥΫϧຊࣾͰɺ16೥ʹΘͨΓσʔλαΠΤϯεͷ։ൃνʔϜΛ཰ ͍ɺػցֶशɺϏοάɾσʔλɺϏδωεɾΠϯςϦδΣϯεɺσʔ λϕʔεʹؔ͢Δ਺ଟ͘ͷ੡඼ΛੈʹૹΓग़͢ɻ 2016೥ॳ಄ʹɺΦʔϓϯιʔεͷੈքͰى͖͍ͯΔσʔλαΠΤϯε ͷֵ৽తͳਐาΛɺੈքͷ99%ͷϓϩάϥϛϯάΛ͠ͳ͍ਓͨͪͷ΋ ͱ΁ಧ͚͍ͨͱ͍͏ࢥ͍ͷ΋ͱɺExploratory, Inc Λ্ཱͪ͛Δɻ ݱࡏ͸Exploratory, Inc.ͰCEOΛ຿ΊΔ͔ͨΘΒɺσʔλαΠΤϯεɾ ϒʔτΩϟϯϓɾτϨʔχϯάͳͲΛ௨ͯ͠γϦίϯόϨʔͰߦΘΕ ͍ͯΔ࠷ઌ୺ͷσʔλαΠΤϯεͷීٴͱڭҭʹऔΓ૊Ήɻ @KanAugust
3. Vision ͢΂ͯͷਓ͕σʔλΛ࢖ͬͯ ΑΓΑ͍ҙࢥܾఆΛ͢Δ
4. Mission ΞφϦςΟΫεͷຽओԽ
5. 5 σʔλ αΠΤϯςΟετ ϓϩάϥϚʔ ͦͷଞ͢΂ͯͷਓୡ γϦίϯόϨʔ
6. 6 ϓϩάϥϚʔ ͦͷଞ͢΂ͯͷਓୡ γϦίϯόϨʔͷ֎ DS
7. 7 ෆެฏͳઓ͍
8. 8 ୈ̏ͷ೾ σʔλαΠΤϯεɺAIɺػցֶश͸౷ܭֶऀɺ։ൃऀͷͨΊ͚ͩͷ΋ͷͰ͸͋Γ·ͤΜɻ σʔλʹڵຯͷ͋ΔਓͳΒ୭΋͕ੈքͰ࠷ઌ୺ͷΞϧΰϦζϜΛ࢖ͬͯ ϏδωεσʔλΛ؆୯ʹ෼ੳͰ͖Δ΂͖Ͱ͢ɻ Exploratory͕ͦ͏ͨ͠ੈքΛՄೳʹ͠·͢ɻ
9. ୈ1ͷ೾ ୈ̎ͷ೾ ୈ̏ͷ೾ ϓϥΠϕʔτ(ߴ͍/ݹ͍) Φʔϓϯɾιʔε(ແྉ/࠷ઌ୺) UI & ϓϩάϥϛϯά ϓϩάϥϛϯά 2016 2000 1976 ϚωλΠθʔγϣϯ ίϞσΟςΟԽ ຽओԽ ౷ܭֶऀ σʔλαΠΤϯςΟετ Exploratory ΞϧΰϦζϜ Ϣʔβʔɾ ମݧ πʔϧ Φʔϓϯɾιʔε(ແྉ/࠷ઌ୺) UI & ࣗಈԽ ϏδωεɾϢʔβʔ ςʔϚ σʔλαΠΤϯεͷຽओԽ
10. 質問 σʔλαΠΤϯεɾϫʔΫϑϩʔ 伝える データアクセス 加⼯ 可視化 機械学習・AI 統計 ϓϩάϥϛϯά
11. 質問 ExploratoryͰ؆୯ʹͰ͖ΔλεΫ 伝える データアクセス 加⼯ 可視化 UI 機械学習/AI・ 統計
12. 質問 伝える データアクセス 加⼯ 可視化 機械学習/AI・ 統計
13. K-Means ΫϥελϦϯά
14. ػցֶश 14
15. • ڭࢣ͋Γػցֶश • ڭࢣͳ͠ػցֶश
16. • ڭࢣ͋Γػցֶश • ڭࢣͳ͠ػցֶश
17. 17 • ύλʔϯ΍τϨϯυΛσʔλ͔Βݟ͚ͭग़͠ɺ ΠϯαΠτΛൃݟ͢Δɻ • ਖ਼ղ͕͋Β͔͡Ίܾ·͍ͬͯͳ͍໰୊ͷ౴͑ Λ୳͢΋ͷɻ ڭࢣͳֶ͠श
18. 18 • ސ٬ͷ৘ใ΍աڈͷߦಈཤྺͷσʔλ͕͋Δͱ ͢Δɻ • ͜ͷ৘ใΛ΋ͱʹɺސ٬Ληάϝϯτʹάϧʔϓ ෼͚͢Δ͜ͱ͸ՄೳͩΖ͏͔?
