ほとんどのマーケティング従事者が興味を持たない「エーザイの統合報告書」がヤバいから読んだ方が良いぞ！という件｜池田紀行@トライバル代表
PwC Japanの坂野さんと、エーザイ専務執行役CFOにして早稲田大学大学院会計研究科客員教授も務める柳さんの対談記事です。 コンサルファームのPwC（プライスウォーターハウスクーパース）と企業のCFOがESGと財務の話をしている時点で、大半のマーケターが「あ、この記事は自分にとって関係ないな」と感じるのでは。 ちなみに、PwC Japanの坂野さんが書いたこの本は（まだ読んでいる途中ですが）めちゃくちゃ必読です（「ESGとかCSRとかSDGsって、儲からないけど、しょうがなくやらなきゃならない企業の社会的責任でしょ？」って思っている人こそ読む本です）。 ここから、僕が感じたエーザイのヤバさ（良い意味）について解説します。 ESGと財務情報の相関性を定量的に検証しようとしている先に挙げた記事の中で、柳さんはこう言っています。 ESGのさまざまなKPI（重要業績評価指標）と企業価値との関連
平均賃金に男女で37.5%の差があるということは、女性社員の収入は男性の約6割ということだ。 その要因の｢一例｣としてメルカリCHROの木下達夫氏は、給与水準が高いエンジニア職に男性が多いこと、また、女性が多い職種であるカスタマーサービスは福岡県など地方に拠点があり、東京基準ではなく現地で競争力がある報酬水準に設定しているためだと説明した。 メルカリの女性管理職比率は20.4%だが、管理職手当を出していないため女性管理職の少なさは平均賃金の差には関係ないとする一方で、｢高いグレード（等級）に女性が少なく、課題に思っている｣（木下さん）と話す。 国が定める男女の賃金格差の開示義務は、｢男性労働者の平均賃金に対する、女性労働者の平均賃金を割合（パーセント）で示す｣こと、｢全労働者・正規雇用労働者・非正規雇用労働者の区分で公表すること｣の2点だが、 ｢この算出法（平均値）では職種や等級による報酬
40代プログラミング初心者がpython始めて半年！独学で勉強が続いている理由と読んだ本 - Qiita
下で最新版に記事を編集しましたブログを作ったよ ツイッターアカウントフォローお願いします https://twitter.com/usagipycom こんな記事も書いてます 友達がpythonでPCゲームのレベル上げツールを作っていた それを聞いて、pythonって便利なのね。と思いその後色々あってプログラミングを勉強することにした プログラマー35歳までみたいな世の中で40代おそすぎ！ってあるかもしれない PCがあって、無料の教材はネットに転がってるし、本もたくさんあるし、挑戦するのは無料だし2022年の1月ぐらいから勉強を始めた 入門書って成果物がないからつまらないなと思ってそれ以外になんかないかなって本屋さんをふらふらしてたら python自動化 みたいな書籍がいっぱいあることに気がついた なるほど、もしかしたら仕事楽になるんじゃないかそんな思いから次の本を買った シゴトがはかどる
2022年4月13日の試験で統計検定準1級に合格したので、記事を書く気になりました。daminです。（Twitter: @5882353i） うおおおおおおお統計検定準1級合格！！！！！！！うおおおおおおお！！！おおおおおお！！！！！！うおおおおおお！！！！！！！！！！！！！！！ pic.twitter.com/J1LDsgUVm1 — 惰眠👻 (@5882353i) 2022年4月13日 背景や、合格するまでに使った本などを書いていきます。 背景（受験までのおおまかな流れなど） 余談：センター統計選択のススメ 持っていた方がよいもの・知識 線形代数の知識 Pythonの知識 goodnotes5 使った本 東大出版の統計学入門（通称：赤い本） 公式の準1級対策本（通称：ワークブック） 過去問 クラインバウム生存時間解析 ゼロDL ベイズ漫画 まとめ 真剣に読んでいる人向けのまとめ あま
何故データサイエンティストになりたかったら、きちんと体系立てて学ばなければならないのか - 渋谷駅前で働くデータサイエンティストのブログ
先日、Quora日本語版でこんなやり取りがありました。 基本的にはここで述べた通りの話なのですが、折角なのでブログの方でも記事としてちょっとまとめておこうと思います。題して「何故データサイエンティストになりたかったら、きちんと体系立てて学ばなければならないのか」というお話です。 問題意識としては毎回引き合いに出しているこちらの過去記事で論じられているような「ワナビーデータサイエンティスト」たちをどう導くべきかという議論が以前から各所であり、それらを念頭に置いています。なお毎度のことで恐縮ですが、僕も基本的には独学一本の素人ですので以下の記述に誤りや説明不足の点などあればご指摘くださると幸いです。 一般的なソフトウェア開発と、統計分析や機械学習との違い 統計分析や機械学習を仕事にするなら、その「振る舞い」を体系立てて学ぶ必要がある きちんと体系立てて学ばなかった結果として陥りがちな罠 余談
