東京の多摩川沿いの浸水リスクがある地域で、「なぜか人口が増えている」ことをデータ分析ソフトを使って明らかにして、その背景を探りました。 次にこんな記事も書きました。 南海トラフ巨大地震によって津波の浸水が想定されている区域で、高齢者の施設がすごく増えていることを示した記事です。 どちらの記事も、誰もが入手できる「オープンデータ」と、後述する「GIS」という分析システムを使って隠れた事実を浮き彫りにした、データジャーナリズムのお手本などと紹介されたこともあります。 そしてつい最近手がけたのがNHKスペシャル「〝津波浸水域〟の高齢者施設」。蓄積してきた分析のノウハウを注ぎ込んだ番組です。 「データ分析」というと専門的で、すごく難しく思う方もいるかもしれません。しかし最初に述べたように私は数年前までは、パソコンを満足に使えない、データ分析とは無縁の「ガラケー記者」だったのです。本当に。 そんな私
これは何かGoogleの Material Design Guideline - Data Visualization がとても良くまとまっていたので、自分なりに和訳・編集してまとめたものです。 ※ 注意事項 こちらはあくまで、もとのドキュメントを参考に筆者が和訳・編集したものになります。原文の完全な和訳ではなく、抜粋の範囲や、英=>和の際の意訳を筆者が恣意的に行っています。 筆者の意訳・編集による曲解や元のドキュメントでのオリジナルの文意が気になる方は原文を読むことを強くおすすめします。 和訳の公開の可否についてはGoogle社に直接問い合わせています。1 / 原理原則（Principles） データの可視化は、複雑で内容の多い情報をグラフィカルな形式で表現するコミュニケーション手段である。 可視化の結果、データを比較しストーリーを伝えることが容易になり、データの利用者の意思決定の助け
34テラバイトのデータと格闘して「全国ハザードマップ」を公開した理由 5月下旬に公開を開始したNHKの「全国ハザードマップ」。川の氾濫による洪水リスクを中心に掲載し、多くの方に活用頂いています。 ⇒「NHK全国ハザードマップ」の紹介記事はこちら 一方で、「市町村が出しているハザードマップがあれば十分だ」「リスクを網羅していない不完全なマップの公開は良くない」「NHKではなく国が取り組むべき仕事ではないか」といった意見も頂きました。 今回なぜ、このような取り組みを行ったのか。どうやってデータを収集して地図を作ったのか。詳しく説明します。 なぜ「デジタルデータ」を集めたのか？ 私たちはこれまで「ハザードマップを見て下さい」という呼びかけを、テレビやラジオのニュースや番組、ネット記事、SNSなどで繰り返してきました。 なぜなら、自分の暮らす場所のリスクを知ることが、災害から命を守るスタートだから
はじめまして。デジタル庁ファクト＆データユニット所属、データエンジニアの長谷川です。 本記事ではデジタル庁内でデータ活用を推進するための組織と分析基盤についてご紹介します。 これまでのデジタル庁noteと比べると、技術寄りの話題が多い記事となりますが、庁内のデータ活用に興味のある方はぜひご覧ください。 デジタル庁のデータ活用組織「ファクト＆データユニット」ファクト＆データユニットとはデジタル庁の特徴の一つに、デジタル分野において各種の専門性をもつ「民間専門人材」が多く所属していることが挙げられます。 民間の専門人材は、デザイン、プロダクトマネジメント、エンジニアリングなど、領域ごとに「ユニット」と呼ばれる組織を構成しており（参考：デジタル庁 - 組織情報）、必要に応じてさまざまなプロジェクトにアサインされて業務を遂行する、人材プールのような役割を果たしています。 ファクト＆データユニットも
データ分析&データ視覚化のコンサルティングをしております、永田ゆかりと申します。 これまで2000人以上の方にデータ分析や活用の研修・トレーニング講師、企業への分析コンサルティングをさせていただいており、仕事をさせていただく中で必要な本を読み続けているうちに、気がついたらデータ分析領域の本を200冊以上読んでいました。 中でもデータビジュアライゼーション・視覚化の領域に関しては私自身の得意領域ということもあり、数多く読み込んでいます。 本記事では数多くのクライアントの方々との問題解決に役立った知識・ノウハウが書かれている良書をご紹介させていただきますので、是非最後までご覧ください。 データ可視化そのものについて知りたいたは、こちらの記事からどうぞ。 データ可視化とは？その重要性や手法、よくある課題と解決策を解説 データ分析における視覚化（ビジュアライゼーション）系のおすすめの本17選1 S
データ分析における特徴量エンジニアリング / feature engineering recipes
関連資料: http://bit.ly/practical-ds https://github.com/uribo/practical-ds (code) https://github.com/uribo/190710-johokiko (keynote) https://uribo.github.io/dpp-cookbook/
Material Design
Build beautiful, usable products faster. Material Design is an adaptable system—backed by open-source code—that helps teams build high quality digital experiences.
