PythonでAI、機械学習、深層学習をゼロから学び、その後、XGBoost、TensorFlow、PyTorch、CNN、RNN、トランスフォーマー、転移学習を通じて、実用的なPythonプロジェクトを通じてモデルを構築し、チューニング Python for AI, Machine Learning, and Deep Learning learning.oreilly.com/library/view/-…

【必須スキル】 ▫️ ARIMA/SARIMA、ETS、Prophet、XGBoost/LightGBMを用いた実務経験 ▫️ 階層的予測（SKU→カテゴリ→地域/チャネル）の構築経験 ▫️ Python（pandas, statsmodels, scikit-learn）、SQL ▫️ GCP（BigQuery）、Airflow の利用経験

【保存版】オミクスデータで機械学習するときの道具早見。 ・まず線形で：glmnet（L1・L2正則化。遺伝子の数が検体数より多いときの定番） ・木のモデル：XGBoost／LightGBM／ranger（ランダムフォレスト） ・まとめて回す枠組み：scikit-learn（Python）／tidymodels・mlr3（R）

AMLアラート月3,000件を人手トリアージしている金融機関はまだ多い。n8n（HTTPリクエスト→Codeノード→スコアリングAPI（自社Python実装・XGBoostベース、既存AMLエンジンのスコアをHTTP/JSON形式で呼出し、既存システム無改修）→条件分岐→内部ログDB書込（PostgreSQL、オンプレ or