オタク君は心が通うことが何より大事だと思ってるけど、女子からすると心が通うことより暴力性のが大事だからな。「理解者」になるのをやめて女を殴れ。 — 小山晃弘（狂） (@akihiro_koyama) September 10, 2021 Twitter上では「暴力性を出せばモテる」説が支持されている。とりわけ過激な主張をする小山氏（2021年11月7日11時現在、フォロワー数25,702）と、エビデンスを提供するrei氏（2021年11月7日11時現在、フォロワー数64,773）の影響は大きいと考える。 しかしなぜこれほどにまで「暴力性を出せばモテる」説が支持されるのだろうか。 「暴力性を出せばモテる」説が支持される背景（まとめ） ① 記憶に残りやすい体験を過剰に見積もる認知バイアス ② モテ努力を諦めた者の”最後の砦”として ③ ナンパ師界隈の性暴力的手法の肯定のため ④ 「男性のアプロ
統計検定準1級 合格体験記 - Qiita
はじめに 統計検定準1級は(一財)統計質保証推進協会が実施、(一社)日本統計学会が公式認定する「2級までの基礎知識をもとに、実社会の様々な問題に対して適切な統計学の諸手法を応用できる能力を問う」試験です。現在はCBTでの実施となっています。 主観を込めて言いますと、2級と準1級では難易度に雲泥の差があります。 強調して言っておきます。まったく違います！ 準1級では統計的推定や検定に加えて、多変量解析(重回帰、PCA、主成分分析、数量化)、時系列解析、マルコフ連鎖、確率過程、分散分析、ベイズ統計、MCMC...と範囲が広いのが特徴です。 以下、かなりの長文になりましたが、受験して得た知見をかなり具体的に記述しました。読者の皆様の合格への一助となれば幸いです。 目的 私はとある私立中高で物理と情報を教えています。統計の勉強を始めたのは、教科「情報」を教えるにあたってのスキルアップが目的です。も
Udemyで夏の大キャンペーン開催！ はてなブロガーも受講した、Python・機械学習・人工知能など最先端スキルを学べる講座を5つピックアップ - はてなニュース
お盆休みが明けてもう8月下旬。秋に向けて自分が学んでみたいことや身に付けておきたい技術などを見つけ始めるにはよいタイミングです。そこで、オンライン学習プラットフォーム・Udemy（ユーデミー）のオンライン講座をチェックしてみてはいかがでしょうか。 Udemy(ユーデミー)公式サイト Udemyの講座は一度購入すれば受講に期限はなく、PCでもスマートフォンでもデバイスを問わず見られるので、ちょっとした隙間の時間を有効に活用可能。必要な時に必要な講座を選べます。はてなブログを使って、受講内容のまとめや振り返り、学んだことのメモを書いている方も多くいらっしゃいます。今回はUdemyの数ある講座の中から、はてなブログユーザーさんの声も交え、おすすめの講座を5つピックアップしました。 Udemyでは8月30日（金）午後3時59分まで、対象の講座が1,200円から受講できる大セールが実施されています！
ちょっと前に、しょうもないことを某所で放言したら思いの外拡散されてしまいました。 機械学習の説明可能性（解釈性）、大半のケースで求められているのは厳密な分類・回帰根拠ではなく受け手の「納得感」なので、特に実ビジネス上は説明可能性に長けたモデルを開発するより、納得できないお客さんを巧みに関係性構築した上で口八丁で完璧に説得できる凄腕営業ピープルを雇う方が重要— TJO (@TJO_datasci) 2019年11月23日 これ自体は与太話なので実際どうでも良い*1のですが、最近色々な研究や技術開発の進展はたまた実務家による考察などを見ていて、「機械学習の説明可能性（解釈性）というのは思った以上に複雑な迷宮だ」と感じることがままあったのでした。 ということで、今回の記事では僕のサーベイの範囲でザッと見て目についた資料などを超絶大雑把にリストアップした上で、主に実務における説明可能性とは何かとい
マインドフルネスは有害な行動にむすびつくか?――マインドフルネスと能動的攻撃の関連に対する危害／ケアの調整効果
近年，マインドフルネスが効果をもたらすためには，他者に害を及ぼさず，思いやることを良しとする倫理（危害/ケア）を必要とする知見が提出されている。また，危害/ケアを欠いた場合，マインドフルネスが有害な結果をもたらす可能性が指摘されている。本研究では，想定される有害な行動として能動的攻撃を取り上げ，マインドフルネスと能動的攻撃の関連に対する危害/ケアの調整効果を検討した。大学生179名を対象とした質問紙調査を実施し，階層的重回帰分析を行った結果，危害/ケアが低い場合，マインドフルネスが高いほど，能動的攻撃性が高かった。この結果より，マインドフルネスは危害/ケアが欠如した中では有害な行動にむすびつく可能性が示唆された。以上を踏まえて，今後の研究では，マインドフルネスにもとづく介入による有害事象の可能性を検証する必要性が示唆された。
ワクチンデマ、信じるのはどのような人たちか データで見るその心理（原田隆之） - エキスパート - Yahoo!ニュース