19. 19 • ΫϥελϦϯά • ҟৗ஋ݕग़ • MDS (ଟ࣍ݩई౓ߏ੒๏) • PCA / SVD (࣍ݩ࡟ݮ) λΠϓ
20. 20 • ΫϥελϦϯά • ҟৗ஋ݕग़ • MDS (ଟ࣍ݩई౓ߏ੒๏) • PCA / SVD (࣍ݩ࡟ݮ)
21. ΫϥελϦϯά 21
22. 22 • σʔλݻ༗ͷߏ଄Λൃݟ͢Δɻ • ڞ௨ͳ෦෼Λ࣋ͭάϧʔϓʹσʔλΛ෼ྨ͢Δɻ ΫϥελϦϯά
23. 23 ΫϥελϦϯά
24. 24 ଐੑ ঁੑ Xੈ୅ ആ༏ ߴऩೖ ΞϝϦΧਓ ΞϝϦΧೆ෦ग़਎ ௕൅ ಛ௃ɺ༧ଌҼࢠͱ΋ݺ͹ΕΔ
25. 25 ಛ௃ɺม਺ɺ༧ଌҼࢠͱ΋ݺ͹ΕΔ ঁੑ Xੈ୅ ആ༏ ߴऩೖ ΞϝϦΧਓ ΞϝϦΧೆ෦ग़਎ ௕൅
27. 27 ੓࣏Ո ആ༏
29. 29 ࠂൃ͞Εͯͳ͍ ࠂൃ͞Εͨ
30. • K-Means • Hierarchical Clustering • GMM (Gaussian mixture model) • LDA 30 ΞϧΰϦζϜ
31. • K-Means • Hierarchical Clustering • GMM (Gaussian mixture model) • LDA 31 ΞϧΰϦζϜ
