株式会社ブレインパッドの2023年新卒研修資料です。基礎統計学について扱っています。
![【新卒研修資料】基礎統計学 / Basic of statistics](https://cdn-ak-scissors.b.st-hatena.com/image/square/4a742fdf19b051258a0cdd4100f4ddbd471bc803/height=288;version=1;width=512/https%3A%2F%2Ffiles.speakerdeck.com%2Fpresentations%2Ff5a9d58f0f964eadb1eeddc86986abf0%2Fslide_0.jpg%3F27152388)
米連邦取引委員会(FTC)は2019年7月、政治コンサルティング会社ケンブリッジ・アナリティカ(Cambridge Analytica=CA)を巡る個人情報の流出問題で、Facebookに50億ドル(約5400億円)の制裁金を科す和解案を承認したと、米国の主要メディアが報じた。この事件は報道の雨嵐のせいか、むしろ解像度が低い印象がある。日本でもかなり種類は異なるが就職活動の学生の情報をそのまま採用活動を行う企業に販売するという希有な出来事が起きており対岸の火事ではない。このため事件の重要だが効果的に伝えられていない要所をいまさらながらまとめてみることにした。 1. ケンブリッジ大学の研究者の役割あらすじケンブリッジ・アナリティカは、Facebookから取得した個人情報、感情の性質などの情報を活用し、2016年のアメリカ合衆国大統領選挙と英国のEU離脱をめぐる国民投票における「説得可能な投票
「仮説を出すための分析」はどう実践するか 加藤舞子氏(以下、加藤):ということで(ここまでで)3つ聞きましたが、視聴してくれている方がたくさんいて、質問もたくさんもらっているので、質疑応答に移れればと思います。 1つ目。「仮説を出すためのデータ分析には、どのような分析が効果的なのか聞いてみたいです」。確かに「仮説を持て」と言うけれど、その足がかりもない時はどうすればいいのかということで。じゃあ、厳しそうだったまーいー(今井氏)に聞いてみようかな。 永石陽祐氏(以下、永石):(笑)。 今井隆文氏(以下、今井):仮説を出すための分析と、課題を具体化するための分析はやはり違うんだろうと思っています。仮説を出すための分析は、「数値の前にユーザーの行動がどうなのか」ということにフォーカスする。自分はそう意識していると思います。 具体的には、例えば「ここのパネルが悪い」という分析は、そこを改善する時の
これは何 データマネジメント・データ分析に関する書籍・記事・ツールをまとめます。 特に価値が高いと思う書籍・記事を上に並べています。 どのような分野が存在するのか概観します。 全て読むのは大変なので、興味があったり業務に関連のある分野から目を通しましょう。 対象読者 データ分析をやってみたいが何から手をつければいいのかわからない人 書籍 webに転がっている記事は断片的です。 まずは書籍を読んで体系だった知識を仕入れて、その後にwebの記事で肉付けするのをおすすめします。 データ分析全般 データ解析の実務プロセス入門 https://www.amazon.co.jp/dp/4627817711/ データマネジメント データマネジメントが30分でわかる本 https://www.amazon.co.jp/dp/B085W4YSZJ 実践的データ基盤への処方箋 https://www.amaz
WEBやデータ分析に関連していればなんでもOK。ハッシュタグは #大好きWeb分析 投稿方法はコメントとご自分の記事のURL(Qiita外のリンクでももちろん可)を貼り付けるだけ! 過去記事でも構いません♪ ひとりで複数投稿していただいても構いません! 早い者勝ちです♪ ※URLは公開日前に張っていても設定した日付で自動公開されます 最終日は皆さんの記事を振り返るライブ配信(クリスマスパーティ兼忘年会)をしたいと思います。 最終日については、これから考えます♪ 代理で作りました。このカレンダーの管理人は ふたむらさん、マリトッツォさんです♫ 昨年のカレンダーはこちらです WEBやデータ分析に関する投稿をみんなでしてみよう Advent Calendar 2020
データ視覚化やダッシュボードデザインは文字通り「視覚化」「デザイン」というくらいですので、目に見えているところだけを語られがちです。しかし、実は最も重要なのは徹底したオーディエンス(ユーザー)主義の意識、そして質の高い問いの設定です。なぜなら、オーディエンスは、つまらないと感じたり、わからないと感じるとすぐに離脱するからです。これはとても単純で当たり前とも言えるのですが、データ視覚化に夢中になっていると忘れがちなポイントです。 下図は、ダッシュボードに表れるものとその根底に潜む要素を模したものです。データ視覚化の深層部分はこのような氷山で説明できるのではと考えています。 上側半分はよく語られがちですが、下側は見過ごされがちです。ですので、本記事では、上側から下側まで一気通貫のチェックリストを紹介します。弊社では、プロジェクトの開始時から最後まで考えていることです。これらの要素は相互に影響し
