東京地下鉄立体路線図をARでつくってみた｜川島優志｜note
ちょっと前に、「東京地下鉄立体路線図」というバンダイのおもちゃが話題になりました。 僕の6歳になる息子は、日本に住んでまだ半年ほどですが、東京の地下鉄路線図の駅名はだいたい読めるようになってしまったほど、鉄道が大好きです。実家に帰ると、父（じーじ）の作ったNゲージのジオラマに貼り付きます。 東京の地下鉄のダイナミックな高低差が立体でわかるこのおもちゃを買ってあげたい！と思いました。（自分が買いたい、というのもある（笑）） そこで妻に相談。すると、 「大きさはどれくらいなの？」 「30センチ四方くらい…と」 「どこに置くの？！」 と。確かに、30センチ四方ものオブジェを置くだけのスペースを作るのは、ただでさえモノが多い家では考えものです。 僕は妻の洞察力に一目置いています。Googleロゴを描いていたときも、僕が徹夜で描いたものを「全然意味がわからない」と厳しく一刀両断されたことがあります。
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
「パナマ文書」解析の技術的側面
世界中で話題になっているパナマ文書。各国で政権を揺るがすような事態にもなっていますが、純粋にデータとしてみた場合、これは計算機やデータ解析に関わる人々にも面白いものだと思います。データの中身や背景などについてはさんざん報道されていますのでここでは触れません。一方、現場でどのような作業が行われているのかはあまり報道されていません。現実的な問題として、人力ではどうしようもない量のリークデータを手に入れた場合、調査報道機関はどんなことを行っているのでしょうか？私も以前から疑問に思っていたのですが、先日あるデータベース企業と、データ分析アプリケーションを作成する会社のブログにて、その実際の一端を窺うことができる投稿がありました: Panama Papers: How Linkurious enables ICIJ to investigate the massive Mossack Fonseca
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
