データ分析レポートを書くときに初心者が気をつけたいこと｜Grahamian@データ分析と機械学習｜note
この記事はビジネスにおいてデータ分析のレポートを作成する際に気をつけたほうがよいことを自分なりにまとめたものです。間違いやすい点なんかを集めたTIPSみたいな記事になっています。 レポートの書き方そのものについては良い書籍や記事がたくさんありますのでそちらを参照することをオススメします。 前提データ分析のレポートでは基本構成としてIMRAD形式に則るのが良いです。 IMRADとはIntroduction, Methods, Results And Discussionの頭文字を取ったもので、特に論文でよく使われる構成です。 シンプルですが科学的検証に向いた形式でありデータ分析もデータを元に客観的に検証するという観点からIMRAD形式に合わせると適切に記述・検証することが可能になるので強く推奨です。 逆に言えば、ビジネスのプレゼンテーションにありがちなインパクトを優先する恣意的な印象を与える
ソースコード解析ツール Understand
派生開発・差分開発では、以下のような課題はございませんでしょうか？ ドキュメントが不足/不十分な状態のため、クラスや関数の処理構造を把握するのに時間がかかる/誤った認識をしてしまう コードが巨大化・複雑化し、修正時/テスト時の影響範囲調査に時間がかかる コードレビュー時に、変更した箇所や確認すべきポイントの洗い出しに時間がかかる ソースコードの解析結果をグラフィカルに表示。ソフトウェアの開発環境を飛躍的に向上させます。 Understandは、C/C++、Java、VB.NET、C#、Python、JavaScript、TypeScript などで開発されたプログラムを高速解析し、プログラムの制御フローや構造、 クラス継承、関数や変数の呼び出し関係といった要素間の関係を、グラフィカルに可視化し、不毛なソースコードリーディングから開発者を解放します。 Understandを利用することにより
InsightIDR | Cloud-Based, Next-Gen SIEM Solution | Rapid7
Scale and speed for hybrid environments Embrace digital transformation, SaaS adoption, and agile development with elastic, cloud-native security information and event management (SIEM). Pinpoint critical, actionable insights Command your attack surface with AI-driven behavioral detections, expertly vetted threat content, and advanced analytics. Act on threats anywhere with confidence High context
国内外のトップランカーが語るデータマイニングコンペの勝ち方～PyData.Tokyo Meetup #6、7イベントレポート
こんにちは、PyData.Tokyoオーガナイザーのシバタです。ボストンに向かう飛行機の中でこの記事を書き始めました。私事ですが、昨年12月よりDataRobot,Inc（下記「データロボット社」）という会社で働き始めました。今回は昨年10月に行われたPyData.Tokyo Meetup #6と今年2月に行われたPyData.Tokyo Meetup #7でのデータマイニングコンペをテーマに行った勉強会の様子をお伝えしたいと思っています。実はデータロボット社は多数のコンペ入賞者が働いていることで知られており、2つの勉強会に非常に関連の深い会社です。 DataRobot,Inc PyData.Tokyo Meetup #6 PyData.Tokyo Meetup #7 PyDataではこれまで機械学習や深層学習などデータ分析関連技術をテーマ別に扱ってきましたが、今回のテーマは、技術というよ
実務で使う統計手法は、５つ。すごい、そんなシンプル？
このセミナー、冒頭の渋谷 直正さん(日本航空 旅客販売統括本部Web販売部 1to1マーケティンググループ アシスタントマネジャー)のお話がとても参考になりました。 まず、渋谷さんはご存知のように、2014年に「データサイエンティスト・オブ・ザ・イヤー」を受賞され、ビジネス・サイドにおける、データサイエンスのリーダー的存在です。 その渋谷さんの「実務で使う分析手法は５つで十分、マーケターこそデータサイエンティスト候補」という講演は、多くの示唆に富んだものでした。 まず、みなさんが気にしている５つの手法とは、 クロス集計 ロジスティック回帰 決定木 アソシエーション分析 非階層的クラスター分析（k-meansなど） の５つです。統計の教科書にはさまざまな手法が出てきますが、マーケターが実務で使うのはこの５つ程度だと説明されるのです。でも、この説明には、私も思い当たる部分があります。東大の数学
データ解析作業の救世主！ 超絶☆実験ビルドシステムmafをOSS公開しました - Preferred Networks Research & Development
Photo by midiman under Creative Commons License (original) メリークリスマフ！ 得居です。今日はクリスマスですね。皆様昨日はいかがお過ごしでしたでしょうか？ クリスマスということで、今日は私たちから皆様に、特にデータ解析や論文執筆、手法の比較検証のために計算機上で様々な実験をしている方々に、プレゼントがあります！ Github – pfi/maf 今日、実験結果を「ビルドする」ためのツールmafを公開しました！ mafは、PFIでもよく使われているPythonベースのビルドツールwafを実験に使うための拡張です。大まかな使い方を学ぶために、ドキュメントとサンプルも公開しています。 maf — maf 0.1 documentation サンプル 実験手順をビルドだと思って宣言的に書くこと自体はwaf等既存のビルドツールで可能です。m
時系列に不等間隔なデータのスペクトル解析
こんにちは。 私は、個人的に物理を学んでいるものです。 一人では手におえない問題に直面してしまいまして、皆様のお力をお借り出来たら…と思い、投稿させていただきました。 どうか、よろしくお願い致します。 早速ですが… 時系列に不等間隔なデータのスペクトル解析の方法を探しておりまして、 先日、Lomb-Scargle periodogram法というものを見つけることが出来ました。 このアルゴリズムを使用したいので、早速式を導きたいと思ったのですが、とても難しく、全く手がつかない状態です。 どのようにしてスペクトル解析が行われているかが理解できません。 Numerical Recipesのサブルーチンについている英語の解説を読みましても、データの平均値と分散を式の中で使用しているくらいしか分かりません。 この方法についてご存知の方がいらっしゃいましたら、教えていただけると幸いです。 また、普通周
sports/健康系 | ホイール欲しい ハンドル欲しい
今でもたまに WBHealthMeter についての問い合わせをいただくことがあります。 ためしに UnrealEngine 4 の Plugin にしてみました。 関連エントリ ・バランスWiiボードを使ったまじめな体重計 WBHealthMeter 1.00 ・地球上を歩き回る GoogleEarth 対応 WbalanceGE v1.00 ・バランスWiiボードの解析メモ 4 久しぶりの歩数計関連です。 やっぱり買ってしまいました。カロリズム ・TANITA カロリズム CALORISM ここ最近加速度センサーの普及によって歩数計がちょっとしたブームです。 例えば一般的に (1) つける場所を選ばない 2D または 3D の加速度センサーによって向きの制限が無くなりました。 腰にクリップで留めなくてもいいんです。 胸ポケットでも鞄の中でも OK (2) 時計内蔵で自動記録 毎日 0時
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
HULINKS | テクニカルサポート | FlexPro | Lomb-Scargle ピリオドグラムアルゴリズム