『DIAMONDハーバード・ビジネス・レビュー』2019年6月号特集に関連したイベント「データドリブン経営の未来」を開催。アップルのエンジニアとして音声AI「Siri」の開発に従事した、パロアルトインサイトCTOの長谷川貴久氏、大阪ガスのビジネスアナリシスセンター所長を務め、現在は滋賀大学データサイエンス学部教授の河本薫氏が、データ経営の推進と人材育成のコツを伝授した。2019年7月12日、東京・ビービット本社にて開催。(構成/富岡修、写真/編集部) データ活用に最も積極的な企業、ネットフリックス 「GAFAもすごいですが、現在、データ活用に最も積極的な企業はネットフリックスかもしれない」。パロアルトインサイトCTOの長谷川貴久氏はそう言いながら、自身が加入しているネットフリックスのトップ画面をスクリーンに映し出した。 長谷川貴久(はせがわ・たかひさ) パロアルトインサイトCTO。シリコン
こんにちは、tomaです。今回はTHE GUILDが主催する THE STUDY by THE GUILD #03 「データ×UXデザイン」 に参加したのでレポートを書きたいと思います。 第一部は以下の4名の方々による講演、第二部はこばかなさんモデレートによる登壇者のみなさまのパネルディスカッションでした。 大竹 雅登|dely株式会社 CTO/執行役員 山田 智久|アドビシステムズ株式会社 エクスペリエンス ビジネス部 シニアコンサルタント 安藤 剛 | THE GUILD / UX Designer 鈴木 陽介|日本経済新聞社 デジタル事業BtoCユニット----- 必要十分の工数で意思決定するために 1人目はレシピ動画サイトkurashiruを運営するdelyの大竹さん。データに基づいたアイデアの検証プロセスについて、サンプルケースをもとにお話されました。 delyでは改善プロセスを
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
リクルートテクノロジーズのアドベントカレンダーの 12/25 の分です。 要するにデータが潤沢なデータレイクと、秩序だったデータウェアハウスがほしいという話をします。データマートは分析者も必要に応じて作ればいいので、なくても問題ないです。データレイク、データウェアハウス、データマートについては本記事で解説します。 とはいえ、「データあるから分析してくれ」を最初に取りかかる場合は、秩序だったデータウェアハウスが無いはずなので、データレイクに大量のデータがあれば贅沢は言いません。実はデータがない状態は本記事では想定していません。 本アドベントカレンダーでは似た内容を先に書かれましたが、本ブログでは使う側の視点なのでちょっと違います。とはいえ、目指す姿はだいたい似るはずです。 http://yuzutas0.hatenablog.com/entry/2018/12/08/235900 なんのため
JustinはUsabilityGeekの創始者であり、使いやすい記憶に残るオンライン体験の創出において15年以上もの実績があります。 システムが完全なものになるにつれ、定性的なデータや定量的なデータもまたさまざまな頻度・複雑さでを取得できるようになります。このような状況では、情報の可視化がさらに重要になります。 端的に言うと、情報の可視化(information visualisation)とは、抽象的なデータをユーザーが理解できるように可視化し、さらにデータ間の関係性を理解できるようにすることです。 デザイナーの役割と情報の可視化 デザイナーの役割は、ユーザーにとってわかりやすい方法でデータを表現することです。これには、課題や制約、データを表現するために利用できるスクリーンサイズという制限が伴います。 もしデザイナーがユーザーが理解しやすいデータを作成できないと、ユーザーがデータを利用
仮想通貨自身の仕組み的には、いつか仮想通貨は紙くず(ただの電子データ)になるので、この道は地獄にしか続いていなくって、血を抜きながらやるババ抜き感が強いですね…。 仮想通貨について、ざっくりと理解していること。(間違いの可能性あり) 仮想通貨の採掘(マイニング)は金山みたいに実際に価値が発生しているわけではない。 仮想通貨の“採掘”といっているのは、実際にお金を作り出しているわけではなく、仮想通貨の存在証明(取り引きのデータの確かさの保証など)をするためにコストが必要で、そのコストを支払った代償として、仮想通貨を管理しているところから”仮想通貨が支払われる”ということ。ざっくりいえば。 仮想通貨自身の価値が増えているわけではない。ただ単に”管理者”、日本でいうと日本銀行のようなところが、勝手にお金を刷って渡しているわけです。ただ、これは問題ではない。仮想通貨自身の信用が上がったので、仮想通
