これからデータサイエンス、AIを本格的に学ぶ人へ 📚 - Qiita
はじめに これからデータサイエンスやAIを本格的に学びたい人向けに、著者が勉強したメモを稚拙ながらQiitaの記事に掲載してきたものから抜粋したものになります。少しでもお役に立てればと思います。 1.データサイエンス、統計検定 プログラミング Python、Numpy、Pandas、Matplotlibの公式チュートリアルを、Googleコラボ上で動かしながらセルフ学習できるようにしたものです。筆者の観点でポイントをいくつか記載しています。 [補足]Pandasの高速化ライブラリィ Pandasを(コード修正なく)高速化するライブラリィの紹介です。 統計検定２級 これから統計を勉強し、統計検定２級のテストを受ける人向けに整理したチュートリアルです。テストを受けるにあたり注意すべきポイントも記載しています。 統計検定準１級 統計検定準１級を受ける人向けに整理したチュートリアルです。テストを受
データ基盤を作ってもデータ分析ができるようにはならないので、作るのと使うのは一緒に考えよう｜データ分析とインテリジェンス
データ基盤は令和の箱物行政にしないためにどうもデータ基盤を作ったりするのに比べると、データを使う話、特に意思決定のための分析について語られることが少ない。 もちろん単純に比較できるような話ではなく、データ基盤が不要だという話でもない。それにしても偏りすぎであり、この10数年（どころかずっと前から）かわらない。 その理由の1つには「データ基盤を作ってデータを集めておけば、あとはデータが活用できる」という考えがある気がしている。今回は、それは間違いであり、正しく使うためのスキルはデータ基盤を作ることでは養われることはないということを書いた。 データ基盤があっても正しくデータ分析ができるようにはならない「食材と調理器具があれば料理はできる」は間違いではない気がする。しかし「正しく料理ができるか」という点から考えると怪しい。 料理をするにしても、何も教えずに食材と道具を渡すだけだと何が起きるか。例
データ分析を始めるにあたり最低限知っておくべきこと｜データ分析とインテリジェンス
まずやってみるのはいいけれども限度はあるはず。それはどこだサッカーに興味があるならば、ルールブックを熟読するよりも先にとにかくサッカーをやってみるのがいい、ということに反対する人はあまりいないと思う。 とはいえ全く何も知らないのではゲームが成立しなくなってしまうので、最低限知っておくべきことはあるはずだ。例えば、どうなったら得点になるのかは必須だろう。あとはゴールキーパー以外は手を使ってはいけないとか、範囲を出たらスローインになるとかだろうか。 では「データ分析」における「最低限知らないといけないこと」は何なのだろうか、と考えた内容をまとめた。 前提として、本記事の「データ分析」は「意思決定のための情報＝インテリジェンスを作ること」に絞る。言い換えると、システムに組み込んで意思決定と行動を自動化するような「データ分析」は対象外とする。 インテリジェンスについての説明は「情報」には「データ」
時系列データ分析コンテンツ「ごちきか」を公開します - NTT Communications Engineers' Blog
この記事は、 NTT Communications Advent Calendar 2022 24日目の記事です。 はじめに イノベーションセンターの木村と申します。初めてのアドベントカレンダー&Engineers’blog投稿です。普段の業務は、機械学習をもちいた時系列データ分析の研究開発やお客様データ分析案件支援を主として行っています。プライベートでは自転車にお熱でZwiftでバーチャルライドをしたり、最近ではテクニック向上のためバニーホップの練習に励んでいます（なかなか上達しません…）。 今日はクリスマスイブということで、時系列データ分析コンテンツ「ごちきか」 をプレゼント（？）します！年末休みのお供にぜひご照覧ください。 サマリー 時系列データ分析コンテンツ「ごちきか」を公開しました （余談として）基盤やデプロイ方法を紹介します What is 「ごちきか」？ 私たちのチームでは、
「データ分析の民主化」の在り方を、「社員全員Excel経営」が「社員全員データサイエンス経営」へと進化していった事例に見る - 渋谷駅前で働くデータサイエンティストのブログ
