階層ベイズモデルを用いた労働時間と知的好奇心の関係分析 - kivantium活動日記
以前@berobero11さんに「StanとRでベイズ統計モデリング」をプレゼントしていただき、本を読んだのですが解析したいデータがなかったため勉強した結果を活かすことができずにいました。 しかし今日Twitterを見ていたら 長時間労働は，知的好奇心を枯らすのか。 pic.twitter.com/NcuaLAgzpy— 舞田敏彦 (@tmaita77) 2017年11月13日 労働時間と知的好奇心には，国レベルでは非常に強い負の相関があるが，個人レベルでは逆に正の相関がある https://t.co/N8Z00ljFfB— Haruhiko Okumura (@h_okumura) 2017年11月15日 というまさに階層ベイズモデルを用いた解析にぴったりのテーマが流れてきたのでStanの練習として解析を行ってみました。 モデリング まずは奥村先生のPIAACデータ解析を読んでください。
「世界のITエンジニア調査結果2016」は年収から人気のプログラミング言語まで興味深いデータがいっぱい - ベルリンのITスタートアップで働くジャバ・ザ・ハットリの日記
毎年スタックオーバーフローから世界中のITエンジニアを調査対象とした調査結果が出る。基本は英語圏のエンジニアに向けた調査になっているので、日本のエンジニアの現状とを比較する際にはとても参考になる。 人気のテクノロジー この手の調査結果ではいつもJavaScriptが１番。Javaも常に高順位にいる。PHPが５位の25.9%と意外にまだまだ人気な様子。 嫌いなテクノロジー 好きなテクノロジーの次のタブがこの嫌いなのランキング。トップ２がVisual BasicとWordPress。個人的にもこの２つにはあまり関わりたくない、という思いがある。 エンジニアの年齢 若い。。。中央値は２７歳。２７過ぎたらもう老人扱い。 エンジニアの皆さん、年食ったらフサフサな髪のズラかぶって、エステ行ってシワのばして若いフリしましょう。辛いですが、そういう世界らしいです。 どっちが好き？スターウォーズ VS スタ
年収を偏差値化した世界 - RepoLog│レポログ 統計データを使って様々な暮らしをレポートするブログ
年収を偏差値で表すと、どんなことが起きるのでしょうか。 「偏差値」という統計量は、受験戦争を通じて日本社会に定着しています。受験期には嫌というほど耳にする数値指標ですよね。 受験業界ではもはやなくてはならない統計量になっている偏差値ですが、その数値の高低のみで進学先を決定する風習から偏差値至上主義を生み出し、"悪の元凶"のように目の敵にされてしまっている一面があります。実際、偏差値に振り回されて嫌な思いをされた方も多いのではないでしょうか。 しかし、これだけ長きに渡り、日本の受験業界に君臨している指標ですから、使い方次第で大きな恩恵を手にできる優れた面も持ち合わせているはずです。 一方で、この「偏差値」という数値指標は、受験生時ほぼ毎日のように耳にし、その数値を意識して過ごしていきますが、一旦入試を終えると恐ろしいほど耳にする機会が減るという奇妙な現象が起こります。 変わりに、社会人になる
Stack Overflow Developer Survey 2016 Results
Overview Developer Profile I. Geography II. Developer Occupations III. Programmers, Engineers, and Developers IV. Age V. Experience VI. Gender VII. Diversity VIII. Education Technology I. Most Popular Technologies II. Most Loved, Dreaded, and Wanted III. Top Tech on Stack Overflow IV. Trending Tech on Stack Overflow V. Top Paying Tech VI. Correlated Technologies VII. Development Environments VIII.
出版学会（活字離れ）資料
日本出版学会春季研究発表会（2015年）発表資料（完成版）です。公開まで時間がかかったことをお詫びします。Read less
グーグルが突きとめた！社員の「生産性」を高める唯一の方法はこうだ（小林 雅一） @gendai_biz
社員の生産性を極限まで高めるには、どうすればいいのか――米グーグルが2012年に開始した労働改革プロジェクトの全貌が明らかになった。 社員同士のコミュニケーションを中心に、その仕事ぶりを徹底的に観察するワーク・モニタリングは、果たして功を奏したのだろうか？ ●"What Google Learned From Its Quest to Build the Perfect Team" The New York Times, FEB. 25, 2016 プロジェクト・アリストテレスとは 上の記事によれば、米グーグル（持ち株会社に移行後の正式社名は「アルファベット」）は2012年に生産性向上計画に着手した。 この計画は「プロジェクト・アリストテレス（Project Aristotle）」と呼ばれ、同社の「人員分析部（People Analytics Operation）」によって実施された。 グ
交差検証の k の値はどれくらいにすればいいのか - ほくそ笑む
分類器(識別器)のモデルを評価する手法に交差検証(クロスバリデーション)があります。 交差検証を行うには、データをいくつに分割するかを表す k の値を決めてあげなければなりません。 SVM のチューニングのしかた（１） において、交差検証の k の値を決めるとき、僕は個人的に k = 1 + log(n)/log(2) という式を用いていると書きました。 この式は、知っている人ならわかると思いますが、スタージェスの公式です。 スタージェスの公式は、ヒストグラムを描く際にサンプル数から階級数を決めるのに便利な公式です。 しかし、この公式を交差検証の k を決める際に使用するのは、はっきりいって根拠がありません。 そこで、今日は交差検証の k の値をどのくらいにすれば良いのかについて考えてみたいと思います。 準備（予備知識） k の値は大きければ大きいほど、正確にモデルを評価できます。 k の
1
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
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
人工知能が株式市場で存在感、学識者驚く的中率68％－将来８割も - Bloomberg
階層ベイズによるワンToワンマーケティング入門
線形モデルによる文京区の賃貸物件価格の解釈（「最高の借家」は統計解析で見つかるか？）