ここでは高校数学で登場し、統計学を学ぶ上でとても重要な役割を担う「標準偏差」について、図解を駆使し、その求め方と意味について解説していきます。 標準偏差の求め方や意味を理解するには、以下の4つのSTEPを踏めば簡単に理解することができます。 標準偏差は「式を覚える」のではなく「イメージ化」することがとても重要です。 4つのSTEPを本質的なイメージで捉えることで「標準偏差とは何か」や「標準偏差はどうやって求めるのか」がスッキリ頭に入ってきますので、ぜひ最後までお付き合い下さい。 標準偏差の求め方 標準偏差を求める式がこちらになります。 いきなりかなり難しい式が登場してきました(汗 この式を覚えることはなかなか厳しいですよね。 ただ、この式の記号のひとつひとつをイメージ化しながら読み解くことで、この難しい式が実はとてもストーリー性のある面白い構造をしていることが分かってきます。 ここではその
2016年3月25日にアップデートしました。 こんにちは。Hayatoです。仕事では大きなデータの処理とかそのクリーニングや解析をしています。 大学時代は熱心に勉学に励まなかったこともあり統計的知識が弱く、いつも平均だけだしてパパっと分析済ませちゃったりしていたのです。 しかし時代はデータサイエンティスト!僕もデータクリーナーじゃなくてデータサイエンティストになりたい!ということでGoogleに入社してからこつこつ統計の勉強をしています。 その過程で、基礎を学ぶのに、統計検定二級がとても効率的だったのでご紹介します。 統計検定2級 統計検定2級ってなに? 総務省が後援している統計検定は、日本で一番有名な統計の技術を測る資格試験です。 1級, 2級, 3級とあり、その真ん中のレベルに当たるのが統計検定です。 想定受験者 プログラマーだけど統計周りの基礎知識がない人。 データサイエンティストと
今や毎日のように人工知能に関するニュースが飛び込んできますが、その中でも特に注目を集めているのが“ディープラーニング”です。 研究開発を進める企業として最も有名な例はGoogleでしょうか。最近もGoogleがディープラーニングによる画像認識を体験できるWebインタフェースを公開し、話題を集めました。(参照リンク) では、ディープラーニングとは一体何なのでしょうか。本稿ではこのディープラーニングについて、そのイメージをつかむことに重点を置いて説明していきたいと思います。 人間の神経構造を模したニューラルネットワークの発展版 ディープラーニングの考えのもととなっているニューラルネットワークは、人間の脳神経回路を真似することによってデータを分類しようというアイデアに基づくアルゴリズムです。 人間の脳はニューロン(神経細胞)のネットワークで構成されていて、あるニューロンはほかのニューロンとつなが
Travis Wright氏はチーフマーケティングテクノロジスト、ベンチャーカタリスト、コラムニスト、講演者、データ分析専門家、スタートアップ育成ハッカー、意識覚醒家、CMTO、スタンダップコメディアンであり、子どもを持つ父親でもある。 via Flickr by “Intel Free Press“. Licensed under CC BY-SA 2.0. データサイエンティスト、マーケティングテクノロジスト。もしこれらの職種を今は聞いたことがなくても、近いうちに耳にするようになるだろう。同様に「ソーシャルメディアマネージャー」という職業が真面目に受け取られなかった時期があったが、今ではそのプロの稼ぎは6桁にも及ぶ。 しかし、「データサイエンティスト」や「マーケティングテクノロジスト」は実際どんなことをしているのか? これらの職種の名前だけでも、あらゆるビジネスが競争に打ち勝つために必
[レベル: 中級] 構造化データのガイドラインを今年の1月にGoogleは新たにしました。 その後、2月と3月に一部を更新しています。 3月の更新にはポリシーの変更が含まれます。 見えないコンテンツのマークアップを以前よりも厳格に規制しています。 比較的重要なのでこの記事で紹介します。 構造化データ品質ガイドラインの更新 現在の品質ガイドライン(の一部)を日本語訳しました。 高品質な構造化データは、誤解を招いたりだましたりするような体験を検索ユーザーに与えてはいけません。テキストや画像、動画などそのページで見ることができるコンテンツのトピックを、最新の状態で正確に反映している必要があります。 構造化データが関連性の基準を満たすために、アルゴリズムと手動によるチェックを行います。これらの基準に適合しない構造化データを見つけた場合は、ユーザーへの高品質な検索体験の提供を維持するために手動で対策
Pinterestのオフィシャル開発ブログの「いかにPiterestが持続的なグロースを実現しているか(How Pinterest drives sustainable growth)」という素敵なエントリーでグロースチームが継続的に追っている4つのログフォーマットが紹介されていました。 user state transitions Xd28s cohort heat maps conversion funnels 最後の2つは割とポピュラーだと思うのですが、前半2つの「user state transitions / Xd28s」ってなんぞやって感じだと思うので、4つまとめてご紹介したいと思います。 1.user state transitions 曰く、これがPinterestのグロースチームの中で最も重要なチャートとのこと。まず前提条件ですが、Pinterestでは「28日」使わなか
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