IBM Institute for Business Value（IBV）が実施するグローバル経営層スタディでは、ビジネス・リーダーの動向を探り、高業績企業の取り組みは他企業とどのように異なるのかを明らかにします。

教師なし分類の代表的な手法として、k-meansがあります。 k-meansは分類自体は自動で出来るんですが、その際のクラス数はマニュアルで設定する必要があります。 そのため、どう分類されるかはここで指定するクラス数に強く依存するわけです。 この辺は人間の勘でやるのも構いませんが、この辺りまで自動でなんとかしたいと思うのが人の性かなと思います。（ほんとか？） 今回はk-meansのクラス数を自動で推定する手法を調べてみたのでそのメモです。 まずは調べる やってみる 普通のk-means X-means G-means 使ったコード 参考文献 感想 まずは調べる ちょっと調べてみるとこんな感じの記事が見つかりました。 qiita.com qiita.com 何やらX-meansやらG-meansなるものがあるようで、この辺を使うといい感じにクラスタ数を設定できるようです。 中の理屈については

『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

外部web改造（デザイン編）28 Dec 2023 こんにちはこんにちは、id:crashrt です。 最近、KMCのサイトが新しくなりました。 デザインから実装まで色々改造しています。 今回は僕が担当したデザ… 続きを読む

本講座と併せて学習していただくことで、よりデータサイエンスへの理解が深まりますので、ぜひご受講ください。 こちらのページをご参照ください。 第1週：e-Statの統計データを活用した データ分析の事例、基本的な活用方法を学ぶ ・e-Statを活用したデータ分析事例① ・e-Statを活用したデータ分析事例② ・e-Statを活用したデータ分析事例③ ・e-Statを活用したデータ分析事例④ ・e-Statの主な機能 ・e-Statの使い方（グラフの作成） 第2週：公的統計データの基本事項 及び読み方を学ぶ ・公的統計の種類と体系 ・労働力統計の読み方 （労働力調査の基礎知識、労働力調査結果を利用する際のポイント） ・家計統計の読み方 （家計調査の基礎知識、家計調査結果を利用する際のポイント） ・その他の統計の読み方とまとめ 第3週：統計データと地図を組み合わせた 活用方法を学ぶ ・地図で見

先日、金融事業×人工知能コミュニティで「オルタナティブデータ活用ブームの先に何があるのか」というテーマで発表しましたが、発表時間が15分だったので伝えきれないことがありました。このnoteでは伝えきれなかったことや参考文献などを共有します。 また、当日の発表資料は以下にあるのでご高覧下さい。 発表で伝えたかったこと「金融事業×人工知能」のステークホルダーに向けて、自分から伝えらられる事は何か考えた結果、これからの社会に向けて金融として取り組んで欲しい事と、そのためにどんなデータが必要となり、どのように利活用できるかについて話すことにしました。また、その前に現状のオルタナティブデータやAI予測の状況や、それらを加速・変化させるための技術的な情報源についても知ってる範囲で共有しました。 金融機関に最優先で取り組んでいただきたいこと 金融機関には、ウィズコロナ、アフターコロナに向けて企業や日本経

大きな成功を収めた企業はどのような取り組みをしているのか、その秘密に迫る書籍『ユニコーン企業のひみつ Spotifyで学んだソフトウェアづくりと働き方』が話題になっています。 ユニコーン企業とは、「創業10年以内」「評価額10億ドル以上」「未上場」「テック企業」の4つの要素を併せ持つ企業のことを指します。 今作は、音楽配信サービス「Spotify」でアジャイルコーチを務めていた著者のジョナサン・ラスムッソンが自身の経験をもとに短期間で大規模な成果を上げるためのテクニックをまとめたもの。 「デリバリープロセスやプロダクト組織自体を改善したいエンジニアやマネージャー、経営リーダー必携の一冊」ということもあり、はてなブログでも多数の感想記事が投稿されています。今回はその中から注目の感想記事をピックアップしてご紹介します！ 企業の文化を変えなきゃダメだよね sugamasao.hatenablog

コンバージョンしないのはどのステップが原因！？GA4のファネルデータ探索を使ってデータを可視化する基礎的な方法を解説

NTT東日本は2019年より、宇宙航空研究開発機構（JAXA）を共同研究開発パートナーに、宇宙データ活用による地域社会への発展に取り組んでいる。具体的にはどのような宇宙データを活用し、どんなことに挑戦しているのか。データ活用事例や衛星データ解析、地域活性化の取り組みについて、NTT東日本 下條裕之氏と、JAXA藤平耕一氏に語っていただいた。 プロフィール 東日本電信電話株式会社 デジタル革新本部　デジタルデザイン部 担当課長　下條 裕之氏 2006年4月入社後、法人営業部でシステムエンジニアとして従事。2009年より研究開発センタにてスマートホーム分野の研究開発から商用サービス化までを牽引。その後、海外通信キャリアとのスマートホームに関するIoT技術の共同研究や、大手メーカーとのコラボレーションビジネス創出の経験を経て、2019年にデジタルデザイン部の立ち上げプロジェクトに参画。同年7月よ