32. 32 K-Means • Ϋϥελʔͷ਺Λࢦఆ͢Δ • ਺஋σʔλ͔͠࢖͑ͳ͍ • ϊΠζ΍֎Ε஋ͷӨڹΛड͚΍͍͢
33. ྫ
34. US Baby σʔλ
37. 37 ΫϥελϦϯά USͷभΛɺ෕਌ͱ฼਌ͷ೥ྸΛ΋ͱʹ͍͔ͭ͘ͷ άϧʔϓʹ෼͚͍ͨɻ
38. σʔλͷ४උ ͦΕͧΕͷߦ͕ର৅(USͷभ)ʹରͯ͠ ͻͱͭʹͳ͍ͬͯΔඞཁ͕͋Δɻ
39. σʔλͷ४උ ͦΕͧΕͷߦ͕ର৅(USͷभ)ʹରͯ͠ ͻͱͭʹͳ͍ͬͯΔඞཁ͕͋Δɻ ҰߦɺҰभ
42. 1. भ͝ͱʹσʔλΛάϧʔϓԽ 2. ෕਌ͷ೥ྸͷฏۉͱ฼਌ͷ೥ྸͷฏۉΛूܭ͢Δ σʔλͷ४උ
43. 43 भ͝ͱʹσʔλΛάϧʔϓԽɻ stateྻͷྻϔομϝχϡʔ
 (ςʔϒϧϏϡʔ΋͘͠͸αϚϦϏϡʔ͔Β) ͔ΒάϧʔϓԽΛબ୒ɻ
44. 44 ҎԼͷ৘ใΛभ͝ͱʹूܭ͢Δɻ • ฼਌ͷฏۉ೥ྸ • ෕਌ͷฏۉ೥ྸ ·ͣɺ฼਌ͷฏۉ೥ྸΛٻΊΔɻ
 mother_ageྻͷྻϔομϝχϡʔ͔ΒूܭΛ બ୒͠ɺฏۉ஋Λબ୒͢Δɻ
45. 45 भ͝ͱͷ฼਌ͷฏۉ೥ྸ͕ٻΊΒΕͨɻଓ͍ͯ ෕਌ͷฏۉ೥ྸΛٻΊΔɻςʔϒϧͷʴϘλϯΛ ΫϦοΫ͢Δɻ
46. 46 1. ྻʹfather_ageΛબ୒͢Δɻ 2. ू໿ؔ਺ʹฏۉ஋Λબ୒͢Δɻ 3. ྻ໊ʹfather_age_meanͱೖྗ͢Δɻ
47. 47 भ͝ͱͷ฼਌ͱ෕਌ͷฏۉ೥ྸ͕ٻΊΒΕͨɻ
48. K-Means ClusteringΛྲྀ͢!
49. ͦͷલʹɻɻɻ
50. ͦ΋ͦ΋ K-Means ͬͯͲ͏΍ͬͯ ΫϥελϦϯάͯ͠Δͷʁ
53. 53 1. KݸͷΫϥελʔͷத৺Λϥϯμ ϜʹܾΊΔ 2. ֤఺͸ɺҰ൪ڑ཭͕͍ۙΫϥε λʔத৺ʹଐ͢Δ͜ͱʹ͢Δ 3. Ϋϥελʔͷத৺ΛΫϥελʔͷ ϝϯόʔͷҐஔͷฏۉʹҠಈ͢Δ 4. Ϋϥελʔத৺͕ಈ͔ͳ͘ͳΔ· Ͱɺ2ʹ໭ͬͯ܁Γฦ͢
54. 54 1. KݸͷΫϥελʔͷத৺Λϥϯμ ϜʹܾΊΔ 2. ֤఺͸ɺҰ൪ڑ཭͕͍ۙΫϥε λʔத৺ʹଐ͢Δ͜ͱʹ͢Δ 3. Ϋϥελʔͷத৺ΛΫϥελʔͷ ϝϯόʔͷҐஔͷฏۉʹҠಈ͢Δ 4. Ϋϥελʔத৺͕ಈ͔ͳ͘ͳΔ· Ͱɺ2ʹ໭ͬͯ܁Γฦ͢
55. 55 1. KݸͷΫϥελʔͷத৺Λϥϯμ ϜʹܾΊΔ 2. ֤఺͸ɺҰ൪ڑ཭͕͍ۙΫϥε λʔத৺ʹଐ͢Δ͜ͱʹ͢Δ 3. Ϋϥελʔͷத৺ΛΫϥελʔͷ ϝϯόʔͷҐஔͷฏۉʹҠಈ͢Δ 4. Ϋϥελʔத৺͕ಈ͔ͳ͘ͳΔ· Ͱɺ2ʹ໭ͬͯ܁Γฦ͢
