寿司を食べたい

寿司が食べたい

PREP法について

PREP法とは

 

結論→理由→具体例→結論の順番で話す事で、簡潔かつ相手に理解して貰いやすく話すフレームワークです。

 

何故この順番か？基本的に人は他人の話に興味がないので、まずは結論だけ知りたい事が多い。Googleの検索結果を見れば、殆どが結論をタイトルにしている事に気付くだろう。

 

結論を見た人が最初に頭に浮かぶのは「なぜ？」の感情です。それに対して理由で回答する。

 

そして、具体例を提示してイメージして貰う。

理由→具体例は理論と感情の順番で聞く人の脳に訴えかける。

 

最後に結論で伝えたい事を再度押し込んで締める。

 

AutoMLについて

データコンペでも使用できそうなAutoML。上位を狙うのは難しいかもしれないが可視化もできるものもあるのでEDAも込みでとりあえずAutoMLしてスコア確認するのも良いかも。

FLAML、auto-SKlearn,H2oも触ったけどお勧めは下記。

 

 

☆autogluon

AWSのAutoMLのOSSでテーブル、画像、テキスト、物体検知まで行ける。説明解釈性についてもSHAPに対応している為、通常のビジネスならこれだけで良いのでは。

 

☆pycret

コードが最低限且つ、モデル学習の可視化が簡単にわかる。

 

テーブルデータの精度はH2oだったけどね。。。

 

 

tableauについて

タブローとはBIツールの中でもかなり有名なデータ分析ツール。特徴は無料で有料版並みの機能が使えるが、保存しようとすると強制的にWEB上に公開される。

GUIは癖があるが、グラフィカルなデータ分析ができるので触っていて楽しい。

アウトプットについて

効果的なアウトプットを行う為にはどうしたらよいのか？

それは、入力→整理→理解→出力の順番でアウトプットを行う。

 

文章を読み、内容を整理して理解してからアウトプットする。この順番は人と会話をする時も留意する事でより内容の深い会話になる。

autogluon

autogluonについて

 

AWSが開発したAUTOMLのAPI

機械学習のモデル作成は主に、EDA→特徴量エンジニアリング→モデル学習→バリデーションのタスクが必要だが、autogluonを使えば2行ほどでモデル作成まで可能。

 

説明解釈性においてもSHAPを使用できる等、簡単な業務ならこれで十分すぎるかもしれない。