Connected Papers | Find and explore academic papers
Connected Papers is a visual tool to help researchers and applied scientists find academic papers relevant to their field of work.
実践的データサイエンス はじめに データ分析のためにコンピュータを利用する際、RおよびPython言語のいずれかを使うことが多いと思います(Julia言語は高レベル・高パフォーマンスな技術計算のための言語で今後期待が膨らみます）。これらの2つの言語では、データ操作や可視化、データ分析、モデリングに使われるライブラリが豊富にあり、 どれを使うのが良いのか迷うような状況が続いていました。しかしその状態は落ち着きを見せ、成熟期を迎えつつあります。 R言語ではパイプ演算子の登場によりデータフレームに対する操作に大きな変化が生じ、tidyverseによるデータ読み込みからデータ整形、可視化までが可能になりました。またtidyverseのような、機械や人間の双方が扱いやすいパッケージが増えてきました。特にR言語の強力な一面でもあったデータ分析の操作はtidymodelsに代表されるパッケージがユーザの
日本一のフリーランスデータベースを大公開したので、AWSイベントに登壇させていただきました。 - Leverages データ戦略ブログ
はじめに 初めまして、データ戦略室データアナリストの井上と申します。このブログで過去に登場した井上とは別の井上です。レバレジーズ内においてSplatoon最強の男です。 先日、大変ありがたいことに、AWS様が主催するAWS で実践！Analytics Modernization ～事例祭り編～の登壇依頼をいただき、オンラインにて「日本一のITフリーランスDBを世間に大公開してみた」というタイトルで発表いたしました。 弊社のレバテックフリーランスというサービスでは、レバテックにご登録いただいている企業様、IT技術者様にマイページ「レバテックプラットフォーム」をご利用いただいております。情報収集やレバテックとのやりとりや契約管理だけでなく、企業様によるIT技術者検索やスカウト、IT技術者様による案件検索や応募まで、フリーランスの全てがレバテックプラットフォームで完結します。 この度、そのレバテ
Google のデータ ビジュアライゼーションに関するマテリアルデザインの記事を Tableau 視点で読む - データ可視化のアイデア帳
先日話題になった、Google のデータ ビジュアライゼーションの記事が気になったので読んでみました。 material.io この記事はデータを可視化する際の基本的なセオリーから、個々のケースでの DO と DON'T が紹介しています。非常にまとまっている反面、英語であること、それなりの前提知識を必要とするなと感じたので*1 Tableau 的な視点から読んでみた感想をまとめていきます。 なお Tableau 視点ですので、Tableau にない思想やない機能については言及しません。訳してるように見える箇所も意訳ですので、正確性を求める方は元記事を読んでください。 Principle Type Selecting Charts 時系列変化を示す場合 棒グラフと円グラフ 棒グラフは異なるカテゴリーの時間による変化を示すのに使う 円グラフは時系列変化に使わない エリア チャート 積み重ねた
気候変動により「人間が住めなくなる場所」がマッピングされた世界地図
近年、温暖化や水不足、自然災害によって、人間の生息地が脅かされつつあります。ドイツの大手新聞社であるFunke Mediengruppeが、このような気候変動により2100年までに人間が居住不可能になる地域を予想し、地球の3Dモデルに示しています。 Climate change: Mapping in 3D where the earth will become uninhabitable https://interaktiv.morgenpost.de/klimawandel-hitze-meeresspiegel-wassermangel-stuerme-unbewohnbar/en.html Funke Mediengruppeは「熱波」「水不足」「海面上昇」「熱帯低気圧」の4つに焦点を当て、これらの影響を受ける地域の2100年ごろの生活環境を予想。現在の各地域の人口を基にマッピング
にゃんこそば☀データ可視化 on Twitter: "核家族で「世帯年収1,000万円以上」の割合を示した地図。 地域格差がどうこう･･･というより、"都心や大企業の拠点に通いやすいファミリー向けエリア" が可視化されている印象。 ※世帯収入は年齢とも相関するので単純比較はNGです… https://t.co/BRuHaDlYD7"
核家族で「世帯年収1,000万円以上」の割合を示した地図。 地域格差がどうこう･･･というより、"都心や大企業の拠点に通いやすいファミリー向けエリア" が可視化されている印象。 ※世帯収入は年齢とも相関するので単純比較はNGです… https://t.co/BRuHaDlYD7
The OED Text Visualizer takes the annotated text output of the OED Text Annotator and displays the etymologies and first usages, two core components of the OED’s data, in a visual format to demonstrate how annotation paired with simple visualization can open up new areas of questioning and means of discovery.
