若者が学ぶべきスキルは？ Googleシュミット会長「分析力とプログラミング、統計学とデータサイエンス」
企業文化を変えるチャンスはどの企業にもある サルマン・カーン氏（以下、サルマン）：お二人は既にイノベーションが起こっている環境に後から貢献したと思います。そこで「Googleのカルチャーを作る時、何が難しくて、他の国だったらどう難しいか」という質問です。最後のところは興味深いですね。別の国と言わずとも、別の会社でGoogleみたいな会社を作れますか？ エリック・シュミット氏（以下、エリック）：会社のカルチャーは上部の人間で決まります。本の中で有名なスローガンの話があるんですが、君が好きだったのは何だったっけ？ エンロンだっけ？ ジョナサン・ローゼンバーグ氏（以下、ジョナサン）：エンロンもそうだけど、レーマンのやつも確か「献身と忍耐を持つ社員と共に無償の協調関係で、投資者のために株主価値を作る」だったかな？ エリック：それ、ブランディング会社が作ったコピーだと思うよ（笑）。まあそれは冗談とし
非公開サイト
サイトの構築。作品の販売。ブログの投稿。この他にもさまざまな機能があります。 ログイン サイトをはじめよう 非公開サイト このサイトは現在プライベート設定になっています。
生化夜話 第47回 美しすぎる相関性が生んだ思い込み - 乳酸と筋肉疲労
実績ある過去。そして新たな始まりへ。 GEヘルスケア ライフサイエンスはCytiva（サイティバ）となりました。『プレスリリース（英語）はこちらから』 まずは、ちょっとした頭の体操です。 観察された事実1：多量の物質Xが存在する場合、症状Yは重度である 観察された事実2：少量の物質Xしか存在しない場合、症状Yは軽度である 導かれる結論：Xを減らすことで症状Yを軽減することができる さて、この結論は正しいでしょうか？ 正しいかもしれませんし、間違っているかもしれませんね。物質Xが症状Yの原因である可能性もありますが、それとは逆に症状Yの結果として生成されたのが物質Xである可能性もありますし、全く別の原因Zがあって、XとYはともにその結果かもしれないのです。 全貌が明らかになっていない系について、得られた相関性だけで解釈してしまうと、間違った結論に達してしまうことがあります。 しかし、それでも
コラム別に読む : 統計学を知る 佐藤俊樹さんが選ぶ本 - 佐藤俊樹（東京大教授・社会学） | BOOK.asahi.com：朝日新聞社の書評サイト
■どんな場合に使えないのか 統計は今、何度目かのブームにある。「最強」と謳（うた）う本が３０万部も売れ、一般の人向けのセミナーも好評のようだ。私も大学では１・２年生向けの統計を担当しているが、４、５年前から学生の数が急増して、教室と教員の手当てに毎年汗をかく。 「統計」の２文字には神秘的な魔力があるらしい。よく知らない人も、いやむしろ知らない人ほど変に持ち上げたりする。 ■ブームの切実さ しかし、今回のブームはもっと切実な中身があるようだ。今の私たちは、良い意味でも悪い意味でも、リスクとつきあって生きていかざるをえない。この数年で、そのことを痛いくらい経験させられた。 金融や市場の開拓だけでない。例えば「原発は絶対安全だ」と信じようとしたり、「減災よりも防災、防災よりも地震予知」と、リスクをリスクとして見ないようにしてきた。それがかえって大きな被害をうむことがある、と気づかされたのだ。そう
Webデータ分析＆データサイエンスで役立つ統計学・機械学習系の分析手法10選 - 銀座で働くデータサイエンティストのブログ
追記 2016年3月に以下の記事によってこの内容はupdateされています。今後はそちらをお読み下さい。 主に自分向けのまとめという意味合いが強いんですが（笑）、僕が実際に2013年6月現在webデータ分析＆データサイエンスの実務でツール・ライブラリ・パッケージを利用しているものに限って、統計学・機械学習系の分析手法を10個挙げて紹介してみようと思います。 追記 回帰分析（特に線形重回帰分析） 独立性の検定（カイ二乗検定・フィッシャーの正確確率検定） 主成分分析(PCA) / 因子分析 クラスタリング 決定木 / 回帰木 サポートベクターマシン(SVM) ロジスティック回帰 ランダムフォレスト アソシエーション分析（バスケット分析・相関ルール抽出） 計量時系列分析 おわりに おまけ1：「素性ベクトル＋分類ラベル」なるデータ前処理 おまけ2：グラフ理論*10 {igraph}パッケージでグラ
因果関係がないのに相関関係があらわれる４つのケースをまとめてみたよ（質問テンプレート付き） - Take a Risk：林岳彦の研究メモ
どもっす。林岳彦です。ファミコンソフトの中で一番好きなのは『ソロモンの鍵』です*1。 さて。 今回は、因果関係と相関関係について書いていきたいと思います。「因果関係と相関関係は違う」というのはみなさまご存知かと思われますが、そこをまともに論じていくとけっこう入り組んだ議論となります。 「そもそも因果とは」とか「因果は不可知なのか」のような点について論じるとヒュームから分析哲学（様相論理）へと語る流れ（ここのスライド前半参照）になりますし、統計学的に因果をフォーマルに扱おうとするとRubinの潜在反応モデルやPearlのdo演算子やバックドア基準（ここのスライド後半参照）の説明が必要になってきます。 その辺りのガッツリした説明も徐々に書いていきたいとは考えておりますが（予告）、まあ、その辺りをいちどきに説明しようというのは正直なかなか大変です。 なので今回は、あまり細かくて遭難しそうな話には