ワクチン接種意図の変化 現在、わが国ではコロナのワクチン接種が急速に進んでいる。2回目の接種を終えた人は、国民の過半数に及び、米国の接種率も追い抜いた。 前々回の記事で、ワクチン接種に関する調査データを紹介したが（「ワクチンを接種した／したい」が85.5％ 若者の接種希望も大幅増）、そこではワクチンを接種したいと回答した人は、全体の85.5％に及んでいることがわかった。20代、30代の若い世代でも、約80％であった。 ワクチンを接種したいという人の割合は、4月時点での調査結果から大幅に増加していたが、その大きな理由は、「変異株など今の感染状況を見て打ったほうがよいと思ったから」「周りの人が打っているから」というものであった（ワクチン接種に対する心理は、4月からの5か月間でどう変化したか そしてその理由は？）。 こうした理由を見ると、ワクチン接種希望者が増えているとは言っても、安心ばかりはし
Python初心者企業の財務分析をしたいけど、なにをしたらいいのかわからないよ。。。 この記事は10分程で読むことができます！ この記事では、Python初心者でもできるように、財務諸表分析をレクチャーしていきます！ 本記事は、全8回に渡って掲載される「pythonによる財務分析‐バフェットコードを用いて完全レクチャー！」シリーズの第1回になります！ このシリーズを読むとわかることPython初心者でも、数百数千の企業の財務データを分析出来るようになる！ 最終的に重回帰分析といった機械学習的手法もマスターできる！ 重回帰分析をマスターすれば、株式投資のリターン予測を行う事が出来るようになり、プログラミングだけでなく投資のスキルも磨けます！ また、ファイナンス系以外の幅広い分野の研究機関でも、この分析手法を利用した論文も多々ある為、教養としても覚えて損はないです！ 是非、全8回を読みPyth
5/28日追記：ある先生から咳のデータを見せて頂きました。論文の公開はできないとのことですが、咳における流量は発話における流量に比べて文字通り桁違いでした。また、音圧もこれまた桁違いでした。もちろん発話時の飛沫も大事ですが、咳の恐ろしさを実感する値でした。 ＊＊＊ やはり我慢ができなくなり、動画を撮ってＵＰしました。でも、書いたのはこちらの記事が先です。 ＊＊＊ ５月２１日ごろでしょうか、『ひるおび』という番組で、以下のような仮説が紹介されたようです。日本語で「これはペンです」と言った場合と、英語でThis is a penと言った場合だと、後者の方が飛沫が飛ぶので、それが欧州やアメリカでの完成拡大に繋がっているのではないか、という話しです。 川原は実際の番組を見ておらず、しかも、前後は切り取られているので、どのような文脈だったのか詳しく存知あげていないのですが、音声・言語の専門家としてい
株式会社Preferred Networks（本社：東京都千代田区、代表取締役 最高経営責任者：西川徹、プリファードネットワークス、以下、PFN）は、AIおよびデータサイエンスを基礎から学びたい大学生・社会人向けに、機械学習・深層学習の基礎学習コンテンツ4種を、個人向けオンラインAI人材育成講座 SIGNATE Quest*のマーケットプレイスで本日提供開始します。 各産業の専門分野にAIおよびデータサイエンスを応用することができる人材の大幅な不足が指摘される中、そうした人材の育成が国家戦略の重要テーマの１つとして位置づけられています。 PFNは深層学習フレームワークの開発、深層学習技術の産業応用において培ってきた経験をもとに、これからの社会を担う大学生・社会人向けに、機械学習・深層学習技術の活用に必須となる知識を習得するための4つの基礎学習コンテンツを提供します。 SIGNATE Que
Web系企業での一人目の機械学習エンジニア・データサイエンティストに必要なスキルと経験して思ったこと - Qiita
０、はじめに マッチングアプリで機械学習エンジニアをやっているはやとと言います。今回は「Web系企業での一人目の機械学習エンジニア・データサイエンティストに必要なもの、やって感じたこと」について書いていこうと思います。 「Web系企業で機械学習エンジニアやってみたい！」「組織としてデータ分析や機械学習をやり始めたいけど何からやったらいいかわからない！」という方も多くいるでしょう。 Web系企業での機械学習エンジニア・データサイエンティストの動きはメルカリのブログとか本でよく見ます。しかし、まだ規模があまり大きくない会社における機械学習エンジニア・データサイエンティストの記事や本は一切見当たらず、また、立ち上げ（そんな大げさな言葉を使っていいのか分かりませんがw）の話が書いてあるものは見たことがないです。そのため、もしかしたら日本で初めての記事になるのではないかなと考えてワクワクしながら書い
夫婦で納得の土地探しをするためにLINE Bot作ったりデータサイエンスした話 - ABEJA Tech Blog
