PMF(プロダクトマーケットフィット)を体系的に学ぶためのコンテンツ集です。 PMFを基礎から学ぶ、進め方を学ぶ、事例から学ぶ、用語を学ぶ、FAQから学ぶ5つの切り口があります。目的に合わせてご利用いただければ幸いです。 才流では成果が実証されたメソッドにもとづき、新規事業の立ち上げからPMFに至るまで一気通貫で支援しています。新規事業で課題を感じている方はお気軽にご相談ください。⇒才流のサービス紹介資料を見る(無料)
![PMF(プロダクトマーケットフィット)達成ガイド~基礎から事例まで、新規事業を成功に導くためのコンテンツ集](https://cdn-ak-scissors.b.st-hatena.com/image/square/0fe22557e3909b58922caa08178dc866a1b6f12d/height=288;version=1;width=512/https%3A%2F%2Fsairu.co.jp%2Fwp-content%2Fuploads%2F2022%2F12%2Fguide-pmf-1.png)
おうちで集う機会も増える年末年始。お料理はホストが用意してくれたり、デリバリーだったりすることも。…となったときに持っていきたいのは、お酒やジュースなどのドリンク類。手軽なプライスで美味しいものを集めてみました。 「BREAD&BUTTER」のワイン 右/ピノノワール 左/シャルドネ 各3,500 「一瞬クセのあるユニークな味わい。これがやみ付きになって、飲んだ友人たちは大抵ファンに。シャルドネは常にケースでオーダーしてストックしています。ママ友に「うち来ない? 」と誘われたら、これを1本抱えて駆けつけます。」 (推薦者/クリス‐ウェブ 佳子さん) 【購入MEMO】 WEB:「BISTRO VINO CELLARS」https://www.bistrovinocellars.jp/ ORDER:左記オンラインショップにて購入可。良い本、好きな曲、親しい友人、そして身近な食べ物とともに楽し
この記事は、Mercari Advent Calendar 2022 の23日目の記事になります。 こんにちは!メルカリ Engineering Office チームの@aisakaです。 メルカリのエンジニア組織は、メンバーが相互に学び合い、メンバー自身が自走し、成長できる組織を目指し、「互いに学び合い、成長し合う文化」の醸成を行っています。 こうしたメルカリの「互いに学び合い、成長し合う文化」を体現する仕組みの一つが、社内技術研修「DevDojo」シリーズです。この度、一部のDevDojoシリーズを外部公開することになりましたので、今日のブログではDevDojoとその内容をご紹介します。 DevDojo page in Engineering Website 技術研修DevDojoとは DevDojoは技術開発を学ぶ場として、「Development」と「Dojo(道場)」をかけ合わせ
これは、ストックマーク Advent Calendar 2022 18日目の記事です。 概要 O'Reilly Japan 推薦システム実践入門 における(理論的な)メインパートとも言える第5章に関して、追加で調べたり、読書会で同僚と議論したこと等、深堀りした内容をまとめた ただし、実験データ(MovieLens)を用いて検証しているのが5.9章までなので、そこまでの範囲でまとめた まとめたと言っても、ただの参考リンク集になってしまった感は否めないが... 背景 ストックマークでは、 Anewsというニュース記事×推薦×NLPなSaaSと、Astrategyというニュース記事×検索×NLPなSaaSを提供しており、推薦・検索は日常的に話題にあがるトピックとなっています。それもあり、今年度ストックマーク社内でも有志を募り、評判の高い推薦システム実践入門の読書会をしました。 私自身はAstra
この記事はエムスリーAdvent Calendar 2022の23日目の記事です。 AI・機械学習チームの北川(@kitagry)です。 GitHubに慣れきった人 (過去の僕) にはMRとはなんぞやと言う感じだと思いますが、MRはMerge Requestの略称です。 GitHubでいうところのPR (Pull Request) にあたります。 この記事ではAI・機械学習チームが毎年恒例で行なっているベストMRのトップ10について発表します。 このベストMRはチーム内でこれはよかったというMRをノミネートしていき、その中で決選投票をしてベスト10を決めました。 みんなでワイワイ決めている様子 では、10位からご覧ください。 第10位 SQLの文法的な正しさをチェックするテストの導入 北川さんによる渾身のMR 紹介者: 笹川 実装者: 北川 BigQueryから定型的なデータを取得するため
