はてなブックマーク

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? R Generation: 25 Years of R - リンク 実は今月、8月でちょうどRが生誕25年になります。🎉🎉🎉 こんなに年月の経った今でも、その進化はとどまることを知らず、そのスピードはさらに加速しています。Rはオープンソースのデータ分析ソフトウェアなので、典型的な商用ソフトのように大きなマーケティングや営業部隊がいるわけではないので、世の中への浸透度というものが一般の人にとってはつかみにくいものがあります。例えば、RのテレビCMなんてありえないでしょう。（笑） しかし、直接的、間接的に世の中へ与えたインパクトという

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 私のこれまでのブログポストの読者の方には、すでにお馴染みかもしれませんが、AI、機械学習、またはデータサイエンスといったものに対して、多くの人はOverestimate（過剰な期待）、またはUnderestimate（過小な期待）してしまいがちです。 最近では、AIに関するハイプがすごくて、つまりOverestimate（過剰な期待）がすごいので、例えば、AIが選挙やスポーツの試合の結果の予測に失敗したり、AIが人の顔の認識を間違ってしまったりというように、その期待が外れると、やっぱりAIはだめだ、まだまだ人間でないとだめだ、という方向

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 最近、GoogleのChief Decision Scientistという役職につくCassie Kozyrkovが「Top 10 roles for your data science team (データサイエンス・チームに必要な10の役割)」という記事を出していました。 先日別の記事、「Airbnbで必要とされる3つのデータサイエンスの仕事のタイプ」の方でAirbnbではデータサイエンスの仕事を最近3つにわけてチームを作りそれに基づいて採用しているという話をしましたが、Airbnbの場合は実際にデータサイエンスをビジネスの現場で行っ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? データサイエンスの仕事の定義は尋ねる人や場所によって違いますが、先週AirbnbのデータサイエンスチームのトップのElena Grewalが、彼女のチームではデータサイエンティストを、アナリティクス、アルゴリズム、インファレンス（推論）という3つのグループに分け、それぞれのチームごとに別々に採用を行うようにしているとこちらのLinkedInの記事で発表していました。 ちなみに、私が関わるExploratoryではデータサイエンスを大きくビルダーとアナリティクスの2つに分けた上で、このアナリティクスに特化した手法や技術に関するトレーニング

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 毎回、ワールドカップのようなスポーツのイベントがあるとデータサイエンスティストやAI関連の研究員やエンジニアたちによっていかに正確に結果を予測するかというのが競われていたりします。 みなさんいろいろなタイプのアルゴリズムや手法を使って予測していたりしますが、こちらの「Why Did Artificial Intelligence Fail in the FIFA World Cup 2018? (なぜAIは今回のワールドカップの予測で失敗したのか)」という記事の中では今回のワールドカップの結果を予測しようとしていた３つの異なるグループの

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? こちらのWeekly Updateでも以前中国のAI戦略を紹介しましたが、実はこの15ヶ月くらいの間に他の主要な国々もAIテクノロジーの利用と開発にあたっての戦略を発表しています。 こちらにそれぞれの国のAI戦略がハイレベルで簡単にまとめられています。どの国もフォーカスとプライオリティに差があって、お国柄が出ていると思います。 もちろん日本もしっかりと、さらに実は世界でも2番めに国家レベルでのAI戦略をまとめ発表しています。2016年4月に、「未来投資に向けた官民対話」における安倍首相の指示を受け、人工知能の研究開発目標と産業化のロード

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? データ分析を始めれていない、もしくは少しはやっていても自分たちのビジネスの意思決定に活かせていない日本の企業は今も多くあるのではないでしょうか。現在のようにシリコンバレーの多くの企業がデータ分析を彼らのビジネスの成長にうまく結びつけることができている現状では、どうしてもそれを日本とアメリカの文化の違いということのせいにしてしまいがちです。つまり、アメリカ人は物事を数値化し、データを使ってビジネスを行う文化があって、日本人はもっと直感と経験を重んじる文化であると、日本を訪れたときに聞いたりもします。 そこで、今回はアメリカの野球チームでも

