データサイエンティスト養成読本『ビジネス活用編』の4章を全公開します｜Hikaru Kashida｜note
Hikaru Kashidaです。 2018.10.30発売の 『データサイエンティスト養成読本』の第4章を執筆させていただきました。せっかくなので、僕が執筆した章についてこちらのnoteで全文を公開しようと思います。 書籍の方を購入したい方は店頭もしくはこちらからどうぞ。 以下原文です。 序文メルカリはいま世界的に急成長をみせるCtoC市場において、グローバルにサービスを展開している会社です。この環境での事業運営においては、データドリブンかつ圧倒的なスピード感を持った意思決定が要求されます。世界で競争するための人材が続々とジョインする中で、データ分析組織とデータ分析者はどのように振る舞うべきでしょうか。本章ではメルカリで取り組まれている意思決定を最速化する体制や、データリテラシーを組織に根付かせるための取り組みを紹介します。 筆者紹介 樫田光（Hikaru Kashida） https:
オランダの企業が、サッカーのデータ化で選手の移籍に影響力を及ぼし始めている
「サッカーは古い業界。『データは怖い存在ではない』ということを説得して回らなければならなかった」と創業者CEOのギールス・ブロウワー（Giels Brouwer）氏は話す。そのかいがあって、2017年の夏には約40の移籍に関わったという。 オランダ出身のメンフィス・デパイ（Memphis Depay）選手が2017年1月、Manchester United Football ClubからOlympique Lyonnaisに移籍した際には、データに基づくSciSportsのアドバイスを受けたという。また、同社の情報サービスとアドバイスは、選手をスカウティングしたり、対戦相手チームを分析したりすることを目的に、サッカークラブに採用されている。少なくとも、FC Utrecht、Sparta、KRC Genkがプレスリリースに顧客として登場している。 本記事では、2017年10月にSAS Ins
機械学習によるレシピの自動分類、その裏側 - クックパッド開発者ブログ
こんにちは。検索編成部＆研究開発チームの原島です。 クックパッドのレシピには、内部で、様々な情報が付与されています。例えば、こちらの「母直伝♪うちの茹でない塩豚」というレシピには「肉料理」という情報が付与されています。これらの情報は、クックパッドの様々なプロダクトで利用されています。 レシピに情報を付与する方法は沢山ありますが、その一つに機械学習があります。クックパッドでは、レシピが肉料理か否か、魚料理か否か、...という分類を行うことで、「肉料理」や「魚料理」などの情報をレシピに付与しています。 今日は、分類をどのように実現しているか、その裏側を紹介します。 ■ 実装フェーズ まず、分類器を実装する際に気をつけたことを紹介します。 モデルを決定する 分類を行うには、そのための機械学習のモデルを決定する必要があります。クックパッドでは、十分な精度が出るだけでなく、リファレンスが多いという点
データアナリストに多分必要な物。 | 分析のおはなし。
最近の投稿 「施策デザインのための機械学習入門」というデータサイエンスの起爆剤 データ分析との出会い ５ 色々挑戦した2019年だった いったい何のためのモデルなのか？ 「サルたちの狂宴」を読みました。 アーカイブ 2021年8月 (1) 2020年2月 (1) 2019年12月 (1) 2018年12月 (1) 2018年9月 (1) 2018年2月 (1) 2017年6月 (2) 2017年5月 (1) 2017年3月 (1) 2017年2月 (1) 2017年1月 (2) 2016年10月 (1) 2016年8月 (1) 2016年7月 (2) 2016年2月 (3) 2016年1月 (3) 2015年12月 (1) 2015年11月 (2) 2015年9月 (2) 2015年8月 (2) 2015年7月 (2) 2015年3月 (2) 2015年2月 (2) 2015年1月 (2)
データサイエンティストというかデータ分析職に就くための最低限のスキル要件とは - 渋谷駅前で働くデータサイエンティストのブログ
追記（2017年7月） こちらのスキル要件ですが、2017年版を新たに書きましたので是非そちらをご覧ください。 「データサイエンティストというかデータ分析職に就くためのスキル要件」という話題が某所であったんですが、僕にとって馴染みのあるTokyoR界隈で実際に企業のデータ分析職で活躍している人たちのスキルを眺めてみるに、 みどりぼん程度の統計学の知識 はじパタ程度の機械学習の知識 RかPythonでコードが組める SQLが書ける というのが全員の最大公約数＝下限ラインかなぁと。そんなわけで、ちょろっと色々与太話を書いてみます。なお僕の周りの半径5mに限った真実かもしれませんので、皆さん自身がどこかのデータサイエンティスト（）募集に応募して蹴られたとしても何の保証もいたしかねますので悪しからず。 統計学の知識は「みどりぼん以上」 データ解析のための統計モデリング入門――一般化線形モデル・階層
1
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
コールセンターの退職予備軍をAIで予測し、半年で離職者を半分にできた理由
海の家をITフル武装してみた 反省あり教訓あり 山田 剛良（日経NETWORK編集長） - 日本経済新聞