以前こんな記事を書いたことがあります。 「社員全員Excel経営」で名高い、ワークマン社のサクセスストーリーを論評したものです。2012年にCIOに就任した土屋哲雄常務のリーダーシップのもと、取引データの完全電子化を皮切りに「全社員がExcelを使いこなして数字とデータで経営する」戦略へと移行し、社内のExcelデータ分析資格を一定以上取得しないと管理職に昇進できないとか、はたまた幹部クラスの企画・経営会議ではデータに基づかない議論や提案は相手にすらされないとか、「Excelを社員全員が使えるようになるだけでもここまで企業カルチャーは変わり得るのか」という事例のオンパレードで、関連記事や書籍を読んでいて舌を巻いたのを覚えています。まさしく「ワークマンのすごいデータ活用」だったのです。 一方、個人的に強く印象を受けたのが土屋常務が様々なところでコメントしていた「我が社には突出したデータサイエ
元Googleデータ科学者「人生をうまくやるコツってめちゃシンプルだよねー」
► 2024 ( 110 ) ► 04/14 - 04/21 ( 3 ) ► 04/07 - 04/14 ( 8 ) ► 03/31 - 04/07 ( 8 ) ► 03/24 - 03/31 ( 7 ) ► 03/17 - 03/24 ( 7 ) ► 03/10 - 03/17 ( 9 ) ► 03/03 - 03/10 ( 7 ) ► 02/25 - 03/03 ( 8 ) ► 02/18 - 02/25 ( 6 ) ► 02/11 - 02/18 ( 8 ) ► 02/04 - 02/11 ( 7 ) ► 01/28 - 02/04 ( 9 ) ► 01/21 - 01/28 ( 8 ) ► 01/14 - 01/21 ( 8 ) ► 01/07 - 01/14 ( 7 ) ► 2023 ( 395 ) ► 12/31 - 01/07 ( 7 ) ► 12/24 - 12/31 (
データ分析入門
前書き このページは徳島大学デザイン型AI教育研究センターが 開催する、小中高生を対象にした「とくぽんAI塾 2023」のコースの一つである「データ分析入門」 の資料置き場です。 コースは基礎編と発展編の2つに分けられます。基礎編では、データ分析に必要な知識・背景の理解のための 素養を身につけることを目指します。発展編ではデータ分析の問題への挑戦として、回帰と分類問題について 取り組みます。 このコースでは、基礎から発展まで通して R言語を使ったデータ分析を行います。 まずデータ分析についての大まかな内容とデータ分析で扱われる課題について第1章で学びます。 次に第2章では、データの種類と扱い方、表現方法を身につけます。 第3章ではデータを要約ようやくし、伝えやすくするための方法を紹介します。 ここでは特に１つの変数へんすうについて扱います。 第4章は２つの変数の関係を調べるための相関につい
社会人のためのデータサイエンス入門
この度、「社会人のためのデータサイエンス入門」の開講に先立ち、「誰でも使える統計オープンデータ」を特別開講しております。 入門編と学習することで、統計の基礎やデータの見方・データの取得方法などを学べます。この機会にぜひ2講座併せてご受講ください。 ※「《特別開講》誰でも使える統計オープンデータ」は、修了証の発行はございません。 講座内容 今、ビジネスの現場では、統計的な思考力によって様々な課題を解決していく能力、すなわち"データサイエンス"力の高い人材が求められている。このようなことを踏まえ、本コースでは"データサイエンス"力の向上を目指し、事例なども踏まえ、データ分析の基本的な知識を学ぶ。 コースは4つの部分に分かれている。第1週では、社会でデータがどのように活用されているかについて、実際のデータを用いた分析事例を紹介する。第2週では、データを理解し、分析する際に必要な統計学の基礎につい
Google が公開している、より良いデータ分析のためのガイドブック「Good Data Analysis」で、データ分析の要所が簡潔にまとめられていて感動した
Google が公開している、より良いデータ分析のためのガイドブック「Good Data Analysis」で、データ分析の要所が簡潔にまとめられていて感動した 2022-03-08 Google の非公式ブログで、The Unofficial Google Data Science Blog というデータサイエンスをテーマにしたブログがある。 その中で、 Practical advice for analysis of large, complex data sets の記事を元にして作られた Google Developers Guides: Machine Learning Guides > Good Data Analysis を昨日見かけて読んでいたら素晴らしいドキュメントだったので、ここでその感動を共有したかったので筆をとったしだい。 Good Data Analysis の概