皆さんこんにちは！ ABEJAでデータサイエンティストをしている服部といいます。 本記事はABEJA Advent Calendar2022の10日目の記事になります。 背景 引っ越しから2年.... データサイエンティストとしてのリベンジ 前回の反省を踏まえて.... 1. お得そうに見える土地には絶対に理由がある 2. 土地の数はせいぜい限られていて全部探すのも難しくない 今回解く課題 土地探しにおける意見の違いとは？ どうやってデータサイエンスを使って夫婦の擦り合せを行う？ アプローチ 実装 1. 架空の土地条件をランダムに沢山作る 土地条件の項目数や取りうる範囲が増えすぎないようにする 自分たちにとって関連性が高い項目を入れる 2. 作った土地に対して夫婦それぞれで値段をつける LINE Botの概要 バックエンド 土地情報の作成とFireStoreに登録 妻からのフィードバック
大学生のためのデータサイエンス（Ⅱ）
講座内容 前回の「大学生のためのデータサイエンス(Ⅰ)」では、データサイエンス全般についての概観を与えることを目的にして、現代社会におけるデータサイエンス、データ分析の基礎、コンピュータを用いたデータ分析、データサイエンスの応用事例について4週間で説明しました。 今回の(Ⅱ)では、技術的により進んだ内容として、機械学習の諸手法とその応用について説明します。まず、機械学習とは何かという説明から始め、その後に機械学習の応用事例を紹介します。応用事例を先に見ることによって、機械学習の有用性が理解でき、機械学習の手法をより積極的に学ぶことができると期待されます。次に分類問題と回帰問題の具体的な手法を説明し、同時に特徴量の設計・選択など、実践的なテクニックについても紹介します。最後に、近年、発展の著しいニューラルネットワークについて説明します。 本講座は、機械学習の分野の中でも教師あり学習を中心に進
2019-nCoVについてのメモとリンク
リンク集目次 国内外の状況 政府機関・国際機関等 学術情報 疫学論文 分子生物学／ウイルス学論文 臨床論文 インフォデミック関係 ワクチン関係 変異株関係 時系列メモ目次 新型コロナウイルス（2020年1月6日，11日） インペリグループによる患者数推定（2020年1月18日） 患者数急増，西浦さんたちの論文（2020年1月20日，23日） WHOはPHEIC宣言せず（2020年1月23-24日） 絶対リスクと相対リスク（2020年1月26日） 研究ラッシュが起こるかも（2020年1月27日） なぜ新感染症でなく指定感染症なのか？ なぜ厚労省令でなく閣議決定なのか？（2020年1月27日） コロナウイルスに対する個人防御（2020年1月27日） 国内ヒト＝ヒト感染発生（2020年1月28日） フォローアップセンター設置，緊急避難等（2020年1月29日） PHEICの宣言（2020年1月3
0. はじめに 昨今のAI、DXブームの影響で、機械学習、深層学習（ディープラーニング, Deep Learning） への注目は増すばかりですが、初学者の方にとって機械学習を学ぶハードルは依然高い状態かと思います。 機械学習、特にディープラーニングを習得するには学ぶべきことが多く、また分野によっては難易度が高いということもあり、学んでいる途中で挫折してしまうという人も多いという印象があります。 そこで本記事では、これから機械学習を学びたい方が自学自習する際の助けになるようにと、有用な自習コンテンツをまとめました。 本記事では、機械学習エンジニアとして実務に参画できるレベルを目指して、コンテンツを収集しました。よって機械学習の理論やライブラリに加え、社会実装する上で付随して必要となるソフトウェアエンジニアリングのスキルも含めています。 コンテンツについては、適宜追記していく予定です。 対象
はじめにこの記事は、文系出身の若手SIer社員が放送大学で情報学を勉強した記録です。主に似たような境遇の方への情報共有を目的に執筆しました。こんなやり方もある、という参考になれば嬉しいです。 簡単に自己紹介通信会社の名前が頭につくシステムインテグレータ（SIer）で、フロントエンドエンジニア兼UIUXデザイナーとして働いています。私立大学の文系学部を卒業後、研究留学を経て東京大学の学際情報学府という大学院で修士を取得し、2018卒として新卒入社して現在3年目ですそうこうしてるうちに5年目になりました。 大学院は広い意味での情報系ではあったものの、「社会情報学」と呼ばれる分野で、いわゆるコンピュータサイエンスではありませんでした（ICT4Dと呼ばれる国際開発学と情報学の合いの子のような分野の研究をしていました）。入社前には応用情報技術者試験にも合格し、何とかついていけるかなと思っていました。
28歳、一念発起して未経験からデータサイエンティストを志した2年間の軌跡 - Qiita
はじめに 経済産業省の試算によるとAIやビッグデータといったデータサイエンティストが関わる分野では2020年に4.8万人が不足すると言われています。 まだまだ、世の中的に需要があり、将来性のある職業ですので、これから目指そうと思われている方も少なくないのではないでしょうか。 私も時代の流れに乗って、データサイエンティストを目指した人の一人です。 「一念発揮して未経験からデータサイエンティストを目指した普通の社会人が、2年後どのような姿になったのか？」 ということに、少しでも興味のある方に読んで頂けましたら幸いです。 そもそもデータサイエンティストとは データサイエンティストは大きく分けて2種類あると考えています。 企業の課題解決のために大規模データを分析し、その結果をもとに状況の改善をすべく施策立案を行うデータアナリスト・コンサルタント寄りのDS サービスに機械学習を用いた機能を実装したり
