2019/04/19追記：増席しました！

【今回の目的】

第2回まででツリーアルゴリズムの仕組みや精度を上げるためのパラメータチューニングについて扱いました。
しかしながら実務においては単に精度をあげるだけでなくそのモデルが「どのように予測をしたのか」が問われることも多いです。
そこで今回は前回から引き続き機械学習モデルの解釈について掘り進め、かつ可視化手法をおさらいしながら「どのように」の部分を深掘りしていきます。
また単にインプットするだけではなく今回はハンズオンも行いながら参加されてる方で一緒に知見を広めていければと思います。

【テーマと扱う内容】

テーマ：機械学習モデルの結果の解釈と可視化／ハンズオン
（内容）
- Accumlated Local Effect, LIME
- matplotlib, seabornによる可視化おさらい
- モデリングハンズオン

【タイムスケジュール（予定）】

• 適宜休憩をはさみます。
• 遅れていらっしゃる方は070-4003-8677（道下）までご連絡ください
  

【主な対象者】

・ジョブカレ機械学習or深層学習講座受講者および卒業生の方
・手法について一通りは学び、最低限ライブラリを使った実装はできる方
・手法や実装についてなんとなくは理解しているけれども、本当にこれでいいのか不安な方

* 第1回・第2回の内容を踏まえていますが、第3回からの参加でも問題ありません。
　今回はこれまでとは異なり数式要素薄め（実装多め）の回になっています。

【参考資料】

Kieran Healy, Data Visualization: A Practical Introduction, 2018 .
Christoph Molnar, Interpretable Machine Learning - A Guide for Making Black Box Models Explainable., 2019 .
松本健太郎, "グラフをつくる前に読む本 - 一瞬で伝わる表現はどのように生まれたのか", 2018 .

【注意事項】

・ビデオ動画などの撮影はありません。
・勉強会で使用した資料の配布有無は未定です。ご希望の方は運営までお問い合わせください。
・当日、受付などはございませんが、急なキャンセルや遅れる場合は主催側へご連絡ください。

【開催後アンケート】

今回の勉強会アンケートです。 ご協力お願いします。 https://docs.google.com/forms/d/e/1FAIpQLSd7ioL8nHpFFUx9i7aJGQPw9lkR6IOqZ6cE7m_6LCU6hs3aPQ/viewform