タグ

2018年9月25日のブックマーク (5件)

  • MacのChrome69からタブ移動のショートカットキー(command + shift + [ or ])が消えてしまったので元に戻す。|teitei.tk

    行っていることは公式のヘルプにもあるように > 開いている次のタブに移動する ⌘+option+右矢印 > 開いている前のタブに移動する ⌘+option+左矢印 に変わったkを 開いている次のタブに移動する場合は ⌘ + shift + ] 開いている前のタブに移動する場合は ⌘ + shift + [に置き換えます。 設定を変更する置き換えの設定はjsonファイルで行います。 Karabiner-Elementをインストール後、個人個人の設定はホームディレクトリ配下の.config/karabiner/karabiner.json で設定することができます。 自分の場合は、会社でも自宅でも同じキーバインドを利用したいので、自分のdotfiles repositoryで管理をしました。 https://github.com/teitei-tk/MyDotfiles 具体的にはホームディレ

    MacのChrome69からタブ移動のショートカットキー(command + shift + [ or ])が消えてしまったので元に戻す。|teitei.tk
  • UXとかデータ分析とかその辺の勉強の仕方

    仕事柄、UXとかデータ分析とか、その辺が少し強いと思われているらしい。 職場の人からその辺の勉強の仕方を聞かれたので答えようとしたら、意外と長くなりそうだったのでメモがわりに書く。 これを書いている人のスペックUXとかの専門家ではない(専門家=大学の教授等々の研究者)美大や情報系の大学院等でUXデザイン等々を専門的に勉強してきたわけではないデータ分析も、大学・大学院等で難しい数式などを専門的に勉強してきたわけではない 日々の仕事の中で諸々やってきた結果、何やらその辺が強いと思われるようになってしまった人専門家からの指摘等々大歓迎 UXの勉強方法とかの話そもそも、UXという言葉が流行りだしたのは最近の話だと理解していて、バズワードに近いと思っている。概念自体は遥か昔からあるものだし、何を今更世の中がUXというワードを使いたがっているのかが良くわからない。(が、ここでは面倒くさいので、定義が曖

    UXとかデータ分析とかその辺の勉強の仕方
  • データ分析の成否が事業の成否に直結するような会社を選べよ まず戦うフィ..

    データ分析の成否が事業の成否に直結するような会社を選べよまず戦うフィールドが間違ってる。 予測モデルの精度改善がそのまま売上の改善につながるような業態の会社を選ぶんだよ。 そうすれば元増田みたいに冷遇はされない。 例えばGoogle. Googleでは売上の90%が広告収入から上がっている。 ここで言う広告とは、GoogleやらYoutubeやらに訪れたユーザーのデータを詳しく分析した上でもっともコンバージョンレートが高くなりそうな広告を予測して表示するタイプの広告だ。 「誰にどんな広告を表示したらもっともコンバージョンレートが上がるか」というのは、当然データ分析機械学習の範疇だ。 想像してみてほしい 1. 毎日GoogleとかYoutubeとかに何億人だかのユーザーが訪れる。 2. 世界トップクラスのデータサイエンティスト達が作り上げた、Googleのコンバージョンレート予測モデルはも

    データ分析の成否が事業の成否に直結するような会社を選べよ まず戦うフィ..
  • Webスクレイピングで全自動更新のエログ作ったったwwww

    概要よくある「完全放置!」「全自動更新!」「何もしなくても儲かる!」みたいなアフィがあるけど おそらく、その1つである全自動更新のエログ作って一ヶ月近くたったからその結果を書く。 何かしら作品を作ったらQiitaとかにアウトプット上げるけど、内容が内容なのでここで。 URLは多少内定自慢できるくらいの会社に内定貰っているから伏せますね><@バレなさそうなら晒す ・仕組み ・サイト情報 ・お金の話 ・技術的な話 ・結論 仕組み仕組みは簡単、いくつかの既存のエロサイトにWebスクレイピングをかけてウチのエログでも全く同じ情報を配信する。 そんなエログに全く価値が無いと思われるが、既存のエロサイトと比べてウチのエログを使うメリットはいくつかある。 メリットリスト1. share-videosを使っているので削除されていても案外見れたりする。 2. 広告がshare-videos意外無い 3. エ

    Webスクレイピングで全自動更新のエログ作ったったwwww
  • データサイエンティストが働いて嫌だったなと思う人たち

    コンサルにてアナリストをやった後、データサイエンティストを名乗りながら仕事をしています。そんな中で嫌だったなと思った人たちとプロジェクト 1.医療統計の周りの人 最近はアウトカムでの評価の流れにはなってきたが、まだまだモデルの評価をする事は少ない。 でも何故か相変わらずロジステックとCox回帰をやれればおっけーであり、モデルの精度が当たらなくてもオッズ比と説明変数の 有意差だけでていれば上手く行く分野。 当に心が痛む上、まだまだ「医者でなければ人であらず」が通ってしまい、モデルの説明よりもお医者様のお言葉が1stにきてしまう。また分析プロジェクトの 設計らしい設計があまり出来ないのもつらいところ(モデルの精度が出ていないのにそのオッズ比・有意差に何の意味があるんだと思う)。後日の製薬企業から「何とか工夫で有意差がでないのか!!」 という謎おしかりを受ける・・・いやそんなん無理ですやんと

    データサイエンティストが働いて嫌だったなと思う人たち