2020年版：実務の現場で求められるデータサイエンティスト・機械学習エンジニアのスキル要件 - 渋谷駅前で働くデータサイエンティストのブログ
(Image by Pixabay) この記事は、昨年の同様のスキル要件記事のアップデートです。 正直言って昨年バージョンとの差分は殆どないのですが、一応この1年間の業界の進歩を踏まえて僅かながらアップデートしてありますので、ベースとなっているスキル要件についてさらっと概観した上で、差分となるアップデート部分について簡単にコメントしておこうかと思います。 なお、いつもながらの断り書きですが。言うまでもなく、この記事の内容はあくまでも僕の個人的な意見にして、なおかつ僕自身がこれまでの経験と見聞に基づいて「これまで自分が属してきた組織やチームにおけるデータサイエンティストや機械学習エンジニアはこうだったor今後はこうあって欲しい」という最大公約数的な経験談や願望を書き並べたものに過ぎません。よって何かの組織や団体の意見を代表するものではありませんし、況してやauthorizeされた意見として見
【完全網羅】統計検定２級チートシート | とけたろうブログ
統計検定２級に満点で合格するために必要な全知識を紹介します。試験範囲に含まれているようで実際には出題されていないものはバッサリとカットしています。 受検前の知識の確認に使ってください！ １変数，２変数の記述統計の分野 代表値 ヒストグラム…データをいくつかの階級に分けて，縦の長さが度数，横の長さが階級の幅に等しい長方形で表したグラフ データの範囲…最大値ー最小値 中央値…データを大きさの順に並べたときの中央の値です。データが偶数個のときは，中央に並ぶ２つの値の平均です。 四分位数…データを大きさの順に並べて中央値（第２四分位数）で２つに分けるとき，第１四分位数は値の小さいグループの中央値，第３四分位数は値の大きいグループの中央値 四分位範囲…第３四分位数ー第１四分位数 箱ひげ図…データの散らばりを，第１四分位数と第３四分位数を両端とする箱と，最大値，最小値を端とするひげで表した図 相対度数
【2020年版・初心者向け】独学でAIエンジニアになりたい人向けのオススメの勉強方法 - Qiita
AI Academy Bootcamp ６ヶ月35,000円にてチャットで質問し放題の環境で、機械学習やデータ分析が学べるサービスを提供しております。 数十名在籍しているデータサイエンティストや機械学習エンジニアに質問し放題の環境でデータ分析、統計、機械学習、SQL等が学べます。AI人材に必要なスキルを効率よく体系的に身に付けたい方は是非ご検討ください！ https://aiacademy.jp/bootcamp この記事の対象者 ・将来Pythonでデータ解析をしたいと考えているが、何から手をつけたら良いか知りたい方 ・将来、人工知能に関連した業務に携わりたいと検討中の初学者の方 ・未経験者からAIエンジニアになりたく、そのためにどのような知識が必要か知りたい方 ・AIプログラミングスクールや専門学校に進学しようか考えているが、独学で勉強できる方法を知りたいという方 対象ではない方 ・既
2021年上半期にAI（人工知能）関連メディアであるLedge.aiで公開した記事のうち、反響の大きかったもの再掲します（※初公開日：2021年4月24日）。 今回は株式会社キカガクが提供する「Python & 機械学習入門」を受けてみました。約9時間の講義がすべて無料で受けられます。 本講座は、機械学習に必要な数学の基礎、Google Colaboratoryを用いた実装を学べる講座です。必要なところだけを絞って説明されるのでわかりやすく、基礎を習得できます。カリキュラムは以下のとおりです。 導入微分線形代数単回帰分析重回帰分析１Python速習単回帰分析の実装重回帰分析の実装演習問題統計重回帰分析2「導入」では、主に機械学習についての説明があります。AI・ディープラーニングとの関係性や、機械学習ではどの数学知識が必要なのか言及しています。初めての人は「微分」と「線形代数」を学びましょう
『「誤差」「大間違い」「ウソ」を見分ける統計学』は既に統計学を学んだ人がさらなる理解の深みと多様さを求めて読むべき「副読本」 - 渋谷駅前で働くデータサイエンティストのブログ
「誤差」「大間違い」「ウソ」を見分ける統計学 作者:デイヴィッド・サルツブルグ共立出版Amazon しばらく前に共立出版様からご恵贈いただいたのがこちらの『「誤差」「大間違い」「ウソ」を見分ける統計学』。お気付きの方もいらっしゃるかもしれませんが、原著者デイヴィッド・ザルツブルグは『統計学を拓いた異才たち―経験則から科学へ進展した一世紀』で知られる生物統計学者で、その彼の近著です。なお本書の訳者の一人竹内惠行氏は『統計学を拓いた〜』の翻訳も手がけており、同じチームによるいわば「続編」的な一冊と言って良いかと思います。 前著は割と分厚い「統計学史」についての「読み物」という雰囲気の強い一冊でしたが、本書はそれに比べると古今東西の統計学がキーワードとなった幅広い分野における実例を挙げつつ、同時に統計学の具体的なポイントについての解説を加えていくというスタイルで書かれており、いわば統計学テキスト
