はてなブックマーク

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 本記事では、データサイエンスの実務で重要な「効果検証」や「因果推論」の代表的な手法をまとめて紹介します。 具体的には、僕もこれまで実務で実際に利用してきた「傾向スコアとIPW法」「Meta-Learners」「因果フォレスト」そして「ベイズ推論」の４つにフォーカスし、それぞれの特徴や要所となる数式にも触れながら、解説を行います。 多くのデータ分析は、観察データから因果関係を推定し、施策による効果を正しく評価することがゴールとなります。 しかし、実際の実務や研究現場では、「相関関係」と「因果関係」を混同してしまうケースが多々あり

これらの賞を得るまでのプロセスを振り返りながら、どのような点に注目すべきか、具体的かつ実践的なノウハウをお伝えします。今後コンペや発表の機会がある方は、ぜひ参考にしていただければ幸いです。 なお、X（旧Twitter）でもデータサイエンスや統計・機械学習に関する情報発信をしていますので、「もっと知りたい」「相談したい」という方は、ぜひフォローいただけるとうれしいです。 “データ型コンペ・発表”必勝法：全体像 データ型コンペやプレゼンの場で勝ち続けるために、大きく4つの視点を押さえておくことがとても肝心です。今回は、あえてモデル構築などの技術的な話は脇に置き、「どのように企画・資料を作って伝えるか」にフォーカスします。 審査員からの評価軸を熟読せよ 背景から分析、分析から背景の双方から攻めよ 現状・理想・問題・課題を詰めに詰めよ パワポ資料にはこだわれ この4つは、研究開発の現場でも、ビジネ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに この記事では、私がこれまでXで発信してきたデータサイエンスに関わるさまざまな分野のチートシートを一挙にまとめました。前処理、可視化、機械学習、深層学習、ベイズ・統計、さらにはその他の関連トピックまで、私が作成したものからネット上のものまで多岐にわたる内容を網羅しています。 それぞれのセクションでは、実践的かつ即戦力となる情報が詰まったチートシートを紹介しており、初心者から上級者まで幅広い層に役立つ内容を目指しました。 日頃からX（旧Twitter）を通じて、データサイエンスに関する知識や役立つリソースを共有していますが、今回の

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに こんにちは！ 僕は研究を行いながら、長期インターンでデータサイエンティストとして働く大学院生です！ 学部時代から長期インターンを始め、現在まで４社経験してきました。 この経験から、プログラミングの学習を始めたばかりの人や、長期インターンを行う勇気が出ない人に、学習サポートやデータ分析の実績作り支援、さらにはKaggle人材マッチングサービスなどを行わせてもらっています！ 僕自身、プログラミングの習得や長期インターン探しに苦労したので、その経験をお伝えすることで、より多くの人が挫折せずデータサイエンティストになるまで成長して欲し