結婚数－離婚数で世界各国の結婚持久値をランキングするとどうなるか？ということを図示した「世界の結婚事情」
By Ben C.K. (Benck's) 世界各国における1万人あたりの1年間の結婚数を「成就値」、結婚数から離婚数をマイナスした値を「持久値」としてランキングしたのが、旅行口コミサイトトリップアドバイザーの「世界の結婚事情」です。持久値が最も高い国はエジプトで、次いで中国、トルコと続き、日本の持久値は25カ国中12位で、愛のイメージがあるイタリア16位、フランスは22位とランキングは日本より低め。持久値の最下位はスペインで、34件中22件が離婚、結婚するカップルの半数以上が離婚という運命を辿るようです。 世界の結婚事情 トリップアドバイザーのインフォグラフィックスで世界の旅が見える http://tg.tripadvisor.jp/love/ 人口1万人に対して1年間に結婚するカップル数を「成就値」とし、結婚数－離婚数で求めた値を「持久値」としてランキングすると、以下のような感じになり
若き経済学者のアメリカ
もちろん僕はそういうアツさが決してキライではない。だから確かに一読の価値はある内容だとは思う。ただ、「これからの10年で最もセクシーな職業」というハル・ヴァリアンの有名な台詞に言及してはいるものの、本書の中身からは統計学のセクシーさが最後まで伝わって来なかったのが、個人的にはとても残念でならない。 以下の３冊と比肩するくらいの、セクシーでワイルドでエキサイティングな統計学書が登場したかと思ったのだが、果たしてそれは期待し過ぎだっただろうか。
サービス終了のお知らせ - NAVER まとめ
サービス終了のお知らせ NAVERまとめは2020年9月30日をもちましてサービス終了いたしました。 約11年間、NAVERまとめをご利用・ご愛顧いただき誠にありがとうございました。
A/Bテストの数理 - 第1回：人間の感覚のみでテスト結果を判定する事の難しさについて - - doryokujin's blog
データ解析の重要性が認識されつつある（?）最近でさえも，A/Bテストを始めとしたテスト（ = 統計的仮説検定：以後これをテストと呼ぶ）の重要性が注目される事は少なく，またテストの多くが正しく実施・解釈されていないという現状は今も昔も変わっていないように思われる。そこで，本シリーズではテストを正しく理解・実施・解釈してもらう事を目的として，テストのいろはをわかりやすく説明していきたいと思う。 スケジュール スケジュール 第1回 [読み物]：『人間の感覚のみでテスト結果を判定する事の難しさについて』：人間の感覚のみでは正しくテストの判定を行うのは困難である事を説明し，テストになぜ統計的手法が必要かを感じてもらう。 第2回 [読み物]：『「何をテストすべきか」意義のある仮説を立てるためのヒント』：何をテストするか，つまり改善可能性のある効果的な仮説を見いだす事は，テストの実施方法うんぬんより本質
「サッカーにおいてデータは役に立つのか？」問題 - pal-9999のサッカーレポート
(１／１７追記。すいません、計算間違いがあったので、書き直しを行ってます。それに伴って、数値も書き直しています。大変申し訳ありません。) というわけで、本日の更新でございます。今回は、ちょいと、データをいじってみようと思いまして、いくつかのサイトから、サッカーのデータと引っ張ってきて、色々と調べました。 データ元ですが、 ひかりＴＶ Ｊリーグ サッカーデータランキング Ｊリーグ公式サイト：試合記録 からです。残念な事に、詳細なデータは、2008年のものと2009年のものになりますので、そのあたりはご容赦を。 サッカーとデータ革命 なんですが、最初に、記事のご紹介から。 http://データ革命が、欧州サッカーを「マネーボール化」する（その１） – from 『WIRED』VOL.2 データ革命が、欧州サッカーを「マネーボール化」する（その２） – from 『WIRED』VOL.2 データ
統計学を勉強するときに知っておきたい7つのポイント
マイクロソフト社が技術分野でもっと熱い専攻の一つとして分析/統計をあげている（Microsoft JobsBlog）。同社以外でも統計学は、今後最も有益なスキルの一つだと考えているようだ（NYT - For Today’s Graduate, Just One Word: Statistics）。しかし、データマイニングの話も一般化しつつあって学習ノウハウなども公開されているが、経験にあわない部分が多い。統計学を初めて勉強するときに知っておいた方が良い7つのポイントをあげてみた。 1. 学習機会やテキストは山のようにあるので利用する 確率・統計の日本語テキストは山のようにあり、大学のコースワークを振り返っても、理文問わずにほとんどの学部で確率・統計はあったはずだ。大学院のコースワークでは英語の文献を好む傾向があるが、上級テキストでも日本語のものも少なくない。また「マンガでわかる統計学」のよ
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
はてなブログ | 無料ブログを作成しよう
はてなブログ | 無料ブログを作成しよう