SHAP(SHapley Additive exPlanations)で機械学習モデルを解釈する - Dropout
はじめに この記事で書いていること、書いていないこと アルバイトゲームとShapley Value 機械学習モデルへの応用 参考文献 はじめに ブラックボックスモデルを解釈する手法として、協力ゲーム理論のShapley Valueを応用したSHAP(SHapley Additive exPlanations)が非常に注目されています。SHAPは各インスタンスの予測値の解釈に使えるだけでなく、Partial Dependence Plotのように予測値と変数の関係をみることができ、さらに変数重要度としても解釈が可能であるなど、ミクロ的な解釈からマクロ的な解釈までを一貫して行える点で非常に優れた解釈手法です。 SHAPの論文の作者によって使いやすいPythonパッケージが開発されていることもあり、実際にパッケージを使った実用例はたくさん見かけるので、本記事では協力ゲーム理論の具体例、Shapl
Microsoft open sources SandDance, a visual data exploration tool - Microsoft Open Source Blog
Toggle share menu for: Microsoft open sources SandDance, a visual data exploration tool Share Share Microsoft open sources SandDance, a visual data exploration tool on X X Share Microsoft open sources SandDance, a visual data exploration tool on LinkedIn LinkedIn Share Microsoft open sources SandDance, a visual data exploration tool on Facebook Facebook Share Microsoft open sources SandDance, a vi
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
超わかりやすい～グラフの種類と使い分け・効果的なデータ可視化を目指せ！ 最終更新日:2022-6-13 皆さんはデータ分析、ビジネス統計の際、グラフを作成する経験があるでしょう。グラフ作成の目的に合わせて上手にグラフ種類を使い分けることが大事ですね。グラフの種類が実に多種多様で、目的によってグラフの選び方・使い方もそれぞれです。 分析するデータの種類や内容によって、「どの図を使用すればいいのか」迷ったこともあるかもしれません。 そこで今回は、目的別によく使われる統計チャーチ・グラフ種類を紹介します。統計図表や比較グラフ･チャートの選び方と使い分け方も説明します。キレイで効果的なグラフ作成ポイントもお伝えします。 図表・チャート・グラフの種類 比較グラフの選び方と使い分け方がよく分からない。 エクセルのグラフ種類が多くて、いつどれを使うのかが分からない。 レーダーチャートの用途は何だっけ。ツ
Storytelling is an essential skill for us data scientists. To convey our ideas and be persuasive, we need effective communication. And aesthetic visualisations are a great tool for that. In this post, we’ll cover 5 visualisation techniques beyond the classics that can make your data story more aesthetic…
GitHub - vizzuhq/vizzu-lib: Library for animated data visualizations and data stories.
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
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
ガラケーしか使えないデジタル音痴だった私が「GISでデータ分析」できるようになるまでの話｜NHK取材ノート
この記事の元の本編は削除しました。｜樫田光 | Hikaru Kashida｜note
「NHK全国ハザードマップ」を公開した理由 34テラバイトのデータと格闘 - NHK
デジタル庁のデータ分析基盤「sukuna」｜デジタル庁
データ視覚化のプロが選ぶデータ分析のオススメ本32選
Practical Data Science with R and Python: 実践的データサイエンス
Googleのデータ可視化ツール「Googleデータポータル」の無料マニュアルをパワー・インタラクティブが公開 | Web担当者Forum
OED Text Visualizer (beta)
https://twitter.com/ShinagawaJP/status/1587776545082548227
bizpy/20201111 at main · drillan/bizpy
超わかりやすい～グラフの種類と使い分け・効果的なデータ可視化を目指せ！ | FineReport
5 Visualisations to Level Up Your Data Story