ドイツ発戦術分析サイトが切る。ドイツ勢がCL＆ELで勝てないワケ - footballista | フットボリスタ
『Spielverlagerung（シュピールフェアラーゲルング）』分析 ブンデスリーガ勢にとって異常事態が起きている。今シーズンのCL、ELに参加した7クラブのうち、グループステージ突破を果たしたのは王者バイエルンのみ。ドルトムントやRBライプツィヒを含む、他6クラブはすべて敗退を喫したのだ。ドイツの分析サイト『Spielverlagerung（シュピールフェアラーゲルング）』が読み解くドイツ勢不振の理由。 歴史的不振には3つの理由がある 12-13シーズンのCL決勝はブンデスリーガ勢同士の対戦となった。バイエルンとドルトムントの両クラブはヨーロッパで最も重要なタイトルを懸けて戦ったのだ。この一晩の間、ロンドンのウェンブリー・スタジアムはドイツ人の手に渡り、これまでのスペインとイングランドが独占してきたヨーロッパでの圧倒的な覇権を打ち破るための最善の道を歩んでいるかのように思われた――だ
マーケティングリサーチで使われるコレスポンデンス分析について調べてみた｜松本健太郎
お仕事でコレスポンデンス分析を使ったアウトプットを提出する機会ができました。せっかくのチャンスと考えて「コレスポンデンス分析」について以前から悩んでいた点も含めて色々と調べてみました。 ※アイキャッチに深い意味はないです。 あくまで、このnoteはその結果をまとめたものです。参考文献は都度記載しますが学術的な正しさを求められても困りますので、その前提でお読みください。 コレスポンデンス分析とは？リサーチの結果をクロス集計表で見る機会が多いのですが、表頭項目（列）と表側項目（行）が多いと内容を把握しにくい場合があります。 そこで項目間の関係性を視覚的に分かり易く表現するために、散布図を用いて見易くする手法がコレスポンデンス分析です。省略して「コレポン分析」と呼ばれることもあります。 要は「クロス集計表の結果をパッと見てわかる内容にした感じ」がコレポン分析の使い方です。 ちなみに「テキストマイ
研究者のための実践データ処理～Pythonでピークフィッティング～ - Qiita
はじめに X線光電子分光(XPS)やX線回折法(XRD)などで得られたスペクトル状のデータを分析することはよくあると思います。 例えばこんな感じのデータとか。 (データは自作です) 最近の分析装置では、ピークフィッティングの機能は解析ソフトにくっついていることが多いです。 しかし、時には生データを自分で分析する必要に迫られることもあります。 そこで、上のように複数の分布が重畳したスペクトルを例にとって、Pythonを使って自動でフィッティングしてみます。 解析に使うサンプルデータはこちら。 使用するパッケージ 解析にはJupyter-Notebook(Python=3.6.5, scipy=1.1.0)を用いています。 %matplotlib inline from scipy.optimize import curve_fit import numpy as np import matp
IMFが公表した日本の財政「衝撃レポート」の中身を分析する（髙橋 洋一） @gendai_biz
やっぱり日本のメディアは報じないが… 消費税増税の外堀がさらに埋められた。安倍総理は、15日の臨時閣議で、来年10月に予定している消費税率10％への引き上げに備えた対策を早急に講じるよう指示する。この臨時閣議は、首相が16日から訪欧するために開催されるもので、西日本豪雨や北海道地震の災害復旧費などを盛り込んだ平成30年度補正予算案が決定される。 消費増税の足音が近づいてきているが、前回の本コラム（「消費増税で国民に負担を強いる前に、政府がいますぐにやるべきこと こんな順番では納得できない」 https://gendai.ismedia.jp/articles/-/57879）では、消費増税前に、政府保有株の売却などやるべきことがあると指摘した。 今回は、その続きの一つとして、IMF（国際通貨基金）が公表した重要なレポートを紹介しよう。先週も指摘したように、IMFは財務省出向職員が仕切ってい
私と驥悟く蜈ｵ - Technically, technophobic.
