満足度ランキング上位５資格の試験に合格するための『肝』を厳選してレコメンド - ひかる人財プロジェクト
前回下に貼り付けたブログで私の取得資格の満足度ランキングなるものを書いたところ多くの方に読んでいただいたので、これらの資格を取得しようと勉強中の方のために続編というかもう少しブレイクダウンして、私が試験勉強をやっていた当時を振り返って、これがあったから合格できたんだなあと実感している合格するための『肝』みたいなことを各資格につき３つづつ厳選して絞り込んで推薦したいと思う。 その『肝』とは、書籍であったり、ＤＶＤだっだり、予備校の講師であったり、過去の環境や経験値だったりと様々なアプローチになってしまったが是非参考にしていただければと思う。結構遠い昔（１５年以上前）に取得したもの（日商簿記１級）もあるので情報があやふやなものも多少あるのだが何卒ご勘弁いただければと思う。 hikarujinzai.hatenablog.com まず前回のランキングを振り返ると、 発表！満足度ランキング 一位
【初ブログ】13日で10000PV達成！アクセスアップの為に実践したこと【超初心者向け】 - Tanyの殴り書き
こんにちは、タニーです。 本日でブログを始めて14日目ですが、嬉しいことに13日目で1万PV達成しました！ googleアナリティクスで約11100PVです！ （スクリーンショットを貼っていましたが、アドセンス規約により削除） はてなブログのアクセス解析だと10524PVだったんだけど、どっちが正しいの？ まぁ、両方で達成しているので大丈夫でしょう！！ 皆様ありがとうございます！！ 少し前にこんな記事を書きました。初ブログでの挫折と苦悩を書いてます。 そう！この記事を書いていた段階では全くアクセス数がありませんでした。 僕のはてなブックマーク数は最高13はてブ・・・ こんな僕がアクセスアップの為に実施した事、頑張った事を紹介したいと思います。 ブログを開設して、最初にしたこと ブログ先輩方の記事を読む とりあえず、初心者なんだから知識を入れました。 幸いはてなブログは素晴らしいブロガーの方
データサイエンティストに必要な3つのスキル | quipped
久しぶりにタイトルで釣りにいっているが、ブラウザの「戻る」ボタンを押さないでくれw ... ... ... （よし、まだ「戻る」ボタンを押してない！） ぼく自身、データサイエンティストだったことはないが、一応大学では数学を勉強していたし、金融でクオンツトレーダーもやっていたし、人生3回分（と言ったら言い過ぎか）くらいのSQLクエリは書いている。なので、これから書くことは、本屋に立ち並ぶ歯の浮く様なビッグデータ談義よりは、普遍的な価値があると自負できる。 もう一つ本題に移る前に、「データサイエンティスト」という呼称について感じる両価的な感情について軽く説明したい。 ぼくは幸いにも優秀な同僚や友人に恵まれていて、彼らの中には、データ分析屋さんでありながら、データを集めてきて（広義の）データウェアハウスに突っ込むという非常に面倒くさい一連の作業もちゃっちゃか出来る奴が2、3人いる。そういうマルチ
統計を学びたい人へ贈る、統計解析に使えるデータセットまとめ - ほくそ笑む
はじめに 統計解析の手法を学ぶのに、教科書を読むのは素晴らしい学習方法です。 しかし、教科書で理論的なことを学んだだけでは、統計手法を使いこなせるようにはなりません。 統計解析手法を身につけるには、実際のデータについて手法を適用し、パラメータを変えるなどの試行錯誤を行い、結果を考察するというような経験を積むことが大切です。 それでは実際のデータをどうやって手に入れましょうか？ 実験や調査をして実際のデータを得るのは大変でお金もかかります。 幸運なことに、世の中には適度なサイズの自由に使えるデータがたくさん存在します。 例えば、統計言語 R には、100以上ものデータセットがデフォルトで付属しています。 ただし、不幸なことに、それらのほとんどは英語で説明が書かれています。 英語は、いつかは乗り越えなければならない壁ですが、最初のうちはちょっと避けて通りたいところです。 というわけで、今日は、
主成分分析が簡単にできるサイトを作った - ほくそ笑む
あけましておめでとうございます。 本年もよろしくお願いいたします。 主成分分析 さて、昨年の終わりごろから、私は仕事で主成分分析を行っています。 主成分分析というのは、多次元のデータを情報量をなるべく落とさずに低次元に要約する手法のことです。 主成分分析は統計言語 R で簡単にできます。 例として iris データで実行してみましょう。 data(iris) data <- iris[1:4] prcomp.obj <- prcomp(data, scale=TRUE) # 主成分分析 pc1 <- prcomp.obj$x[,1] # 第一主成分得点 pc2 <- prcomp.obj$x[,2] # 第二主成分得点 label <- as.factor(iris[,5]) # 分類ラベル percent <- summary(prcomp.obj)$importance[3,2] *
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
処理を実行中です
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