データ解析に関するいろいろな手法を解説した記事や、データ解析をするときの考え方の記事をまとめました。興味のある内容がございましたら、ぜひリンクへ飛んでいただけたらと思います。 pdfファイルやパワーポイント(pptx)ファイルは、自由にご利用ください。 数学(行列計算・線形代数・統計・確率)が不安な方へ 高校数学の知識から、人工知能・機械学習・データ解析へつなげる、必要最低限の教科書 人の学習と人工知能の学習～人工知能を学習させるとかモデルを構築するということ～ Datachemical LAB 化学・化学工学分野におけるデータ解析・機械学習クラウドサービス「Datachemical LAB」 Datachemical LAB をデータ解析・機械学習・人工知能の初学者が用いて問題ないのか？ Datachemical LAB は他のソフトウェアと何が違うのか？～９つの大きなポイント～ Dat

もっとみる 物件ファンを支えてくださってる皆様 うっちー アマレット Koji ちー カツオ odmishien ASA KeyNo.029 chou やまつま Ayaka しゅー kee 伊藤商店 とみこ GAJA デューク内藤 ミヤコドリ magさん Umising てんてこまい ふみ oda 球体 ぽんちゃん だんちぐみ 3t06 なとぅ みちゃん ジュンコ くろくろ 更夜 ぽるぴいお たかにゃん ちぇるもふ さやか さんかく ひろ あんさー iron ヨシニイ ちびりーな 三嶋 優 うすい のぶ ﾈｺﾁｬﾝのｶﾘﾝﾄ さきはま めばる atez Ciao! JIMA ぽむ ユン 結 ももたす 岩波しずか MKstyle Kaco のぞみ sakaken1 MONV.MitsuMame・おもや ひろみっち fumi mamune blackkite masako.o おさるー ぽんち

※各プロダクト名の頭の”Google”は省略しています ※もちろん実際にはGoogle社のツール以外にも様々な分析用プロダクトが使われています 各ツールの詳細についてはWeb上の良質な情報がたくさんあるので、説明はそちらに譲るとして、ここではそれぞれの簡単な特徴とメルカリでの活用の仕方について主に述べていきます。 ◆ 1.BigQuery “弊社分析の中核的存在” 利用シーン： データの集計 どんなツールか Google BigQuery SQLの超速いやつ どんな大きなデータでも、複雑なクエリでも、高速で結果を返してくれる頼れるアニキ メルカリの分析での使い方 速いは正義 メルカリは多くのユーザを抱えているため、そのログデータも非常に巨大です。 そのため、通常のSQLでは計算に時間がかかりすぎるということが多々発生します。 BigQueryは とにかく「高速」の一言。なのでトライアンドエ

JX通信社シニアエンジニアの@shinyorkeです. 最近はチームの朝会でよく着ているTシャツにツッコミを受けてます.*1 JX通信社では, いい感じにデータを整備・運用しているデータ基盤を駆使して, BI（Business Intelligence）文脈でのデータ分析・可視化. ダッシュボード作ったり. 機械学習的なアプローチを使ったR&Dと機能開発（分類タスクなど） といった業務・タスクを社員・インターン問わず行っています. データ分析でSQLを書いたり, 「新しいアルゴリズム試すやで！」的なノリでPythonのコードをゴリゴリ書く・動かして結果を見て振り返ってまた臨む...って楽しいですよね. チームの皆さんも, もちろん私もモチベーション高くやってるわけですが！？ あれ, notebookどこ行ったんや...🤔 よくありますよねー（震え） 自分もチームメイトも, 前のめりになっ

メモリを大量に使い、その後に戻してみる では、次に、メモリを大量に確保したあとに開放して、Win32側にメモリがもどされるかどうかを確認してみる。テストには、Ubuntu-18.04を用いた。メモリを消費させる方法にはいくつかあるが、ここでは、stressというコマンドをインストールして使う。インストール方法は、WSL2のコマンドラインから以下のコマンドを使う（Ubuntuの場合）。 sudo apt update sudo apt install stress 実際にインストールするのは2行目のコマンドである。1行目はやる必要がないとわかっているならやらなくてもよい。蛇足ながら1行目は、その意味がわからない人がエラーを起こさないように入れてある。これでstressコマンドが利用できるようになる。このコマンドはシステムに負荷を掛けてテストをするためのものである。たとえば、メモリを1GB確保

5/27にWindows 10 2004 Updateが正式リリースされて、それに伴いWSL2もWindows Insider Preview版を使用しなくても利用可能となりました しかしWSL2を使用してるとVmmemというプロセスのメモリ使用量が増加し続けて、Windowsホストのメモリが枯渇してしまう問題があります。そしてこの問題は正式リリース後も解消されず残っています。 NOTE: Windowsホストで動いているVmmemプロセスで「WSL2のHypver-V仮想マシン全体が消費＆確保しているCPUとメモリ」を確認できるという大雑把な理解でOKです。 microsoft/WSLのIssueは１年近くOpenのままとなっており、Microsoft側も問題を認識して取り組んでいるものの未だに根本対処されていません。 本問題のアップデート情報 (2023/07/04更新) 本問題に関す