データサイエンティスト含むデータ分析職の仕事がつらい4つの理由：洋の東西を問わずつらみは同じらしい - 渋谷駅前で働くデータサイエンティストのブログ
(Image by Pixabay) 某所でバズっていたこの記事ですが。 もう読んだ瞬間に「うわー、これ完全に洋の東西を問わずデータ分析業界だとどこでも見られる、業界つらみあるあるだなー」という感が湧いてきて、こみ上げてくる涙が押さえきれませんでした（嘘）。という軽口はさておき、実際にほぼ同じ内容の愚痴をUSでデータサイエンティストとして働いていた知人からも直に聞いたことがあるので、個人的にもかなり説得力のある話だなと思いました。 この記事の若干嫌なところは「データサイエンティストたちはいつでも転職活動をしている、何故ならどこの職場に行っても以下のつらみがあるからだ」という書き方をしている点。いや、データサイエンティスト含むデータ分析職が全員常に転職活動しているかというとさすがに違うだろうと思いますが、「それくらいつらいんですマジ勘弁して下さい」と言われたら頷かざるを得ないのもまた事実かな
機械学習を使って東京23区のお買い得賃貸物件を探してみた - データで見る世界
さて、改めて今回の目的を確認しておくと、機械学習を使って東京都23区のお買い得賃貸物件を発見しよう、というものです。前回までの記事で、お買い得賃貸物件を発見するためのデータを収集し、分析にかけられるよう前処理してきました。 www.analyze-world.com www.analyze-world.com 今回の記事では、いよいよ機械学習を使って分析していきましょう。前回まではPythonを使っていましたが、この分析ではRを用いています。なお、コードはGitHub（https://github.com/ShoKosaka/Suumo）に上げておきますので興味ある方は参照ください。 最初に、データの中身をざっくり見ていきます。具体的には、分析のキーになるポイントをグラフにしながら、賃貸物件の現状や変数同士の関係性を把握していきます。 データ探索 まず、23区の中でどこが物件数が多いのかを
Mac と GNU/Linux でトレーディング環境を用意する | 774::Blog
トレーディングツールといえば Windows 用のソフトウェアが多く、多くのトレーダーも多数のモニターを備えた Windows を使うというのが比較的多いと思う。そんな中、 Mac を始めとする iOS や GNU/Linux の環境でどのように相場を監視したら良いだろうか。このたびトレーディング環境を整えたのでちょっと書いてみようと思う。 Mac/iPad まず Mac でのトレーディングツールといえば楽天証券が強い。 iOS で利用できる iSPEED はかなり高機能だし、それと連携して監視銘柄を共有できる MARKET SPEED for Mac もなかなか便利。 楽天証券で発注するかどうかはともかく、監視ツールとしてはなかなか良い感じですね。特に後者の MARKET SPEED はチャートや板も見やすいし、リアルタイムで監視するのにはちょうどいい。 GNU/Linux じゃあ GN
Python でデータサイエンス
このサイトについて このサイトでは、データ加工や集計、統計分析などインタラクティブに実行されるスクリプトやバッチプログラム、本格的な Web アプリケーションの実装まで、多彩な機能を持ちながらも初心者にも扱いやすいプログラミング言語 Python (パイソン) を使ったデータの統計分析の手順や使い方について紹介します。 初めてプログラムに触れる人や、R や SAS, Ruby のような言語のプログラミング経験はあっても、Python をあまり扱った経験のない初心者向けに理解できるような内容としてまとめています。 また、本格的な統計分析（基本統計量や多変量解析、データマイニング、機械学習）を学んだことがない人でも理解できるよう、統計（アナリティクス）の解説も必要に応じて述べています。 このサイトで提供できる情報を通して、皆さんが Python を使ったビッグデータ解析を思いのままに使いこなせ
mongodbで行動ログ的なサンプルデータを1億件ほどつっこんで見るスクリプト - tweeeetyのぶろぐ的めも
はじめに mongodbでいろいろ試したいけど結構なデータ件数ないと試せないことってありますよね。 今回はそんな時用にサンプルデータを1億件ほどつっこむスクリプトを書いてみたのでメモっておきます。 想定 つっこむログの内容ですがこんな感じを想定してみました 1.ユーザが数人いる 2.webが分散されてて数台のhostからログが来る 3.ゲームやらなんやらでポイントGET。GETしたタイミングでポイントの総計と内訳ログがinsertされる 4.内訳は、GETしたポイント + ボーナスポイント(GETしたポイント×0.05※消費税みたいな) 構造 想定するログの1レコードの構造です { "_id" : ObjectId("533006e0a2f90fb093680dc6"), "info" : { "uid" : "id01", "ts" : "2014-03-24 00:00:00", "h
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
「電子レシート」のデータを標準化、経産省が実証実験
