専門家が語る「ブラック企業の見分け方」。求人情報で見るべき4つの特徴とは？｜新R25 - シゴトも人生も、もっと楽しもう。
就職活動や転職活動の際に心配なのが、うっかり「ブラック企業」に入社してしまうこと。入る前はいいところだと思っても、実はパワハラが横行していたり、異常な量の残業が課されたり…なんて目には遭いたくない。 でも企業は、入社前に自社の悪い面まで教えてくれないので、見分けるのが難しい。事前に判断できれば、わざわざ入らないのに…。 そこで、「ブラック企業アナリスト」として日々ブラック企業と戦う新田龍さんに取材を実施。 そもそものブラック企業の定義や、ブラック企業の見分け方（「ブラック企業マップ」や「ブラック企業大賞」は参考になるのか？など）、ブラック企業に入ってしまった際の対処法などを教えてもらいました！ 〈聞き手＝森かおる〉 【新田龍（にった・りょう）】ブラック企業アナリスト。働き方改革総合研究所株式会社代表取締役。労働環境の改善や企業防衛のコンサルティングなどをおこない、多数のメディアで労働問題を
R vs Python：データ解析を比較 | POSTD
主観的な観点からPythonとRの比較した記事は山ほどあります。それらに私たちの意見を追加する形でこの記事を書きますが、今回はこの2つの言語をより客観的な目線で見ていきたいと思います。PythonとRを比較をしていき、同じ結果を引き出すためにはそれぞれどんなコードが必要なのかを提示していきます。こうすることで、推測ではなく、それぞれの言語の強みと弱みの両者をしっかりと理解できます。 Dataquest では、PythonとRの両方の言語のレッスンを行っていますが、データサイエンスのツールキットの中では両者ともそれぞれに適所があります。 この記事では、NBA選手の2013/2014年シーズンの活躍を分析したデータセットを解析していきます。ファイルは ここ からダウンロードしてください。解析はまずPythonとRのコードを示してから、その後に2つの異なるアプローチを解説し議論していきます。つま
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
R言語のデータ分析レポートをShinyでインタラクティブにしてみる～「アプリケーション作成編」
前編の記事に引き続きShinyについてご紹介します。前編の記事では「環境構築編」として、作成したアプリケーションをShiny Serverを使って公開するまでの方法をご紹介しました。今回、後編の記事は「アプリケーション作成編」です。Shinyアプリの実装方法を理解して、実際にShiny Server上で動くWebアプリケーションを作ってみましょう。 Shinyで作れるさまざまな分析レポート Shinyではニーズに合わせてさまざまなタイプの分析レポートが作ることができます。実際のサンプルをShiny公式ギャラリーページで確認してみることにしましょう。まずは以下にアクセスしてみてください。 Shiny公式ギャラリー 公式のギャラリーページでは以下のような、さまざまなバリエーションのShinyアプリを一度に見ることができます。 このページのサンプルアプリを一通り見ておくことでShinyで作れるレ
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