ゼロから始める、データ分析と可視化 - Kyash Product Blog
はじめまして。Kyashでデータエンジニアリングを担当しているKyashデータマンです。この記事では、Kyash社内のデータ分析の基礎に関するドキュメントを紹介します。 Kyashでは、データエンジニアリング・ガバナンス・セキュリティなど様々な角度から、公正なデータの取扱いと活用を推進しています。従来は、一部の訓練された技術者がデータ分析を一手に担っていましたが、社内でもデータ活用のニーズも多く、その担当者に分析や集計の業務が集中するという課題がありました。 この課題に対して、データへの適切なアクセス管理を行い、そして適切なBIツールを導入することで、データを取り扱う人が自分でデータ分析・そして活用できるようになることを目指しています。アクセス管理には、個人情報やそれに準ずる機密データに対して、ポリシータグによるアクセス権のコントロール、そしてアクセス権のリネージなどのソリューションの導入
解像度を上げると「データ分析」はもっと幸せになる 現役データサイエンティストが教える、データ分析の4つの要素
データサイエンティストは、ビジネスチームや上司から、さまざまなデータ分析を依頼されます。本来自分がやりたかったデータ分析と、ちょっと違うという不一致はありませんか？ こうした不一致は、データ分析というものが抽象的で、人によって期待値が違うからです。 では、どのように分析すればよいか。その考え方を、Wantedly社の松村優也氏が語ります。 データ分析に求めるものは、人によって違う 松村優也氏：「データ分析の解像度を上げたい」というタイトルで発表します。よろしくお願いします。 まず自己紹介です。松村優也と申します。Wantedlyという会社の推薦チーム（レコメンデーションチーム）で、データサイエンティストとチームリードをやっています。情報検索の分野と機械学習に興味があります。本日が2020年での初登壇になります。 まずはみなさん、データ分析はうまくいっていますか？ 自信を持って「私はデータ分
組織が効果的なデータの活用を実現するために知っておくべきデータ文化醸成の方法
本記事は、データ活用に悩む経営層の方、デジタル推進室、デジタル戦略部、などと昨今呼ばれている横串組織の方や、データに関わる仕事をし始め試行錯誤されていらっしゃる方に向けて書きました。 読み終えていただければ、「データ活用」というふわっとした言葉を深く理解することができるものと信じています。 多くの企業でデータ活用への投資に失敗しているという調査結果があります。 引用元：McKinsey & Company 92％の企業がデータ活用投資に失敗している – Mckinsey Analytics 一方で、データ活用がうまくいけば、グローバルGDPよりも7倍以上の成長、顧客獲得、顧客ロイヤリティも格段に上がっている結果があるとも言われています。 –Forrester Research 2018 & Mckinsey Analytics 2018 ※このMckinsey Analytics のリサー
データ視覚化のプロが選ぶデータ分析のオススメ本32選
データ分析&データ視覚化のコンサルティングをしております、永田ゆかりと申します。 これまで2000人以上の方にデータ分析や活用の研修・トレーニング講師、企業への分析コンサルティングをさせていただいており、仕事をさせていただく中で必要な本を読み続けているうちに、気がついたらデータ分析領域の本を200冊以上読んでいました。 中でもデータビジュアライゼーション・視覚化の領域に関しては私自身の得意領域ということもあり、数多く読み込んでいます。 本記事では数多くのクライアントの方々との問題解決に役立った知識・ノウハウが書かれている良書をご紹介させていただきますので、是非最後までご覧ください。 データ可視化そのものについて知りたいたは、こちらの記事からどうぞ。 データ可視化とは？その重要性や手法、よくある課題と解決策を解説 データ分析における視覚化（ビジュアライゼーション）系のおすすめの本17選1 S
データサイエンティストにおすすめの資格とは？将来、必要なスキルを知ろう｜Udemy メディア