56. 56 1. KݸͷΫϥελʔͷத৺Λϥϯμ ϜʹܾΊΔ 2. ֤఺͸ɺҰ൪ڑ཭͕͍ۙΫϥε λʔத৺ʹଐ͢Δ͜ͱʹ͢Δ 3. Ϋϥελʔͷத৺ΛΫϥελʔͷ ϝϯόʔͷҐஔͷฏۉʹҠಈ͢Δ 4. Ϋϥελʔத৺͕ಈ͔ͳ͘ͳΔ· Ͱɺ2ʹ໭ͬͯ܁Γฦ͢
57. 57 1. KݸͷΫϥελʔͷத৺Λϥϯμ ϜʹܾΊΔ 2. ֤఺͸ɺҰ൪ڑ཭͕͍ۙΫϥε λʔத৺ʹଐ͢Δ͜ͱʹ͢Δ 3. Ϋϥελʔͷத৺ΛΫϥελʔͷ ϝϯόʔͷҐஔͷฏۉʹҠಈ͢Δ 4. Ϋϥελʔத৺͕ಈ͔ͳ͘ͳΔ· Ͱɺ2ʹ໭ͬͯ܁Γฦ͢
58. 58 1. KݸͷΫϥελʔͷத৺Λϥϯμ ϜʹܾΊΔ 2. ֤఺͸ɺҰ൪ڑ཭͕͍ۙΫϥε λʔத৺ʹଐ͢Δ͜ͱʹ͢Δ 3. Ϋϥελʔͷத৺ΛΫϥελʔͷ ϝϯόʔͷҐஔͷฏۉʹҠಈ͢Δ 4. Ϋϥελʔத৺͕ಈ͔ͳ͘ͳΔ· Ͱɺ2ʹ໭ͬͯ܁Γฦ͢
59. 59 1. KݸͷΫϥελʔͷத৺Λϥϯμ ϜʹܾΊΔ 2. ֤఺͸ɺҰ൪ڑ཭͕͍ۙΫϥε λʔத৺ʹଐ͢Δ͜ͱʹ͢Δ 3. Ϋϥελʔͷத৺ΛΫϥελʔͷ ϝϯόʔͷҐஔͷฏۉʹҠಈ͢Δ 4. Ϋϥελʔத৺͕ಈ͔ͳ͘ͳΔ· Ͱɺ2ʹ໭ͬͯ܁Γฦ͢
60. 60 1. KݸͷΫϥελʔͷத৺Λϥϯμ ϜʹܾΊΔ 2. ֤఺͸ɺҰ൪ڑ཭͕͍ۙΫϥε λʔத৺ʹଐ͢Δ͜ͱʹ͢Δ 3. Ϋϥελʔͷத৺ΛΫϥελʔͷ ϝϯόʔͷҐஔͷฏۉʹҠಈ͢Δ 4. Ϋϥελʔத৺͕ಈ͔ͳ͘ͳΔ· Ͱɺ2ʹ໭ͬͯ܁Γฦ͢
61. 61 1. KݸͷΫϥελʔͷத৺Λϥϯμ ϜʹܾΊΔ 2. ֤఺͸ɺҰ൪ڑ཭͕͍ۙΫϥε λʔத৺ʹଐ͢Δ͜ͱʹ͢Δ 3. Ϋϥελʔͷத৺ΛΫϥελʔͷ ϝϯόʔͷҐஔͷฏۉʹҠಈ͢Δ 4. Ϋϥελʔத৺͕ಈ͔ͳ͘ͳΔ· Ͱɺ2ʹ໭ͬͯ܁Γฦ͢
62. 62 1. KݸͷΫϥελʔͷத৺Λϥϯμ ϜʹܾΊΔ 2. ֤఺͸ɺҰ൪ڑ཭͕͍ۙΫϥε λʔத৺ʹଐ͢Δ͜ͱʹ͢Δ 3. Ϋϥελʔͷத৺ΛΫϥελʔͷ ϝϯόʔͷҐஔͷฏۉʹҠಈ͢Δ 4. Ϋϥελʔத৺͕ಈ͔ͳ͘ͳΔ· Ͱɺ2ʹ໭ͬͯ܁Γฦ͢
63. 63 1. KݸͷΫϥελʔͷத৺Λϥϯμ ϜʹܾΊΔ 2. ֤఺͸ɺҰ൪ڑ཭͕͍ۙΫϥε λʔத৺ʹଐ͢Δ͜ͱʹ͢Δ 3. Ϋϥελʔͷத৺ΛΫϥελʔͷ ϝϯόʔͷҐஔͷฏۉʹҠಈ͢Δ 4. Ϋϥελʔத৺͕ಈ͔ͳ͘ͳΔ· Ͱɺ2ʹ໭ͬͯ܁Γฦ͢