※この投稿は「私と里傭兵」大喜利Advent Calendar 2016 4日目の記事です*1。 里傭兵は文字だ。文字通り。 みたいな書き出しではじまる小説があったがその話はここではしない*2。しかし、文字とは何なのか。 「里傭兵」という文字と「里傭兵」という文字は同じなのか。「里傭兵」という文字と「驥悟く蜈ｵ」という文字は違うのか。 あるいは文字として同じ「里傭兵」であっても中身は別物という可能性もある。あの著名な里傭兵氏でさえ、少し髪の色が変わっただけで私たちの認識回路はこうも揺さぶられる。 変な金髪にーちゃんが来たぞ— 機械の体を手に入れるのよ鉄郎 (@tetsuroito) September 24, 2016 金髪、テンションおかしいのでなんかキメてるのでは— ジョーム (@dichika) September 24, 2016 金髪がホラ吹いてるwwwwww— ジョーム (@d
【SPEEDA総研】人気居酒屋チェーンの未来～死角はあるか
2016/9/10 SPEEDA総研では、SPEEDAアナリストが独自の分析を行っている。今回は低価格・テーマ性などで人気を集める居酒屋チェーンの死角と今後を考える。 低価格、特徴ある居酒屋が増加 2007年以降途絶えていた居酒屋チェーンの上場が、近年再び増えている。塚田農場のエー・ピーカンパニーや鳥貴族、海帆、串カツ田中などだ。 既に各所で取り上げられているのでご存知の方も多いだろうが、念のため注目チェーンの概要を記載する。 いずれも低価格、テーマ性などコンセプトが明確で差別化しやすい特徴を持っている。 既存チェーンを追い越す勢い これら注目チェーンと従来の大手チェーンの店舗数を比べると、明らかな差異がみえる。 庄やグループの大庄、ワタミ、金の蔵の三光マーケティングフーズなどが店舗数を落としているのに対し、鳥貴族やエー・ピーカンパニー、ヨシックスは大幅に店舗が増加。 7月時点の店舗数では
NPO法人 Asuka Academy 主催 セミナー｜Asuka Academy｜世界最高の大学講義を日本語で無料で学ぼう
「学習ビッグデータ分析（LA：Learning Analytics）最前線 － グローバルな最新情報と学習理論からの考察 －」 ICTを活用してビッグデータとしての学習履歴を分析・解析・活用していくための「学習ビッグデータ分析（LA：Learning Analytics）」が大きな話題となっています。取得データの国際標準化は急ピッチで進んでおり、標準化団体でのワーキング・グループや研究学会の新規設立なども実施され、電子教科書やLMSとの連動も論議され、非常に速いスピードで状況が変化しています。 Asuka Academyでは学習ビッグデータ分析について日本を代表する活動をなされている放送大学教授山田恒夫先生、上智大学教授田村恭久先生のお二人を講師にお迎えし、学習データの国際標準化、ビッグデータによる学習解析、研究学会の状況、学習理論からみた活用の意義など、最新の情報や利活用についての報告と
ガールフレンド(仮)のキャラ分析 - 驚異のアニヲタ社会復帰の予備
というわけで、ミス・モノクロームの欠損値を補ったので、毎度おなじみの主成分分析をやる(ラブライブ!, シンデレラガールズ, Wake Up, Girls!)。 画像はガールフレンド(仮)速報のトップページを保存したらjpgが取ってこれるので、001から始まるjpgファイルだけ残して適当にフォルダ名(/girlfriend/pngs/)を付けておく。 クロエ・ルメールは声からしてぜってーロリキャラだと思っていたら、実は3年生でグラマラスキャラだということがわかった。 pngs <- list.files("/girlfriend/pngs/") library(png) library(jpeg) pics <- vector("list", length(pngID)) for(i in seq(pics)){ pics[[i]] <- readJPEG(paste("/girlfrien
たとえ有償でも絶対に引き受けてはいけないデータ分析依頼の3タイプ - 渋谷駅前で働くデータサイエンティストのブログ