ビッグデータや機械学習を活用したビジネスの普及に伴い、大規模なデータを扱えるデータサイエンティストの需要が高まっています。データサイエンティストは、今後も需要が伸びていくと考えられている職種であり、スキルを修得すれば年収アップが期待できます。 ここではデータサイエンティストの仕事内容と求められるスキル、おすすめの資格について紹介します。 データサイエンティストの資格を知る前に：そもそもデータサイエンティストって何？ データサイエンティストとは、大量のデータを収集・分析する人のことで、比較的新しい職業です。データの収集、管理、仮設検証、結果報告などを行い、情報をビジネスなどで役立てる「データ」として整えることが主な業務です。 最近では企業の「ビッグデータ」への関心も高く、データを専門的に扱うデータサイエンティストの需要も拡大しています。 データサイエンティストは、データの処理を専門に行う職業
この記事の元の本編は削除しました。｜樫田光 | Hikaru Kashida｜note
これは何かGoogleの Material Design Guideline - Data Visualization がとても良くまとまっていたので、自分なりに和訳・編集してまとめたものです。 ※ 注意事項 こちらはあくまで、もとのドキュメントを参考に筆者が和訳・編集したものになります。原文の完全な和訳ではなく、抜粋の範囲や、英=>和の際の意訳を筆者が恣意的に行っています。 筆者の意訳・編集による曲解や元のドキュメントでのオリジナルの文意が気になる方は原文を読むことを強くおすすめします。 和訳の公開の可否についてはGoogle社に直接問い合わせています。1 / 原理原則（Principles） データの可視化は、複雑で内容の多い情報をグラフィカルな形式で表現するコミュニケーション手段である。 可視化の結果、データを比較しストーリーを伝えることが容易になり、データの利用者の意思決定の助け
色んな会社の分析チームのことがわかりそうなリンクのまとめ｜樫田光 | Hikaru Kashida
データ分析チームは色んな会社に存在すると思いますが、そういった種々のチームの内情がわかりそうなリンクを会社ごとにまとめてみました。（随時更新） 会社研究などにお使いください。 mercari
がん研究者が心の底から「標準治療を選んで！」と訴える理由（大須賀 覚）
「本当に、本当に、皆さんに知って欲しいことがあって、今回は強い思いを持って、この記事を書きます」 米国在住のがん研究者・大須賀覚先生がここまで訴える「がん標準治療を選択せず、代替医療へ進むことの危険性」とは？ がんにかかわるすべての人にとって必読、渾身の記事をお届けします。 ネットや書籍には、がん治療に関した大量の情報があふれています。本当に大量です。そしてその情報の中には、病院で行われている標準治療（科学的証拠に基づく最善の治療）を否定して、根拠の明確でない治療を勧めるものが多くあります。 「手術は受けるべきではない」「抗がん剤は患者を殺す」などといって、その代わりに代替療法（効果が証明されていない未承認治療）を勧めます。効くという食品やら、食事方法やら、体温を上げるやら、がんの専門家からみれば呆れるものばかりです。 これはとてつもなく怖いことです。ネットに広がる情報を信じて、標準治療を
データサイエンスを独学した一年のまとめ
著作者：Harrison Jansma 英語の記事：https://towardsdatascience.com/how-to-learn-data-science-if-youre-broke-7ecc408b53c7 過去一年間、私は未経験からデータサイエンティストを目指して、データサイエンスを独学しました。 オンラインコースを毎日平均6～8時間勉強すると同時に、アルバイトをしていました。 過去数ヶ月で、大きなの成果をあげました。 自分のウェブサイトができあがって、そしてコンピュータサイエンス院生向けの奨学金を得ました。 本記事では、一年でデータサイエンスをどのように勉強したか、つまりデータサイエンスの勉強法と学習リソースを伝えていきます。すこしでもお役に立てればうれしいです。 この記事の「データサイエンス」とは、データによってあらゆる事柄を客観視するためのツール集合を指しています。
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
データ分析は「次にどうするかを決めるため」にやること
「データ」「情報」「知識」「洞察」「叡智」「陰謀論」の違いを図説したイラストがわかり易いと話題に