64. K-Means ClusteringΛྲྀ͢!
65. • ίϚϯυɾεςοϓ • ΞφϦςΟΫεɾϏϡʔ K-Means ΫϥελϦϯά in Exploratory
66. • ίϚϯυɾεςοϓ • ΞφϦςΟΫεɾϏϡʔ K-Means ΫϥελϦϯά in Exploratory
67. 67 • mother_age_meanྻͱ father_age_meanྻΛίϯτϩʔϧ (ίϚϯυ) ʴ ΫϦοΫ΋͘͠͸γϑτ ʴ ΫϦοΫͰબ୒ • ྻϔομϝχϡʔ͔Βɺ෼ੳΛબ୒͠ɺ K-MeansͰΫϥελϦϯάɺ
 બ୒͞ΕͨྻΛબ୒
68. 68 ΞϝϦΧͷभ͕σʔλΛ΋ͱʹΫϥελʔԽ͞Εͨɻ͜ΕΛՄࢹԽ͢Δɻ
69. 69 Clustering - Cluster US States
71. ม਺ʢଐੑʣ͸̎ͭҎ্Ͱ΋͍͍ɻ ͱ͍͏͔ɺ;ͭ͏̎ͭҎ্ɻ
72. 1. ٤Ԏ཰Λूܭ͢Δɻ 2. ٤Ԏ཰ͷྻΛK-Meansʹ଍͢ɻ ٤Ԏ཰ʢ೛৷தʹλόίΛٵ͍͓ͬͯͨ฼͞Μͷׂ߹ʣ
73. 73 ٤Ԏ཰Λूܭ͢ΔͨΊʹɺ SummarizeεςοϓΛબ୒͢Δɻ
76. ٤Ԏ཰ΛΫϥελϦϯάͷม਺ʹ Ճ͑ΔͨΊʹɺK-meansͷεςο ϓΛΫϦοΫ͠ɺτʔΫϯ ෦෼Λ ΫϦοΫ͢Δɻ ٤Ԏ཰ͷྻΛK-Meansʹ଍͢ɻ
77. 77 cigarette_use_ratioྻΛϦετ ͔Βબ୒ͯ͠௥Ճ͢Δɻ
78. 78 ઌ΄Ͳ࡞ͬͨνϟʔτʹ໭Δͱɺ٤Ԏ཰ ΛߟྀʹೖΕͨ৽͍͠Ϋϥελʔ৘ใΛ ΋ͱʹࢄ෍ਤ͕࡞੒͞ΕΔɻ ͔͠͠ɺઌ΄Ͳͷνϟʔτͱ͋·Γ͕ࠩ ͳ͍Α͏ʹΈ͑ΔɻͳͥͩΖ͏͔?
79. Ϋϥελʔ͸mother_age_mean ʹΑͬ ͯ෼͚ΒΕ͍ͯΔΑ͏͕ͩɺ cigarette_use_ratio ʹ͸Өڹ͞Ε͍ͯͳ ͍Α͏ɻ
80. mother_age ͱ father_ageʹൺ΂ cigarette_use_ratioͷ஋͸ͱͯ΋খ͍͞ɻ
81. K-Means ΞϧΰϦζϜ • K-MeansͷΞϧΰϦζϜ͸άϧʔϓ෼͚͢Δ࣌ʹɺத৺ͱϝϯόʔͷ ڑ཭Λܭࢉ͢Δɻͦͷ৔߹ɺ΋ͱͷ஋͕େ͖͍ม਺ͷؒͷ͕ࠩେ͖ ͘ΠϯύΫτΛ༩͑Δɻ • Mother AgeͱFather Ageͷ஋͸͍͍ͩͨಉ͡ൣғɻ͔͠͠ɺ cigarette_use_ratioͷ஋͸ͦΕΒʹൺ΂͔ͯͳΓখ͍͞ɻ
82. 82 σʔλΛਖ਼نԽ͢Δ͜ͱͰɺ͜ͷσʔλͷ όϥϯεΛௐઅ͢Δ͜ͱ͕Ͱ͖Δɻ Ϋϥελʔͷม਺Λௐઅ͢Δ