皆さんこんにちは! 最近、猫様をお迎えし最高な毎日を過ごしていております、塩対応のしおりん(@jamgodtree)です。 はじめに 私はログラスのエンジニアチームにて、2022年8月からリーダーを半年経験してきました。 この記事では、チームパフォーマンスの最大化に向けて行動してきたこと・失敗談について書いていきます。 タイトルにもあるように、私は受身気質であり、先頭を走っていくタイプのリーダーではありません。 その上で、以下のような悩みがある方に読んでもらえると幸いです。 リーダーになる前に何をやったらいいのかわからない人 リーダーになりたてでどうしようか同じように悩んでいる人 また、ログラスに興味がある方も是非参考にしてみてください。 ログラスにおけるリーダーとは? ログラスにおいてリーダーは 「役割」 として定義されています。 「上司」と「部下」ではなく、フラットな関係性を指している
今回は、T2統計量・Q統計量についてです。主成分分析 (Principal Component Analysis, PCA) を行ったあとに、異常値を検出したり、モデルの適用範囲・適用領域 (Applicability Domain, AD) を設定したりする方法です。 そんなT2統計量・Q統計量について、pdfとパワーポイントの資料を作成しました。T2統計量・Q統計量の具体例や計算方法について説明されています。pdfもスライドも自由にご利用ください。 pdfファイルはこちらから、パワーポイント(pptx)ファイルはこちらからダウンロードできます。 興味のある方はぜひ参考にしていただき、どこかで使いたい方は遠慮なくご利用ください。 T2統計量・Q統計量の概要 データに基づいた異常検出・異常診断に用いられる モデルの適用範囲 (Applicability Domain, AD) の設定にも利
最近zatsuを書いてなかったので、「理想のOKRとは何か」をハンターハンターを例にして書く。必要な前提知識は8巻にある。 高いObjectiveの設定とは何か クロロ「全部だ」「地下競売のお宝 丸ごとかっさらう」 8巻 P152~153 これが高いObjectiveの設定である。 戦略発表前にはメンバーは「どこ狙うと思う?あたしは古書全般だと思う。団長本好きだし」「違うね。きとゲームね」などと色々な予想をしていたが、それをはるかに超えた目標を掲げている。そう 「全部盗む」である。 OKR シリコンバレー式で大胆な目標を達成する方法では、『Objectiveは達成確率が60〜70%程度になるくらいの高い目標を設定せよ』とあるが、このクロロのセリフはまさにそれだと言っていい。 合意のプロセスとは何か OKRの運用において一番大事なのは、所属するメンバーとそのObjectiveについて話して納
こんにちは、BI TeamのBaba(Seigo Baba)です。私は新卒でモバイルゲーム会社に入社しData Analystを5年ほど経験した後、1年半前にEurekaのBI Teamにjoinしました。EurekaのData Analystが関わる領域は様々ありますが、私はProductに関わるのがメインとなっています。 本記事は、Product Data Analyst(Product分析を主な生業とするData Analyst)として自分がデータ分析をする上で心がけていることを言語化します。Data Analystの働き方の一つの例をお見せできればと思い筆を取りました。Data AnalystのRoleに唯一の正解は無いと考えているので、あくまで事例の一つとして読んでもらえると幸いです。 想定読者 Productに関わるData Analystの働き方に興味がある人Data Ana
Tweet 因果推論の先へ―機械学習で因果効果を予測する『反実仮想機械学習(Counterfactual Machine Learning)』入門 はじめに ARISE analytics の近藤です。本記事では、次世代の意思決定技術として注目されている反実仮想機械学習(Counterfactual Machine Learning:CFML)を紹介します。 本記事は、CFMLを日本語で体系的に整理し、初学者の理解を手助けすることをねらいとして執筆しました。本記事の理解促進につながるように、ベースとなった勉強会資料を記載します。こちらも併せて閲覧いただくことで理解の助けになれば幸いです。 目次 ・ はじめに ・ Counterfactual Machine Learning(CFML) ・ Off-Policy Evaluation(OPE) ・ CFMLを支える技術(オープンデータとツー