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ベイジアンネットワークという個々の変数の関係を条件つき確率で表す確率推論のモデルの研究によって、コンピューターサイエンスの世界の最高峰の賞であるチューリング賞を80年代に受賞しているジュデア・パール(Judea Pearl)という人が書いた“The Book of Why: The New Science of Cause and Effect” という本を最近読む機会がありました。最近盛り上がっているAIが、我々が期待するほど知的でない理由は、「原因と結果」、つまり因果関係を解明することができないからだというのがテーマです。素人でもわ

5. 社内にアナリティクスのトランスレーターがいない アナリティクスのトランスレーター（翻訳者）とは、ビジネスリーダーが大きなインパクトのあるアナリティクスのユースケースを見つけ出すのを助け、ビジネス要件をデータサイエンティスト、データエンジニア、他のテクノロジーの専門家にしっかりと説明することで、彼らが実行可能なアナリティクスのソリューションを作っていくことを可能にするような人です。さらに彼らは社内でアナリティクスのソリューションが広く採用されるためのサポートを行い、多くのビジネスユーザーの賛同を得られることを可能にします。彼らに必要なスキルとは、業務知識、一般的なテクノロジーへの理解、プロジェクト・マネジメントが混ざったものとなります。 解決案：　一刻も早くトランスレーターを用意するべきです。外から雇うのもいいのですが、その場合は最も重要なあなたのビジネスに関する業務知識というものがあ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? これは私達の行っているデータサイエンスのトレーニングで、日本でもグローバルでもよく聞かれる質問です。実は2年ほど前にこの質問に正面から真摯に答えていた"Machine Learning vs. Statistics"という、とても素晴らしい記事があるのですが、今日は、そちらの記事をみなさんに紹介してみたいと思います。 ちなみに、筆者のTom FawcettとDrew HardinはSilicon Valley Data Scienceというデータサイエンスのコンサルティング会社で、多くの有名企業がデータサイエンスを使ってビジネスの問題を

時間がたつに連れて、私のフォーカスは、「カスタマーが何を言っているのか？」から、「まずはテストしよう！」というコンシューマー・サイエンスの態度に変わりました。私のチームのカスタマーに関するインサイトは向上し、学びの速度も上がり、何がカスタマーを喜ばせるのかについてのある仮説を形成するに至りました。 以下が、コンシューマー・サイエンスとカスタマーオブセッションのために私達が使ったリサーチの手法です。 既存のデータを使って過去と現在のカスタマーの行動を理解する。 私達の作っているものに対してカスタマーがどう反応するのかを聞くために、フォーカス・グループや一対一のインタビューやユーザーテストといったクオリティティブなリサーチをする。 カスタマーがどういった人たちなのかを、デモグラフィック（人口統計学的属性、つまり性別、年齢、住んでいる地域、所得、職業、学歴、家族構成など）、競合する製品の使用度、

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Artificial Intelligence — The Revolution Hasn’t Happened Yet - Link 先週、データサイエンス、AI業界にとって、ターニングポイント（潮の変わり目）となるほど重要なエッセイをUC Berkeleyの教授で、統計、機械学習、AIの研究者でもあるMichael Jordanという人が発表していました。もちろんあのバスケのMichael Jordanとは違います。(笑) 冗談はさておき、ここ最近のビッグデータの世界では標準になってしまったとも言えるSparkを開発したのはもともと

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 最近ではフェイクニュースという言葉のおかげで、ニュースなどメディアでみかける主張や数値に対して疑問を持つというスタンスが以前に比べて少しづつではありますが見られるようになってきたように思います。それでもまだ多くの人がふだん毎日忙しい中で、センセーショナルなニュースのヘッドラインをついつい鵜呑みにしてしまい、さらにそれらをソーシャル・ネットワークなどで共有することで知らず知らずのうちにおかしな主張をどんどん拡散してしまっているというのが現状です。社会的に与える影響を考えるとこれは大変憂慮すべきことです。 今日は、Financial Tim

