このエントリーのテーマです このエントリーは, 「仕事ではじめる機械学習 第2版」出版お祝いのエントリーとなります. 仕事ではじめる機械学習 第2版 作者:有賀 康顕,中山 心太,西林 孝オライリージャパンAmazon 私自身, 第1版登場の2018年頃*1から「機械学習エンジニア」「企画・提案のフェーズから機械学習プロジェクトを回すマン」など, まさに機械学習を仕事とするロール・立ち位置で働いたり個人開発をしたりしていた身として, 色んな場面で参考にしていた書籍の待望の第2版登場で嬉しいです. 待ちに待った仕事ではじめる機械学習第2版、戴きました🙏 週末読んで感想書くぞ📕 pic.twitter.com/66mcTzxja5— Shinichi Nakagawa / 中川 伸一 / Senior Engineer (@shinyorke) 2021年4月15日 縁あって著者の皆様およ

全員に、全体を。 デジタル人材不足と言われています。 では、デジタル人材とはどんな人で、 誰がなるべきなのでしょうか。 それは、 あなたを含む「すべての人」です。 あらゆる人が デジタルに何らかの関わりを持つ この社会においては、 ビジネスに関わる全員が、 デジタルを“使う”人材であるべきだと 私たちは考えます。 そして、変化の早い社会の中で、 デジタルを“使う”人材であるためには、 常にその全体像 を理解しておくことが重要です。 ビジネスに関わる全員が デジタルを“使う”人材になることを 目指して。 デジタルリテラシー協議会は、 誰もが学びの道すじを見出す入り口として 共通リテラシー『Di-Lite』を整備し、 ご賛同いただける団体、 企業の皆様とともに、 人材育成加速に向けた 社会環境づくりに取り組みます。 Di-Lite とは

2021年4月15日 報道関係者各位 プレスリリース データサイエンス・カリキュラム標準（専門教育レベル）の公開 一般社団法人 情報処理学会 一般社団法人情報処理学会（会長：江村 克己）は，データサイエンス分野における大学レベルの専門教育を対象としたカリキュラム標準の策定を進めています．このたび，同カリキュラム標準がまとまりましたので，公開いたします． 政府が推進しているAI戦略2019や欧州EDISON Data Science Framework等にも見られるように，データサイエンス教育やデータサイエンティストの育成は社会的にも重要性が高いことが認識されています．情報処理学会のデータサイエンス・カリキュラム標準（専門教育レベル）は，関連する様々な取り組みを参照して策定されており，以下に挙げる様々な特徴を持っています． ACM Data Scienceカリキュラムおよび欧州EDISON

今回の調査は、データサイエンティスト市場における需要と供給の実態把握が目的。データサイエンティスト協会は「企業での在籍状況や採用実態、欲しい人材像などを定量的に調査することで、データサイエンティストと企業のミスマッチを解消し、データサイエンティストの経験や能力を正しく生かせるようにする」としている。 約半数の企業で「データサイエンティストが増えた」 データサイエンティストが1人以上在籍する企業に、最近1年間でのデータサイエンティスト数の増減を聞いたところ、「増えた」と回答した企業の割合は49％、「減った」は23％だった。データサイエンティストを増やした方法と増えた人数の平均については「社内の移動や育成」で1.4人、「新卒採用」で1.9人、「中途採用」で2.5人だった。2019年に実施した同調査では「社内の移動や育成」が4.6人で最も多く、「新卒採用」は1.1人、「中途採用」は1.7人だった

2025年の大学入学共通テストで、新設科目として「情報」が追加されることになった。高校の新学習指導要領でプログラミングを学ぶ「情報I」が必修となることに合わせたものだが、公開されたサンプル問題を、ITの専門家や大学側はどう受け止めるのか。 ほかにも科目の再編や新設によって「歴史総合」「地理総合」や「公共」が誕生する。文部科学省が最終決定すると、今月中学3年に進級した世代が最初に受験することになる。 大学入試センターは、新設・再編された4科目についてサンプル問題を公表した。 「情報」の問題例は、IPアドレスに関する問題や、選挙で政党に配分される議席数決定の方法をプログラムを通して考察する問題、サッカーワールドカップ（W杯）のパス本数や反則数の統計処理データを扱う問題などがあり、マークシート式で回答する。 ITジャーナリストの三上洋氏は、「プログラミングやデータ分析を問う問題では、特定のプログ

Deploy, manage, and share your apps with the world, directly from Streamlit — all for free.

サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。

はじめに 筆者はかつてデータサイエンティストだった者です。 統計や機械学習をバリバリ使いこなしてデータを分析し、将来の売り上げ予測や要因分析、施策の効果検証などをすることに憧れてこの世界に入りましたが、そうした時間は全体の1割ほどに過ぎず、残り9割の時間の戦いに疲れて戦場を後にしました。 なぜデータサイエンティストは戦わなければならないのだろう。 おそらく一因としてあるのが、データサイエンティストという言葉がバズワード化しすぎてしまったせいで、その定義の輪郭が失われてしまったことだと思います。 整理された定義は、言わずと知れた尾崎隆さんのデータサイエンティスト・機械学習エンジニア・データアーキテクトの定義とスキル要件（2021年版）に記載されています。 しかし、専門家でも意見が別れる定義を素人がはっきりと分かるはずもなく、過度な期待が寄せられることで討死してしまうデータサイエンティストが少

(Image by Dirk Wouters from Pixabay) この記事は毎年恒例のスキル要件記事の2021年版です。昨年版は以下のリンクからご覧ください。 今回は、試験的に「データアーキテクト」についても触れています（詳細は後述）。残り2つの職種については基本的な内容はそれほど大きくは変わっていませんが、先般公開した推薦書籍リスト記事の時と同じ変更点が一つだけあります。それは「機械学習エンジニアのスキル要件」は今回は想定していない（というか例示できない）という点です。これまた詳細は後述しますが、端的に言えば「分野ごとの細分化が過剰に進んでいる」という印象があるためです。 ということで、前回までとは違って「職種ごと」に定義とスキル要件（書けるようであれば）を挙げていくスタイルになっています。なお、言わずもがなですが以下に挙げる3職種の説明は僕個人のこれまでの経験や見聞や伝聞をもと

www.mext.go.jp 令和3年3月3日に開催された数理・データサイエンス・ＡＩ教育プログラム認定制度（リテラシーレベル）公募説明会に参加しました。リテラシーレベルにおけるプログラム認定が開始されたところであり、それなりに参加者があったように感じました。 以下に、私が理解できた範囲での記録を記します。 ＜挨拶＞ ＜制度説明＞ リテラシーレベル リテラシーレベルプラス ＜主なＱ＆Ａ＞ ＜挨拶＞ デジタルトランスフォーメーションがますます進展しており，学生に数理・データサイエンス・ＡＩ教育を行う必要がある。大学のブランド力向上にも利用してほしい。 ＜制度説明＞ リテラシーレベル リテラシーレベルについては，２月２４日に公募を開始したところである。ＭＤＡＳＨとして普及させていきたい。 申請受付は３月１７日から開始し，５月１４日まで受け付ける。４月末日頃からはＷｅｂフォーㇺを用いて申請を受け

データサイエンティストを４年ぐらい(学生の時含む)やってきて思うことを自戒を込めて４ページにまとめてみた ・単なる機械学習の専門家はやめよう ・最新の機械学習手法よりお客さんの世界の論文 ・誰も本当に本当に物なんて言語化できない… https://t.co/kN5sc9nW4V