この記事はFOLIO Advent Calendar 2022の23日目です。 ソフトウェア2.0 ソフトウェア2.0 という新しいプログラミングのパラダイムがあります。これは Tesla 社のAIのシニアディレクターだった Andrej Karpathy が自身のブログ記事("Software 2.0")で提唱した概念で、 ニューラルネットワーク のような最適化を伴うプログラムを例に説明されています。 従来のプログラム(Software 1.0)は人間が命令に基づいたプログラムを作成し、望ましい挙動を行わせます。それに対してニューラルネットワークのようなプログラム(Software 2.0)では人間はある程度の自由度をパラメータという形で残したプログラムを作成し、「入出力のペア」や「囲碁に勝つ」というような教師データや目的を与えてプログラムを探索させるというものです。 画像出典: "So
当初はちょっとしたSOLID批判のつもりが、「藪を突ついて蛇を出して」しまったのですが、物事はそこから具体的で目に見えるものへと発展しました。仮に、近頃はSOLID原則が役に立たなくなっているのだとしたら、何に置き換えればよいのでしょう? あらゆるソフトウェアに通用する原則はあるのでしょうか? そもそも「原則」とは何を意味するのでしょう? 私は「仕事がたのしくなるソフトウェアならではの特性や性質がある」ということを確信しています。コードでそのような質が高まれば高まるほど、仕事もどんどんたのしくなります。しかし、何事もトレードオフですから、自分の置かれている状況をつねに考慮する必要があります。 そうした特性はたくさん存在しており、互いに重なりや関連がありますし、説明の仕方もさまざまです。ここでは私がコードで気にかけている要素を強く支えていると思える5つを選びました。選ぶ数はこれぐらいが丁度良
今年の Advent Calendar も Haskell で盛り上がりましょう〜 内容は Haskellに関係していれば何でもOK! 記事はQiitaでもZennでも、自分のブログやgistなどに書いてリンクを貼ってもOKです。 Haskell-jp Blog への寄稿も大歓迎です!(寄稿方法はこちら) 去年の Advent Calendar edit_calendarHow to join the calendarYou can join the calendar by selecting an available date and registering the URL of the article you wish to link to. If a slot is available, you can go back to a past date to join!
プログラミング言語HaskellについてのAdvent Calendar Haskell関連の記事ならなんでも 記事はQiitaでも、自分のブログやgistなどに書いてリンクを貼ってもOKです! Haskell-jp Blog への寄稿も大歓迎です。 (寄稿方法はこちら) 去年のAdvent Calendar: https://qiita.com/advent-calendar/2020/haskell 予定日を過ぎても投稿がない場合、事前の通達なく他の方に代筆して頂きます。あらかじめご了承ください。 hask(_ _)eller edit_calendarHow to join the calendarYou can join the calendar by selecting an available date and registering the URL of the articl
I sometimes see people refer to neural networks as just “another tool in your machine learning toolbox”. They have some pros and cons, they work here or there, and sometimes you can use them to win Kaggle competitions. Unfortunately, this interpretation completely misses the forest for the trees. Neural networks are not just another classifier, they represent the beginning of a fundamental shift i
仰々しいタイトルになってしまいましたが、内容はこんな便利な学習モデルの書き方が出来るよって紹介です。A Purely Functional Typed Approach to Trainable Models (Part 1)で語られているコードをベースにして説明していきたいと思っています。 この記事で紹介する内容は新しい機械学習の理論でもなければ明日から役に立つデータサイエンティストの知識でもありません。線形回帰やニューラルネットワークといった既存の学習理論を表題にもあるような微分可能プログラミング(Differentiable Programming)と純粋関数型言語を使って統一的に記述してみようというものです。こういった抽象化は理論に対する理解を深め、時に新しい構造の発見につながるでしょう。 本編に入る前に微分可能プログラミングという概念について簡単に触れておきます。 まず可微分プロ