下で最新版に記事を編集しましたブログを作ったよ ツイッターアカウントフォローお願いします https://twitter.com/usagipycom こんな記事も書いてます 友達がpythonでPCゲームのレベル上げツールを作っていた それを聞いて、pythonって便利なのね。と思いその後色々あってプログラミングを勉強することにした プログラマー35歳までみたいな世の中で40代おそすぎ！ってあるかもしれない PCがあって、無料の教材はネットに転がってるし、本もたくさんあるし、挑戦するのは無料だし2022年の1月ぐらいから勉強を始めた 入門書って成果物がないからつまらないなと思ってそれ以外になんかないかなって本屋さんをふらふらしてたら python自動化 みたいな書籍がいっぱいあることに気がついた なるほど、もしかしたら仕事楽になるんじゃないかそんな思いから次の本を買った シゴトがはかどる
統計学とはそもそも「無作為抽出された少量のデータ」を分析するためのものであった - 渋谷駅前で働くデータサイエンティストのブログ
しばらく前にQuoraにこんなアンサーを書いたことを思い出したので、ついでにリブログ記事として転載の上加筆修正したものを用意してみました。僕にしては珍しくコッテコテの頻度主義的な話題である上に、「p値なんか使うのはやめてしまえ」という記事を以前に書いておきながらこんな議論をするのは自己矛盾かもしれませんが（笑）、これまでの統計学の歴史を紐解くことで、温故知新ということで新たに理解されることもあるのかなと思っています。 小標本のための統計学と、「スチューデント」ことゴセットの話 補足 小標本のための統計学と、「スチューデント」ことゴセットの話 近代統計学とは、「無作為抽出によって得られた小標本を分析することで、その背後にある母集団の性質を推定する」ために改良が積み重ねられてきた営みです。すなわち、統計学は「少量のデータを扱う学問」そのものだとも言えます。 (Skbkekas - 投稿者自身に
まえがき データ分析はなんて広いんだろう。影響力の強まりに応じ、自然・社会・人間ほぼすべてが対象となりどんどん拡大していく。対象に応じ手法も広がり複雑化し、学ぶべきことが多すぎる。データサイエンティスト協会のスキルチェックリストVer.3.001（ごめんもう4.00が出てるね）も500超の項目があります。読むべき図書も良書と思われるものだけでも増え続けており、もう手に負えない状況です。 ただ、これはやってはだめだ、ここを知らないと道に迷う、という絶対に知っておくべき点は学べる範囲だと思います。本書では、データ分析において間違えやすい、誤解しやすい点を共有し、データ分析全体をよくする目的で、かつ データ分析の入門書・専門書に分野ごとには書かれてはいますが1つにまとまっておらず目に触れにくいもの データ分析の入門書・専門書でもスルーされていたり場合によっては誤っていると思われるもの で自分なり
TL;DR 書籍「効果検証入門 正しい比較のための因果推論／計量経済学の基礎」のRソースコードを、Pythonで（ほぼ）再現しました https://github.com/nekoumei/cibook-python 本記事では、主にRではライブラリどーん！で済むけどPythonではそうはいかない部分の解説をします 書籍の紹介 https://www.amazon.co.jp/dp/B0834JN23Y 上記Amazonに目次が載っているのでそれを見るのが早い気がしますが。。 とても良い本です。正確な意思決定を行うためにどうやってバイアスを取り除くか？に焦点を当てて種々の因果推論の手法（傾向スコア/DiD/RDDなど）をRソースコードによる実装とともに紹介されています。 全体を通して、現実問題の効果検証に因果推論を活用するにはどうすればいいか？という観点で書かれており、非常に実用的だなーと
終身雇用制度が崩れつつあり、政府の「働き方改革実行計画」が策定されて以降、注目を集めている副業。こうした背景の中で、書籍『ニュータイプの時代』『劣化するオッサン社会の処方箋』などの著者として知られる山口周氏による、これからの時代の「個と企業の関係性」についての講演が行われました。個人はどう考え行動していくことが大切なのか、企業側が人材に自律的な選択の余地や機会を提供する重要性について語ります。本パートでは、正しさが価値を失った現代と、人が数字やKPIに縛られることで見落としてしまうものについて解説しました。 「正解」で戦うとビジネスが弱くなる理由 山口周氏（以下、山口）：（スライドを切り替えながら）5つ目として「『正しさ』に価値が認められない時代」という話をしたいと思います。世の中には、「正しさ」に価値があると思っている人が多いんですよ。（しかし）「正しい」ってことには価値がないという話を