83. 83 K-MeansͷεςοϓͷલͷεςοϓΛબͿɻ
84. 84 • mother_age_mean, father_age_mean, cigarette_use_ratioྻΛίϯτϩʔϧ (ί Ϛϯυ)+ΫϦοΫͰબ୒ • ྻϔομϝχϡʔ͔Βɺ਺஋ؔ਺Λ࢖͏Λબ ୒͠ɺnormalizeΛબ୒
85. 85 σʔλ͕ਖ਼نԽ͞Εͨ
86. શͯͷม਺ͷ஋ͷมԽ͕ಉ͡Α͏ ͳൣғͰݟΕΔΑ͏ʹͳͬͨɻ
87. 87 ઌ΄Ͳ࡞ͬͨࢄ෍ਤʹ໭Δͱɺ Ϋϥελʔͷൣғ͕มΘ͍ͬͯ Δ͜ͱ͕ݟͯͱΕΔɻ Ϋϥελʔ1ͱ3ͱ͕ॏͳΓ߹ͬ ͍ͯΔɻ͜ͷ2ͭͷΫϥελʔͷ ࠩ͸Կͳͷ͔Λௐ΂ͯΈΔ
88. 88 ΫϥελʔΛ஍ਤ্ʹՄࢹԽ͢Δɻ
89. 89 ͦΕͧΕͷΫϥελʔͷಛ௃Λ ΞφϦςΟΫεɾϏϡʔΛ࢖ͬͯௐ΂Δ
90. 90 ΞφϦςΟΫεɾϏϡʔͷK-MeansΫϥ ελϦϯάͷػೳΛ࢖ͬͯɺ Ϋϥελʔ ͷಛ௃Λௐ΂ͯΈΔɻ ઌ΄Ͳ٤Ԏ཰ΛٻΊͨूܭͷεςοϓΛ બ୒͢Δɻ
91. 91 • ΞφϦςΟΫελϒΛબ୒ɻ • λΠϓʹK-MeansΫϥελϦϯάΛબ୒ɻ • ൺֱର৅ͷྻʹStateྻΛબ୒ɻ • ม਺ͷྻΛΫϦοΫɻ
92. 92 ҎԼͷྻΛબ୒͢Δɻ
 • mother_age_mean • father_age_mean • cigarette_use_ratio

94. 94 ࢄ෍ਤͰ͸ɺΫϥελʔͱม਺ͷؔ܎ΛΈΔ͜ͱ͕Ͱ͖Δɻ
95. 95 ശώήਤΛΫϦοΫ͢Δͱɺઌ΄Ͳͱ ಉ͡ശώήਤ͕දࣔ͞ΕΔɻ
96. 96 ελοΫɾόʔΛબ୒͢ΔͱɺͦΕͧΕͷ Ϋϥελʔͷߏ੒ൺ͕ՄࢹԽ͞ΕΔɻ
97. 97 ΤϥʔόʔΛબ୒͢Δͱɺม਺ͷྻ͝ͱͷ Ϋϥελʔͷ෼෍͕දࣔ͞ΕΔɻ
98. 98 ϥΠϯΛબ୒͢Δͱɺαϯϓϧ͞Εͨσʔλ ͕1ߦ1ϥΠϯͰΫϥελʔ͝ͱʹ৭෼͚͞ Εͯදࣔ͞ΕΔɻ
99. 99 ΤϧϘʔ๏ (Elbow Method) Ϋϥελʔ਺Λ1͔Β͋Δఔ౓ͷ਺·ͰมԽ࣮ͤͯ͞ ࡍʹK-MeansΛ࣮ߦ͠ɺͦͷͱ͖ͷΫϥελʔ಺Ͱ ͷ͹Β͖ͭͷ࿨ (Ϋϥελ಺ޡࠩฏํ࿨) Λൺ΂Δɻ
100. 100 Ϋϥελʔͷ਺͕গͳ͍΄Ͳɺ ͹Β͖ͭͷ࿨͸େ͖͘ͳΔɻ
101. 101 Ϋϥελʔͷ਺͕ଟ͍΄Ͳɺ ͹Β͖ͭͷ࿨͸খ͘͞ͳΔɻ Ϋϥελʔͷ਺͕఺ͷ਺ͱಉ ͡ʹͳΕ͹ɺ͹Β͖ͭ͸0ʹ ͳΔͱߟ͑ΔͱΘ͔Γ΍͍͢ɻ
