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
2023年の8月もそろそろ終わります。 しかし、まだまだ暑くて秋の気配はまだまだ来ないようです。 さてここ数年、7月に入ったころから「昔はこんなに暑くなかった」「いや、そんなことはない」といった話題がSNSをにぎわせています。 私も数年前にこんなグラフを作って、周りではそこそこ評判良かったです。 東京の8月の最低気温の分布の推移。いまさらだけど、ちゃんと書き直したのもあげておく。最低気温の上限が90年代以降上昇しているという結論は変わらないけど。boxplotもおまけで付けておいた。 pic.twitter.com/wfxgfr7I3O— ボブさん (@bob3bob3) 2018年7月18日 今年もいろんな人が気温の可視化をしていて、非常に興味深かったです。 いくつか挙げてみましょう。 1) 東京における夏（6月～9月）の気温、過去148年分のヒートマップ。 東京における夏の気温を過去1
概要この記事は 2019/12/7 に開催された Japan.R の発表原稿である.github.com speakerdeck.com 小難しいテクニックを使ったことをアピールせず, なるべく単純な方法だけで, データから何が言えるのか, 何を示せるのかを作業の流れに沿ってチュートリアル風に説明する, というのがコンセプトである. スクレイピングによるデータの取得, 加工, そして要約統計量の計算やグラフの見せ方, といった事柄はほとんどのデータ分析で必要な基礎技術だと思うので, 実践的な例になると踏んでいた. 当初は 5分間のLTの予定だったので要約統計量 (記述統計量) の見方とかだけを話すつもりだったが, 20分枠に変更したことに合わせてボリュームを増そうとしたらバランスが狂った感じになった. (小難しいことをしないとか言いながら色気を出してディープラーニングに手を出そうとしている
ノート: Rでロジスティック回帰
Table of Contents はじめに 前回自民党の感情温度という一定の範囲内の値を取る数値を応答変数に持つ分析を行いました。 しかし、世の中のデータのすべてがこのように数値で表現できるとは限りません。 例えば「投票に行く（行かない）」や「投票した政党」のように数値化されていないデータをカテゴリカルデータ（変数）と呼びます。 このような場合を応答変数にする分析の場合は、「投票に行く確率」や「ある政党に投票する確率」を求めることで対処します。 以下では、応答変数の種類が2種類の場合と3以上の場合に分けて、カテゴリカルデータの分析をRで行う方法を紹介します。 必要なパッケージの読み込み library(tidyverse) Registered S3 methods overwritten by 'ggplot2': method from [.quosures rlang c.quos
はじめに パッケージの準備 画像の取得・変換を行う関数の定義 事例1: 「ペルシャ猫」をクエリとした画像検索の結果 事例2: 「広末涼子」をクエリとした画像検索の結果 Webスクレイピングについての関連図書 まとめ 作成したスクリプト English page (Google translate) 参考資料 はじめに 手作業をできるだけ抑えて、 機械学習・ディープラーニング(DL)用の画像データを手っ取り早く取得したい！！ ふと思いたち、、今回、Google画像検索の結果をスクレイピングして、 画像データ(サムネイル)を取得して、それらをR/Keras用の4次元アレイデータに変換するプログラムを作成してみた。 実務としては、 rvestパッケージとかEBImageパッケージとかを使うことで実装した。 主な用途としては、GANとかで使うDL学習用の画像データを収集するのを想定している。 パッ
この記事について 声優統計的なことをやってみようという思いつきを得たので、声優と演じるキャラのステレオタイプとの傾向を分析しようと思った。筆者の勝手なイメージとして、たとえば「喜多村英梨の演じるキャラはどちらかというと貧乳が多いのではないか」といったようなステレオタイプがあり、声優の演じるキャラはその人がいわゆるハマり役としているキャラクタ（人物像）によって、性格や容姿などに偏りが生じることがあるのではないだろうか。また、そういったことをデータによって検証できたら、面白いのではないかと考えた。 しかし、女性声優と演じているキャラの容姿の対応表をつくるのはとてもめんどくさそうだったので、この記事ではおこなわない。そのかわりに、似たような発想にもとづく試みとして、BL声優とその演じたキャラが「攻め」だったか「受け」だったかを確認できるようなデータなら得られそうだったため、それについて分析をする
はじめに 久保研介研究会のサブゼミの資料です！パネルデータ加工と同様に限定公開にしてます。（2020.08. 公開しました。） 雑なコードが多いですが、日々Updateしていきます。わかりにくい説明等あれば、どしどし連絡ください！作成にあたって、このサイトを参考にさせて頂きました！ありがとうございます。 今日のゴール この講義が終わったあとに「なんか、Webサイトからデータとってこれた。やったぁ〜」と思っていただければ、満点です！ 今日やること Webからデータをとってくる方法（Web スクレイピング）の初歩を学びます。コピペが上手く使えない時に有効な手法になります。 今回はgogo.gsというガソリンスタンドの情報がまとめられているWebサイトからスタンドの店舗情報（今回は店舗名と住所）を例にとって解説していきます！出店戦略を分析する際には、住所データは欠かせないですよね。 Webスクレ
ホクソエムサポーターの輿石です。普段はデータ分析会社で分析業務や社内Rパッケージ開発をはじめ分析環境を整備する仕事をしています。 最近WEB系のメディアで「バーチャートレース(bar chart race )」と呼ばれるぬるぬる動く棒グラフを見ることが増えてきました。興味を惹くという点で優れた面白い可視化だと思います。Rではgganimateパッケージを使うことで簡単にggplot2のグラフをアニメーションにできたので、作成方法を細かい部分含めて紹介します。 なお、本記事ではggplot2の詳細には触れていませんが、詳細は「Rグラフィックスクックブック」がオススメです。なんと本記事が投稿された2019年11月21日は約6年ぶりの改版となる第2版の発売日なようです！6年前は少し面倒だったことも今ではより簡単にできるようになっていたりするので、すでにggplot2が使えるあなたも是非ッ。 Rグ
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
「昔はこんなに暑くなかった」をR言語で可視化する - bob3’s blog
三国志で学ぶデータ分析 (原稿写し) - ill-identified diary
R/rvestを使って、Google画像検索で画像サムネイルを取得して、機械学習・ディープラーニング用の4次元アレイデータに変換するTips - 京橋のバイオインフォマティシャンの日常
BL声優の「攻め」と「受け」のステレオタイプについてデータ分析した
RでのWeb スクレイピング入門 - Qiita
gganimateでバーチャートレースを作って競争心を煽る - 株式会社ホクソエムのブログ