1．目的 大学（大学院を除き、短期大学を含む。）及び高等専門学校（以下「大学等」という。）の正規の課程であって、学生の数理・データサイエンス・ＡＩへの関心を高め、かつ、数理・データサイエンス・ＡＩを適切に理解し、それを活用する基礎的な能力を育成することを目的として、数理・データサイエンス・ＡＩに関する知識及び技術について体系的な教育を行うものを文部科学大臣が認定及び選定して奨励することにより、数理・データサイエンス・ＡＩに関する基礎的な能力の向上を図る機会の拡大に資することを目的とします。 2．数理・データサイエンス・AI教育プログラム認定制度説明会（リテラシーレベル・応用基礎レベル） 令和6年度認定に向けた申請について、以下のとおり説明会を実施いたしました。 （1）開催日時：令和5年9月19日（火曜日）16時30分から18時00分 （2）開催方法：オンラインにて開催(zoom及びYouT

(Image by Pexels from Pixabay) 今年も恒例の推薦書籍リストの季節がやって参りました。……なのですが、昨年はCOVID-19の影響で*1データ分析業界及び隣接分野の新刊書を読む機会が減ってしまいましたので、例年に比べてラインナップの変更をほとんど検討しないままでリストアップしている点、予めご容赦いただければと思います。 そして今回の記事では、これまで以上に「実務家向け」「実践的」であることを重視しています。そのため昨年までのリストに比べて大幅に刷新されているカテゴリもあったりします。また、末尾に僕なんぞが選ぶよりもずっと優れた推薦書籍リストへのリンクも付しておきました。併せて参考にしていただけると幸いです。 初級向け5冊 総論 統計学 機械学習 中級向け8冊 統計学 機械学習 テーマ別14冊 PRML 機械学習の実践 Deep Learning 統計的因果推論

bertで知る炎上とブランドイメージの関係 イントロダクション 近年のSNSでの炎上は企業にとって大きなリスクとして認識されています。炎上してしまうと、企業はその対応に追われ、多大な労力を払うことになります。また、企業のブランドイメージの既存があると一般的に認識されているようです。 2020年は企業・国務に関連した多くの不祥事がありました。不祥事が起こるたびにその対策は行われてきましたが、炎上自体が引き起こす、ブランドイメージの低下等は定量化されていないようです。 今回、twitterのデータと機械学習のbertと呼ばれるアルゴリズムを用いることで、炎上した企業・商品・公人がどのような影響を受けたかを定量化し、曖昧であった炎上のリスクを可視化したいと思います。 類似した研究等 クチコミによるネット炎上の定量化の試みとその検証 ネット炎上の実態と政策的対応の考察 どのように定量化したか tw

データや統計を分析して新たな価値を生み出し、ビジネスなどに活用する「データサイエンス」という分野の学部・学科や教育プログラムが大学の間で広がり始めた。キーワードは「文理融合・共創」。文系・理系にかかわりなく、全学的な取り組みとして推進していくことを目指す。中央大学商学部4年生の越智百花さんは卒論を書くため、ウェブ上で約200人にアンケートを実施、データサイエンスの手法で結果を分析した。「プログ

データサイエンス主導の政策決定の再発明・国民全参加型の議論フォーラムの可視化 オードリー・タン台湾デジタル大臣との対話 - 未曾有の危機に幅広く使える未来思考（前編） 2021年1月19日、『コロナ vs. AI 最新テクノロジーで感染症に挑む』（翔泳社刊）が発売されました。医師の起業家からAIの研究者・ITの先端技術コンサルタントによって執筆されており、コロナ対抗策としてのAIの社会実装事例・AI研究事例・医療研究事例をわかりやすくまとめられています。今回本書の発売を記念して、収録されている台湾のデジタル大臣、オードリー・タンさんへの特別インタビューから、一部内容をご紹介します。株式会社キアラ 代表取締役の石井 大輔氏による寄稿です。（後編はこちら）。 IQ180の天才エンジニア、世界でも大注目を集める台湾のデジタル大臣オードリー・タンさんに貴重なインタビューの機会を頂けた事は、私にとっ