この記事はADVANCED BEGINNERからCOMPETENTの方を対象読者として書かれています。 コインの裏表やサイコロの出目はよく確率変数によって表されます。確率変数が互いに依存しているようなモデルを記述する手法としてグラフィカルモデルと云うものがあります。例えば、ある分布に従って表が出る確率が偏ったコインが選ばれた後、そのコインを投げて表裏が決まるような実験を考えた場合、コインの確率変数を $X$, コインの表裏の確率変数を $Y$ とすると、この系を記述するグラフィカルモデルは このようになります。ところで $X$ は表が出る確率Double上の確率変数RVar Doubleで、 $Y$ は $X$ の結果に依存したコインの裏表Bool上の確率変数Double -> RVar Boolであると考えるとします。今コインがランダムに選ばれると言う構造を 忘れて コインの表裏が出る確
去る2022年9月29日(アメリカ時間)にState of DevOps 2022が公表されました。 State of DevOpsとは、年に1回DORA(Google Cloud内のチーム)が発表しているソフトウェアのデリバリーパフォーマンスに関する調査結果レポートです。State of DevOpsでは、ソフトウェアデリバリーパフォーマンスの指標でもあるFour Keysや、Four Keysの改善効果が高いとされるケイパビリティについての詳細な内容が記載されています。 株式会社ビズリーチでは、日々プロセスをより良くするための活動を行っており、今回State of DevOps 2022の発表に伴い私が所属するプロセス改善部内でState of DevOps 2022に関する調査と議論を行いました。今回はプロセス改善部でまとめた内容を前編と後編の2部に分けて紹介したいと思います。 後編
この記事はRetty Advent Calendar 2022の22日目の記事です。 adventar.org adventar.org Rettyのデータ分析チームMGR平野です。 毎年恒例の”Rettyデータ分析チーム振り返り記事”です。(過去記事:2021年 / 2020年 / 2019年 / 2018年) 今年は、去年掲げた今後の課題”データマネジメントの強化&定量/定性分析の精度向上”に対する変化という視点で書きました。 <去年掲げた課題と変化> 課題1:データマネジメントの強化 →変化①:データ基盤の運用を"内製ツールで全部やる"から"外部ツールやSaaSを積極活用へ" 課題2:定量/定性分析の精度向上 →変化②:ディスカバリーの関心事が”やる・やらない”から”やり方・プロセス”に そして記事の最後は、来年のデータ分析チームの体制変更について触れています。ぜひ、最後までご覧いた
rustでデータ分析100本ノックをやってみたら、めっちゃ書きやすかった話【Polars】 まとめ rustのPolarsは、思ったよりもずっと直感的な書き味でイイ👍 pandasよりも早い(ブレイジングファスト!)のでイイ👍 ワケあってpython(pandas)が使えない環境でも使えてイイ👍 対象読者 rust初心者~中級者 とりあえずrustでデータ分析をしてみたい方 python(pandas)を使わずにデータ分析をしてみたい方 対象でない読者 rustに慣れていて、たくさんのexampleは必要ない方 パフォーマンスを最高にするために、Polarsを学びたい方 Polarsとは python でデータ分析を行う場合、pandas を使うのが一般的です。 rust でpandasに相当するライブラリがPolarsです。 ドキュメントが充実しており、多彩な機能を持っているほか、
1. はじめに みなさんこんにちは、グループ研究開発本部 AI研究開発室のK.Fです。今回のテーマは不正ユーザ検知です。 実サービスでは、一部の不正ユーザの不正行為がサービスに悪影響を与えるといったことが往々にしてあります。そのため、不正ユーザを機械学習で検知し、規制や制限をしたいというモチベーションが生まれます。 今回は、実サービスへの導入を意識した機械学習での不正検知モデルについて「不正検知モデルをどのように選ぶのか?」「不正検知における特徴量をどのように作るのか?」「実サービスでどのように使うのか?」を説明していきます。 解決したいこと 不正ユーザであるかの答えは知りようがない問いなので、出力結果を元に人間が多角的な視点で最終判断を下す必要があります。そのため、「不正っぽいユーザを機械学習を用いて抽出する」→「不正っぽいユーザの特徴を人間が確認する」→「不正ユーザの判断基準を人間が定