102. 102 Ϋϥελʔͷ਺͕গͳ͘ɺ͔ ͭɺͭ͹Β͖ͭͷ࿨͕͋Δఔ ౓খ͘͞ͳΔͱ͖ͷΫϥελʔ ͷ਺͕࠷ద஋ʹͳΔɻ
103. 103 Ϋϥελʔͷ਺ͱɺͦͷͱ͖ ͷ͹Β͖ͭͷ࿨ΛϥΠϯνϟʔ τʹදࣔ͢Δɻ
104. 104 Ϋϥελʔͷ਺͕গͳ͍΄Ͳɺ ͹Β͖ͭͷ࿨͸େ͖͘ͳΔɻ
105. 105 Ϋϥελʔͷ਺͕ଟ͍΄Ͳɺ ͹Β͖ͭͷ࿨͸খ͘͞ͳΔɻ
106. 106 Ϋϥελʔͷ਺͕গͳ͘ɺ͔ ͭɺͭ͹Β͖ͭͷ࿨͕͋Δఔ ౓খ͘͞ͳΔͱ͖ͷΫϥελʔ ͷ਺͕࠷ద஋ʹͳΔɻ ග(ΤϧϘʔ)ͷΑ͏ʹંΕۂ ͕ͬͨͱ͜Ζ͕࠷ద஋ͱͳΔɻ
107. 107 ΞφϦςΟΫεɾϏϡʔͰΤϧϘʔ๏ͷ άϥϑΛදࣔ͢Δ͜ͱ͕Ͱ͖Δɻ ϓϩύςΟΛΫϦοΫ͠ɺμΠΞϩάͰ ࠷దͳΫϥελʔͷ਺Λ୳ࡧ͢ΔͰ TRUEΛબ୒͠ɺద༻ϘλϯΛԡ͢ɻ
108. 108 ΤϧϘʔ๏ͷάϥϑ͕දࣔ͞ΕΔɻ
109. 109 ΤϧϘʔɾϝιουʢԼ߱཰ʣΛબ୒͢ΔͱɺԼ߱཰͕ දࣔ͞ΕΔɺ3ͰԼ߱཰͕མͪண͍͍ͯΔͷͰɺ࠷దͳ Ϋϥελʔ਺͸͜ͷ৔߹3Ͱ͋Δͱ͍͑Δɻ
110. 110 ΞφϦςΟΫεɾϏϡʔͰͷ Ϋϥελʔͷ਺͸ɺϓϩύςΟ ͔Βมߋ͢Δ͜ͱ͕Ͱ͖Δɻ
111. কདྷͷηϛφʔ
112. 1݄9೔ (ਫ) ޕલ9࣌-10࣌ʢ೔ຊ࣌ؒʣ • σʔλϥϯάϦϯάɿ೔෇ɺ࣌ؒσʔλͷՃ޻ͱՄࢹԽ εέδϡʔϧத • ػցֶशͱ౷ܭϞσϧ • σʔλɾϥϯάϦϯά: ςΩετɾσʔλͷՃ޻ https://exploratory.io/online-seminar-jp
114. • ϓϩάϥϛϯάͳ͠ RݴޠͷUIͰ͋ΔExploratoryΛ෼ੳπʔϧͱͯ͠࢖༻͢ΔͨΊडߨத͸ɺϏδωεͷ ໰୊Λղܾ͢ΔͨΊʹඞཁͳσʔλαΠΤϯεͷख๏ͷशಘʹ100ˋूதͰ͖Δ • ෼ੳπʔϧͷϕϯμʔϩοΫΠϯͳ͠ ExploratoryͰͷ࡞ۀ͸શͯಠཱͨ͠ΦʔϓϯιʔεͷR؀ڥͰ࠶ݱ͕Մೳ • ࢥߟྗͱεΩϧͷशಘ σʔλαΠΤϯεͷεΩϧशಘ͚ͩͰͳ͘ɺσʔλ෼ੳʹඞཁͳࢥߟྗ΋शಘͰ͖Δ ಛ௃
115. Q & A
116. ࿈བྷઌ ϝʔϧ kan@exploratory.io ΢ΣϒαΠτ https://ja.exploratory.io ϒʔτΩϟϯϓɾτϨʔχϯά https://ja.exploratory.io/training-jp Twitter @KanAugust