id:dscaさんのタダでは引き受けてはいけないネタが大ブレークしてるみたいですね。 データの分析をタダで引き受けてはならない10の理由 - ネガティブにデータサイエンティストでもないブログ 受託系便利屋的なポジションの悲哀が大変よく透けて見える良記事だと思うんですが、一方で仮に金を取ったとしても引き受けてはいけない案件というのもよくあるものです。 ということで、便乗して「たとえ有償でも絶対に引き受けてはいけないデータ分析依頼の3タイプ」とか僕がこれまで経験してきた様々な現場and/or案件での事例を踏まえて、適当に吹聴してみようと思います。 なお、「前処理が煩雑」とか「DB整備が貧弱でCSVでデータをやり取りしなければならない」というような構造的な問題点は別物なので、今回は割愛しましたごめんなさい。 （※これは他所の様々な現場での話を聞き取ってまとめた話であり、現職場の話ではありません！
データサイエンティストだから分析力があるのか分析力があるからデータサイエンティストになれるのか
ビッグデータとデータサイエンティストがバズっていて残念な感じに仕上がっている今日このごろですが、読み物としては面白かった(ちょっとくどいので読んでいて辛い部分が多かったけど)。 分析の半分は科学で、半分はアートで出来ている 潜在顧客を探し出す手段(4つ) メディアプランニング 地理的ターゲティング 個別ターゲティング パネル 目標はSMARTに。 具体的 測定可能 達成可能 現実的 時間設定 7章の最適化の章が参考になった。A2A(分析からアクションへ)というフレームワークは興味深い（が難しい）。それは データ->分析->テスト->共有->実行->（データに戻る） というPDCAサイクルのようなものである。分析、テスト、共有のステージは好きなことはなんでもできるが実行ステージでの行動に変化がなければ、これまでの作業は何の意味も持たないわけであるが、行動の変化を促すのはやっぱ難しいよなぁと。
christopherの日記
Ethereumでhello worldするのが意外と大変だったので備忘 Ethereum公式の技術説明 Tutorial: https://github.com/ethereum/wiki/wiki/%5BJapanese%5D--Ethereum-Development-Tutorial White Paper: https://github.com/ethereum/wiki/wiki/%5BJapanese%5D-White-Paper Ethereumでhello world 一番てっとり早いturorial: http://consensys.github.io/developers/articles/101-noob-intro/#browser_ides Ethereum公式tutorial: https://ethereum.gitbooks.io/frontier-gu
Twitterデータ
データ提供：Twitter Japan 株式会社 データの概要 震災から1週間の，日本語のツイートのデータである。書き込まれた場所は日本とは限らない。 tweet0 から tweet5 までの6ファイル（合計34,232,308,442バイト）と簡単な README が提供される。ファイルはUTF-8，行末 \u000a で，各行は \u0001 で区切られた4つのフィールド id，user_id，datetime，text から成る。この user_id は，変更可能なユーザ名（screen_name，私なら h_okumura）と異なり，アカウントを削除しない限り不変なもの。私の user_id は 28894757。http://twitter.com/users/show/28894757.xml あるいは http://api.twitter.com/1/users/show.x
UserLocal ID Center
ログイン ユーザーローカルのサービス共通アカウントでログインする メールアドレス パスワード 次回から自動ログイン Social Insight利用規約に同意の上、ログインします パスワードを忘れた シングルサインオン(SAML)でログイン
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
データの手触りにこだわった分析ツール「DataDiver」
食べログの口コミデータを分析、“二郎愛”の高い都道府県はどこ？【無料公開記事】 - 日経BigData
CPS Web Site
[SUCRA] - シラバスから行うカリキュラム分析
兼松エレクトロニクス KEL
Can social media detect the changes in public mood?
ユーザー行動をヒートマップで分析しサイト改善中。大和ハウスが手放せない解析ツールとは？ | Web担当者Forum