この記事は、クリスマスに向けデータに関する想いや技術をぶっちゃける Advent Calendar 2022 22日目の記事です。 qiita.com はじめに 朝出勤すると、昨日のデータが連携されていなかったり、ダッシュボードの形が極端に変わっていたりとデータ基盤の障害に悩まされたことはありませんか? 多くの人が頷いてくれるのではないでしょうか。 ただ、データの品質を高めたいと思っても、DMBOKなどに書かれているデータ品質の内容は、大事な事柄がリストアップしてあるだけで、具体的にどうしたら良いかのイメージが湧きにくいです。 そんな中、Monte Carlo社が書いた Data Quality Fundamentals (この記事で書籍といった場合はこの本を指します)という本がとても実践的で面白かったので、その内容を紹介したいと思います。 www.oreilly.com この記事がデータ
こんにちは、カミナシの河内です。 みなさんビジネスシーンにおいて「あいまい(曖昧)」というワードをみたときに、どのように感じますか? おそらくネガティブな印象を持つ人の方が多いのではないでしょうか。 私自身が過去には「あいまい=悪」と捉え「早く明確にしたい」「結論を出したい」と考えていました。(特に大企業に所属していた際に、その傾向が強かったように思います) しかし、経営に関わる中で「あいまいさ」は排除するのではなく、適切にマネジメントして取り入れた方が良いと考えるようになりました。 今では組織運営において細部まで決め切らずにあえて「あいまい」にしたままにすることがあります(もちろん時と場合、議題によりますが) 今回はそんな「あいまいさ」をテーマに書いてみます。 「あいまい」にする理由昔はどんな内容でも結論や認識が定まっていないと、気持ち悪さ・居心地の悪さを感じ、限られた情報の中でも論点を
はじめに 最近ポッドキャスト聴く時間が少し減ってしまったんだけど、久しぶりに Talk Python to Me を聴いたらPydanticの話題でした(エピソードのリンクはこちら)。作者のSamuel Colvinさんが秋に予定しているメジャーバージョンアップの話をし始めたのですが、冒頭で「コアをRustで実装して17倍速くなる」と言っていて、リンク張られていたドキュメントを読みました。この記事はそこで語られていた内容を中心にPydantic v2についてご紹介します。 Pydanticとは v2の話の前に、そもそもPydanticとは何かについて簡単に触れておきます。PydanticはPythonの型ヒント情報を使ってデータバリデーション(データの妥当性検証)を行うライブラリです。予めデータの構造を定義しておいて、入力されたデータがその構造に合っているかを調べてくれます。 例えば、id
自己評価が高すぎると困るのは想像がつきやすいと思いますが、一方で低すぎるのも困りものです。むしろ、そっちの方がより深刻な問題を引き起こしやすかったりします。 自己評価が過度に低い状態というのは、謙虚さではなく自己否定につながる場合がままあります。 それはやがて自分の携わる仕事やチームに対する否定に発展していきます。これが本当に良くない。本人のみならず周りにも悪影響を与えるので、仕事によるプラスのアウトプットを打ち消すマイナスのアウトプットを生み出してしまう。 仕事をすると同時にそれを削る方向の動きもしてしまうので、成果を上げても十分な評価ができなくなってしまいます。そして、また下がる自己評価という負の循環が完成する。 そこまで極端でなかったとしても、自己評価が低い人がシニアエンジニアとかリーダーみたいなポジションについてしまうと、それもまた不幸を招きがちです。 「自分に厳しい」と言えば聞こ
ハイクラス求人TOPIT記事一覧BigQueryを分かりやすく! ハンズオンで始めるGoogle Cloudのデータ分析サービスと可視化ツールの使い方 BigQueryを分かりやすく! ハンズオンで始めるGoogle Cloudのデータ分析サービスと可視化ツールの使い方 Googleの高度な技術を利用できるGoogle Cloudにおいて、BigQueryは大規模データをスケーラブルに分析できるフルマネージドなデータウェアハウスとして提供されています。株式会社タイミーでデータエンジニアを務める土川稔生さんが、初心者向けのハンズオンとともにBigQueryの基本を解説します。 はじめまして。株式会社タイミーでデータエンジニアをしている土川(@tvtg_24)です。 タイミーでは、Google Cloudのデータ分析サービスであるBigQueryを中心に、データ基盤を構築しています。BigQu
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