GEとAdobe、人事評価制度やめたってよ。目的のためには手段はどんどん変えていく
事業会社、コンサルティングファームの両面から人事に20年たずさわった経験を活かして独立。人事領域全般のコンサルティングを主な事業としているアルドーニ株式会社の代表。 企業の人事制度において、評価制度は多くの会社で導入しているでしょう。いわゆる、目標管理制度（Management By Objective and self control)によって、年初に上司と業務上の達成目標を設定し、その達成度合いが年度末に評価されます。その結果に基づき評定（4段階～5段階のところが多い）が決定し、賞与金額や昇給率に影響が出てくる（場合によっては昇格・降格もある）という、アレです。 私が昨年8月末まで在籍していた会社でも、全世界で導入されておりました。また、これに必要な「評価者研修」も共通プログラムとして存在しており、そのローカライズおよび展開といったことも担当業務でした。 最近になって、最終評点を廃止す
LASSO and Ridge regression - データサイエンティスト上がりのDX参謀・起業家
今回はLASSOとリッジ回帰についてです。 パッケージは「glmnet」、「lars」、「lasso2」で実行できます。 glmnetとlarsの作者はFriedman、Hastie、Efron、Tibshiraniと有名な先生ですが、lasso2の作者は知らないです。。 内容もほぼ一緒なので、LASSOをするときはglmnet一択で良いと思います。 まずは使用例から。。。 データはLARSパッケージにあるdiabetesを使います。 このデータである結果変数y（中性脂肪？）をx（性別や血圧など）によって予測するモデルを作ります。 まずは単純な線形回帰をします。 library(lars) library(glmnet) data(diabetes) Linear <- lm(diabetes$y ~ diabetes$x) Linear$coefficients これが推定結果です。 (
Spark on Dockerで分散型機械学習を始める - Part1: インストール - Qiita
日経BPのITインフラテクノロジーAWARD 2015が発表されました。2015年にブレークすると予想されるクラウドやビッグデータの製品やサービスを選出しています。グランプリにDocker、準グランプリにApache Sparkが選ばれました。Sparkは2014年に入り盛り上がってきています。インメモリで高速に分散処理ができるため、機械学習のような繰り返し処理に向いています。MLibの機械学習ライブラリもあるので分散型機械学習フレームワークとして注目を集めています。そんなDockerとSparkを使い手軽に分散型機械学習の環境をつくり勉強していこうと思います。 このシリーズ Spark on Dockerで分散型機械学習を始める - Part 1: インストール Spark on Dockerで分散型機械学習を始める - Part 2: UbuntuでIPython Notebookを使
「ムーアの法則の終焉」をどう切り抜けるか？ NVIDIAのチーフサイエンティストがディープラーニングのイベントで語った
「ムーアの法則の終焉」をどう切り抜けるか？ NVIDIAのチーフサイエンティストがディープラーニングのイベントで語った ライター：米田 聡 Bill Dally氏（Chief Scientist and SVP of Research，NVIDIA） 2016年1月17日，NVIDIAは，東京都内でディープラーニング分野の開発者向けイベント「NVIDIA Deep Learning Institute 2017」を開催した。2016年からNVIDIAが行っているディープラーニングに焦点を当てたイベント（関連記事）の2017年版である。 タイトルからも分かるとおり，ゲームとはほぼ何も関係のないイベントだ。だが，本イベントに合わせて来日し，基調講演を行ったNVIDIAのChief ScientistであるBill Dally（ビル・ダリー）氏は，将来のGPUにもつながりそうな興味深い話題を盛り
ITソリューション塾：オルタナティブ・ブログ
神社の杜のワーキング・プレイス 8MATO 特別焙煎・4種類のコーヒーを飲み放題"500円"で楽しめる「珈琲の時間」始めます
スパース推定 | Shimodaira Lab
スパース推定は，最近，統計学機械学習でよく用いられています．「スパース」とは，「疎」という意味で，「スカスカ」というイメージです． 実際に観測されるデータは，比較的スパース構造を持ったデータが多いです．たとえば，画像データでは，隣同士のピクセルの色は，同じような色であることがほとんどです．このとき，同じような色を持つ部分をうまくまとめると，データの情報を大幅に圧縮できます．スパース推定は，データそのものはものすごい大規模だけれども，意味のある情報はごく一部である時に使われます．実際のスパース推定では，大量にパラメータを用意し，重要でないパラメータを“0”と推定します． もうすこし具体的に線形重回帰モデルについて考えます．次元説明変数と目的変数に関して組のデータが得られたとします．このとき，線形回帰モデルは で与えられます．ただし，は誤差項とします．は，求めたいパラメータで，のうち，いくつか
WEB経営学講座WATNEY
5年先の経営を、大きく変える 経営学講座 経営学は、机上の空論ではない。 数百年かけて磨かれた、 経営のための武器である。 特長 その1 大学・大学院で教えられている様々な理論（経営戦略やマーケティングなど）を、基礎から最先端まで幅広くWEBで学べる キーワード解説や入門的な内容だけにとどまらず、大学・大学院で教えられている講義をビジネスパーソン向けにアレンジした、理論体系の全体像を学べます。
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
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