» Python実践データ分析100本ノック | 下山輝昌, 松田雄馬, 三木孝行 はじめに この本を手にした動機 元々データ分析に以前から興味があったものの、次に繋げられなかった 非エンジニアがR言語を始めるときの手引き｜Kaggle Masterによるデータ分析技術者養成講座【R言語版】Day1メモ｜中野ヤスオ｜ARI ｜note 2021年10月から12月まで受講した初級Python講座で得たことをなにか繋げたかった 講座受講の経緯等こちら：若手エンジニア成長支援No1企業を目指して｜中野ヤスオ｜ARI ｜note コードを書くことが楽しくなってきたので、毎日少しづつ出来るテーマを見つけたかった 今回の読み方 冒頭にある「本書の効果的な使い方」を参照し、それに準拠 各章各ノックの内容を「写経」しつつ、本文とコードを読み進め、分からないところをGoogleで調べる感じ 人それぞれだが、
追記 再現性をチェックする実験を後日実施しています。併せてお読みください。 以前こんな記事を書きました。 この辺の話はとっくの昔に常識になっていると思っていたのですが、昨今様々な「モデル」が提唱されて公の場で喧伝されることが増えてきており、その中には明らかにこれらの記事で指摘されている問題に引っかかっているものがあるようなので、注意喚起も兼ねて改めてブログ記事として書いてみようと思います。 追記 (May 08, 2020) 本文中にも記事公開当初の初稿の時点でいくつか但し書きを入れてありますが、この記事で最も強調したかったことは「時系列データに対して多項式フィッティングを行うという本来あり得ないモデリングのやり方であっても、交差検証を行えば短期的な予測性能（汎化性能）を改善することができる」ということです。データセットにランダムウォークを選択したのは、単に極値が2つ以上ある時系列を生成し
連載目次 微分は関数が最小値を取るときのxの値を求めるために使えます。前回はその具体的な利用例として、最小二乗法による回帰分析を行う方法を紹介しました。しかし、取り扱った回帰式はy＝axという単純なものだけでした。そこで「偏微分」を利用し、複数の説明変数があるときにも最小二乗法が使えるようにします。つまり、重回帰分析の方法を見ていこうというわけです。 そのために今回は、偏微分の考え方と計算の方法について簡単な例で見ておくことから始めます。続けて次回、偏微分を利用して重回帰分析を行う方法を紹介します。 目標： 偏微分の意味と計算方法を理解する 複数の変数があるような関数（多変数関数）を微分するときに、1つの変数にだけ注目し、それ以外は定数として扱うというのが偏微分です。簡単な例を示しておきます。
高校の「情報II」でデータサイエンスがしっかり学べる！すごい！
高校の「情報II」でデータサイエンスがしっかり学べる！すごい！ 2020-06-25-1 [Programming][Python][BookReview] データサイエンティストに俺はなる！！ Python 初学者のタツヲです。 いまどきは高校の授業（情報II）でデータサイエンスをやるのですね。 文部科学省から教員用の資料が公開されてるのを知りました。 「情報II」を取った高校生がどんなことを学んでいるのかを知るために、さっそく調査です！ 高等学校情報科「情報Ⅱ」教員研修用教材(本編)：文部科学省 第3章がデータサイエンスの話題ですので、そこを読みました。 で、読んでみた感想ですが、内容が本格的すぎて震える。 大学のデータサイエンス演習のテキストじゃないのかよ、これ。 流し読みでは一部ついていけないところも（真面目に読む必要あり）。 高校生のうちからこの辺をマスターできれば将来安泰でしょ
5分で分かる機械学習（ML）
1分 ―― 機械学習 （ML：Machine Learning）とは 人間が経験から学ぶように、機械がデータから学習することを機械学習（ML）と呼びます。例えば犬や猫の画像データから「あれが犬」「これが猫」と判断できるように学習することなどです。これは人間の子供に犬や猫を見せて「あれが犬」「これが猫」と覚えさせるのに似ていますね。 「5分で分かる人工知能（AI）」でも説明しましたが、機械学習には例えば、回帰分析や主成分分析、決定木、サポートベクタマシン、ディープラーニング（＝ニューラルネットワークという仕組みを発展させたもの）など多くの手法（後述）があります（図1）。 統計学と機械学習の違い 回帰分析や主成分分析と聞いて、統計学の多変量解析を思い浮かべたかもしれません。実際に、一部の統計学の手法は機械学習でも使用します。しかし、統計学はデータを分析してインサイト（＝内在する本質）を得ること
この記事は、慶應義塾・社会学研究科の開講科目「社会心理学特論 I ：心理学方法論の新展開」での課題活動と、ReproducibiliTea Tokyo の活動の一環として、まとめられたものです。ReproducibiliTea は、信頼できる科学を目指す、国際的な草の根ジャーナルクラブ活動で、Tokyo は文字通り、その東京バージョンです。各記事の対象論文の選定ならびに記事内容には、執筆者を含む参加メンバー全員の意見が反映されています。記事についてのご質問・ご意見等は、repteatokyo@gmail.com までお送りください。 本記事は，Smithersらによる “A systematic review and meta-analysis of effects of early life non-cognitive skills on academic”とCredéらによる”Much
