プログラミング言語との付き合い方｜hgsgtk
このエントリは、Clean Agileの書評を書いてるときに脱線していたら、脱線にしてはえらい長々してしまったので、独立したエントリに分割したものである。なんの根拠も裏付けもないただの私感を垂れ流す。 きっかけとなったのは、ウォーターフォールにソフトウェア開発の動向が支配されていたという歴史的動向をざっとおさらいされていたこちらの記述だった。 我々がウォーターフォールに支配されていた様子は、当時の動向を見ればわかる。1968年にダイクストラが「構造化プログラミング」を提唱したが、そのあとすぐに「構造化分析＊7」と「構造化設計＊8」がやってきた。1988年に「オブジェクト指向プログラミング（OOP）」が普及し始めたが、そのあとすぐに「オブジェクト指向分析（OOA）＊9」と「オブジェクト指向設計（OOD）＊10」がやってきた。つまり、「分析」「設計」「実装」の3つのフェーズが我々を虜にしていた
人間の約830倍高速化を実現。Microsoft「Text Analytics API」でde:code 2019のアンケートを分析してみた | Ledge.ai
顧客満足度向上を目指して、アンケートを設けている企業は多いだろう。デジタル化が進み、入力や集計が簡単になったため、昔よりアンケートに回答する機会は増えている。 しかし、せっかくエクセルやスプレッドシートでデジタルでアンケートを簡単に収集しても、その後、テキストから満足度の計測や、何を改善すべきかなどを洗い出し、解決するのは人間である。大量のアンケートの集計に莫大な時間を取られるのは想像に難くない。 そこで今回は、マイクロソフト社に協力いただき、同社主催イベント「de:code 2019」で実際にアンケート分析をおこなった。AIを用いてアンケート分析業務の効率化が可能か、AIの精度は実用に耐えうるのかを検証した。 「フィードバック把握の高速化」と「セールスの質向上」を目指す今回のゴールは、「フィードバック把握の高速化」と「セールスの質向上」の２つだ。ひとつ目の「フードバック把握の高速化」では
「データサイエンティスト」「人工知能」「AI（トピックス）」のGoogleトレンドから向こう1年間のブーム動向を占ってみる - 渋谷駅前で働くデータサイエンティストのブログ
(Google Trends) 最近時系列分析あまりやってないので、{bsts}の使い方を思い出しがてらついでに与太記事を書いてみます。お題は「データサイエンティスト」「人工知能」「AI（トピックス）」のGoogleトレンドから見る今後のブーム動向です。今回は互いに相互作用がないものとみなして、VARモデルではなく全て個々の時系列の単変量モデルでやります。 なお互いに相互作用があるケースを想定した分析については、1年半前のこちらの記事をご覧ください。ただし現在のデータで同じことをやったら違う結果になると思われます。 また{bsts}パッケージの使い方とその背景にある理論については僕が書いた以前の記事と、id:ill-identifiedさんの記事が分かりやすいかと思います。 {bsts}でそれぞれのGoogleトレンドの向こう1年間の予測をしてみる ここからが本編。まず元データとして201
エンジニアだけで企画・開発・分析全てを遂行するチームを立ち上げた話 - susunshunのお粗末な記録
この記事はRecruit Engineers Advent Calendar 2018 - 13日目の記事です。 追記 本記事の内容にて、s-dev taksで登壇してきました speakerdeck.com 前書き 本記事は個人的な見解を示したものであり、所属する組織を代表するものではありません。内容には留意しておりますが、もし不適切な内容や誤りがあれば、私個人当てにご指摘のコメントをいただけますと幸いです。 超概要 カットオーバーから数年経ったtoCサービスにおいて、エンジニアオンリーのチームで企画・開発・分析、プロダクト改善のサイクル全てを担うチームの立ち上げを行いました 開発しか知らない僕らがよりよい価値を世に届けるために、企画や分析方面への染み出しを行う中での泥臭い取り組みや、やってみて分かった知見を共有します 経験ベースで築いてきた知見なので、理論を踏まえてなかったり、原理原則
シンクタンクならニッセイ基礎研究所
■要旨 統計的分析方法の中で最も使われている一つが回帰分析である。回帰分析を簡単に言うと、ある変数の値で、他の変数の値を予測し、両者の関連性を確認する分析方法だと言える。 回帰分析が世の中に登場するまでには、ルジャンドル、ガウス、ゴルトン、ピアソンという4人の学者の貢献があった。 最近は、StataやSPSS、そしてRなどのような統計パッケージを使い、半自動的に（？）実証分析を行うケースが多いので、実証分析の初心者の中には回帰分析の詳細を理解せず、p値とt値、そして回帰係数という分析結果だけを確認・利用するケースも少なくないだろう。 パソコンの普及に伴って軽視されがちであった回帰分析に至るまでの過程を理解しようと努めることが分析結果をより明確に解釈できる近道であると信じている。 本文の内容がこれから回帰分析の過程を学人たちにとって、少しでも参考になることを願うところである。 ■目次 1――
売上にもっとも影響を与えているのは接客、立地、品揃え？ 重回帰分析で改善の優先順位を決める
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
ビジネス解析とデータベース構築を同時に。T字形ER手法を実践する·TMD-Maker(T字形ER図作成ツール) MOONGIFT
T字形ER図作成ツールはT字形ER手法に沿ってビジネス解析、データベース構築を行うためのモデリングツール。 T字形ER図作成ツールはJava製/EclipseまたはWindows用のオープンソース・ソフトウェア。外部向けのWebシステムの場合と異なり、社内向けの業務システム、基幹システムを開発する中では業務フローの解析は必須だ。その解析手法は様々にある。 Windows向けには専用実行ファイルも トレンドもあるが、その時々に良いものを選んでいると数年後には使えないシステムになってしまったり、保守性が悪かったりする。ここで紹介する方法はT字形ER手法と呼ばれるビジネス解析手法で、その表記を行うモデリングツールとしてT字形ER図作成ツールを紹介する。 T字形ER手法とは、データをリソースとイベントに種別しつつ、ビジネスの解析を行いながらデータのモデリングを行っていく。それによってデータの正規化
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
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
ウェブパフォーマンスの基礎とこれから