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 現在AIに対して多くの人がもつイメージとして、Over Estimate(過剰な期待) とUnder Estimate(過小な期待)という問題があります。Over Estimate(過剰な期待)はAIを使うと全ての問題が自動的に解決されるというもので、Under Estimate(過小な期待)はAIを使えば実は簡単に解決される問題なのにそのことに気づいてもいないということです。 今日では、比較的簡単にAIを使うことのできるツールがたくさんあるので、こうした機会を利用して、自分たちのデータをもとにどんどん使ってみて、AIを使うと実際に何が

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 日本でもデータサイエンティストを雇ってデータサイエンスのプロジェクトを始める企業が増えてきているようですが、残念ながらそうしたプロジェクトが失敗するときによくあるパターンの一つに、データサイエンティストを雇ってその人達にデータ分析を丸投げしてしまうというものがあります。 ここで問題になるのは、分析をするデータサイエンティストとその分析から得られるインサイトを持って意志決定を行うはずのビジネス側の人間との間のコミュニケーションが上手く取れていないということです。これは以前にも”多くの企業がデータサイエンティストを活かしきれない４つの理由”

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? おそらく日本も同じ状況だと思いますが、特にこちらUSではデータサイエンティストという職はたいへん人気があり、給料もよく、仕事の満足度も高く、ワークライフバランスもいいと言われています。(リンク) つい最近も、仕事先探しで有名なGlassdoorが発表していたアメリカのトップ50という職種リストでは3年連続で1位となっていました。(リンク) しかし、だからといってデータサイエンティストを雇ってデータサイエンスのプロジェクトを始めると何かすごい事が起きるというわけではありません。先週そうしたデータサイエンティストを企業が雇ってデータサイエン

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ホテルを直前に予約する時に人気のあるHotel Tonightというサービスを提供しているスタートアップがこちらシリコンバレーにあります。そこでデータ分析のチームを率いているAmanda Richardsonが、スタートアップがデータを使うときによく犯す間違いをこちらの"The Four Cringe-Worthy Mistakes Too Many Startups Make with Data"という記事の中で4つにまとめていますが、今日はそちらを紹介したいと思います。これらはもちろんスタートアップに限らず、どのようなサイズの会社で

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 今シリコンバレーで、もしくは世界中のスタートアップ業界で一番ホットな会社といえばAirbnbと言っても過言でないのでしょうか。日本では民泊のプラットフォームとして知られていますが、今や3兆円近い企業価値がついている超ユニコーン企業です。私も日本に行く時はホテルでなく、いつもAirbnbで普通のアパートを一週間ほど渋谷のあたりに借りますが、使いやすく、コストパフォーマンスもよく、出張をするときには欠かせないサービスです。 Airbnbnはシリコンバレーのスタートアップの中でも特にデータの使い方がうまい会社として有名で、いろいろとデータに関

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? こんにちは、プログラミングなしでよりたくさんの人がデータサイエンスを簡単に使えるようにするために、シリコンバレーでExploratoryというプロダクトを作ってる西田(Kan Nishida)です。今日は現在進行中のデータ・AIというステージに移ったソフトウェア革命の波を日本企業にとってのチャンスととらえて、どう攻めていくことができるかについて書いてみたので、ぜひ読んでみてください。 最近久しぶりに仕事の関係で日本を訪れることがあったのですが、インターネット、モバイルの変革の時期を経た日本は、いよいよガラパゴスと言われていた鎖国の時代か

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 先日、第３の波ーAI、機械学習、データサイエンスの民主化という記事の中でも話したように、今では世界中のどこでもデータサイエンスの世界ではRもしくはPythonといったオープンソースのプログラミング言語やツールが広く使われるようになりました。 実際私たちも特にシリコンバレーの様々なタイプのお客様と接することが多々ありますが、最近ではいよいよSASもしくはSPSSといった古くからあるエンタープライズ向けのデータ分析・統計ツールを会社で使用するためにかかる莫大なコストを見直すという圧力が日々大きくなっているようで、新規のプロジェクト、もしくは