2023年度 早稲田大学「計量分析（政治）」補助教材
最終更新日 RStudio と R Markdown R Markdown の使い方と文法 Sep. 21, 2022 R の「あるある」エラー Sep. 13, 2022 Rを使ったデータ操作 1. データ・ハンドリング（基礎） Sep. 13, 2022 2. データ・ハンドリング（応用） Nov. 17, 2023 3. データ・クリーニング Sep. 13, 2022 データの可視化 4. ggplot2（基礎） Sep. 26, 2022 5. ggplot2（棒グラフ） Oct. 20, 2022 ggplot2（ヒストグラム） Sep. 10, 2022 ggplot2（箱ひげ図） Oct. 20, 2022 ggplot2（散布図） Sep. 20, 2022 ggplot2（折れ線グラフ） Sep. 20, 2022 ggplot2（ロリポップ・チャー
こんにちは、DAIです。 大学時代は文系でした。 大学で初めて統計学の講義に出たときに、思いました。 「ちょ、大学の統計学の授業って、どんだけわかりにくいんだ！ｗｗｗ」 「大学の統計学の授業ってどんだけつまらないんだｗｗｗｗｗ」と。 大学の統計学の授業は、「高校レベルの数学ちゃんとマスターしてますぞい！」って人を対象にしているので、ど文系でいきなり「おい！なんとかついて来いよ！お前らわかってる体でやるからなｗｗｗがはは！じゃあこのシグマは・・・・」みたいな教授に教えられても、「先生、そのたらこ唇みたいな記号なんですか？」みたいな話になるわけで、そりゃわかるはずないんですよｗ 難しすぎますから。 数学の基礎的なことわかってないと先に進めないので、完全に統計学が難しいと思い込んでしまい、統計アレルギーの大学生が続出してしまうんだと思います。 それと、大学の統計学って、理論を学ぶものばっかで、デ
週末に消費指標が公表され、事態は一層深刻であることが判明した。この分では、10-12月期の家計消費の前期比は-3%を超えるおそれがあり、そうなれば、前回消費増税時の2014年4-6月期を下回り、過去7年間のアベノミクスで最悪となる。この水準は、「悪夢のような」と腐される民主党政権の最終年より低い惨憺たるものだ。しかも、前回増税時より拙いのは、輸出の停滞で景気が失速しており、前回のような盛り返しが少ないまま、今後、L字型の推移が予想されることである。 ……… 11月の日銀・実質消費活動指数プラスは、前月比+2.7であったが、10月の-9.9からの戻りとしては非常に弱く、仮に、12月に、駆け込み前の4-6月期の水準まで、+2.4伸びたとしても、10-12月期の前期比は、-3.3にもなってしまう。増税による実質的な所得の低下を踏まえれば、4-6月期の水準まで伸びることには難しさがあるので、更なる
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
メルカリ社員、男女の賃金に37%の格差。職種・グレード同じ男女に｢説明できない｣差が生じた理由
統計検定準1級に合格した話 - i5882353iの日記
「暴力性を出せばモテる」説は本当なのか検証してみた｜すもも｜note
機械学習の説明可能性（解釈性）という迷宮 - 渋谷駅前で働くデータサイエンティストのブログ
Pythonによる財務分析① バフェットコードをつかって完全レクチャー！ (全8回) | DeFi Labo
ひるおびの報道について音声学者として思うこと｜川原繁人のnote（言語学者・音声学者）
AIおよび高度IT人材育成のための教材提供を開始 - 株式会社Preferred Networks
機械学習エンジニアに爆速でなるための教材集 - Qiita
文系出身の若手SIer社員が放送大学で情報学を勉強してレベル上げした話｜lumpsucker
文系大学生が無料のPython入門講座を受けてみた 必要な数学知識も簡単に学べる | Ledge.ai
40代プログラミング初心者がpython始めて半年！独学で勉強が続いている理由と読んだ本 - Qiita
ヤバいデータ分析（書籍・記事であまり扱われてないが重要なこと） - Qiita
「効果検証入門」をPythonで書いた - Qiita
「正解」で戦うとビジネスが弱くなるわけ 山口周氏が説く、負けるビジネスの三要素
「Python実践データ分析100本ノック」を写経してみた - Qiita
改めて、汎化性能と交差検証のはなし - 渋谷駅前で働くデータサイエンティストのブログ
［AI・機械学習の数学］偏微分の基本（意味と計算方法）を理解する
非認知能力とGritは本当に有効か？｜Daiki Nakamura
【保存版】統計学のおすすめ書籍8選 | 文系からでも基礎を理解するのに役立つ書籍をピックアップ！ - DAINOTE
10-12月期の消費は、アベノミクスで最悪へ - 経済を良くするって、どうすれば