データを扱う開発者なら統計学の知識は大きな強みに～Pythonを使って基礎から学ぶ
「データを扱う多くの人たちに統計学の知識や技術は有用」と話すのは、『Pythonで学ぶあたらしい統計学の教科書』の著者・馬場真哉さんです。注目集めるPythonを通して統計学を学ぶのは一見すると難しそうですが、その利点も多いとのこと。今回馬場さんに、本書の狙いについてうかがいました。 Pythonは統計学の基礎を学ぶための十分な機能を持っている ――今回、『Pythonで学ぶあたらしい統計学の教科書』を執筆された馬場さんにお話をうかがいます。まずはご自身のことを簡単に教えてください。 馬場：私は大学では水産学部で水産資源解析を専攻し、サンマの来遊量予測とその評価に関する研究をしていました。自分自身の研究以外でも同期の友人や先輩方からデータ分析を依頼されることが多く、そういった要望に応える形で統計学を頻繁に利用していました。いまでも研究者になった友人たちの分析を手伝うことがあります。 卒業後
データサイエンティストはどこまでエンジニアリングをすべきか？ | CyberAgent Developers Blog
AI事業本部 Dynalystでデータサイエンティストをしている藤田です。 Dynalystの開発チーム内にはデータサイエンス（以降DS）チームがあり、そこにはデータサイエンティスト・機械学習エンジニア（以降まとめてデータサイエンティストと呼ぶ）たちが所属しています。私がこのチームで働く中で、「プロダクト所属のデータサイエンティストがどこまでエンジニアリングをすべきなのか」ということを考えることがあったのでまとめてみました。当然これは一般的な答えではなく、人・チーム・組織の現状や目指すべきところによって答えは変わるので、あくまで1チームの1個人が考えたこととして読んでもらえればと思います。 プロダクト所属と横断DS組織所属 エンジニアリング云々の話をする前に、まずプロダクト所属と横断DS組織所属のデータサイエンティストの違いについて軽く説明します。両者のメリット・デメリットについても書きた
SEからデータサイエンティストに転身 「考え方が全く違う」NEC社員が味わった苦労
AI（人工知能）人材の不足を受け、社内の研修プログラムなどを通じて転身を図るケースも増えてきた。しかし、機械学習や統計の知識がほとんどない状態でビッグデータの解析やAIアルゴリズムの作成などができるのか。5月28日に開催されたAI技術の専門イベント「NEC the WISE Summit 2019」で、SEから「AI人材」に転身したNEC社員が当時の苦労を赤裸々に語った。 NECが定義する「AI人材」は、業務内容によって（1）コーディネータ、（2）コンサルタント、（3）エキスパート、（4）アーキテクト、の4つに分類される。コーディネータはAIプロジェクト全体を統括するプロジェクトマネジャーのような役割を担い、コンサルタントはAI導入の目的を決める上流工程を担当する。エキスパートはAIモデルの作成や検証を行うデータサイエンティストのような立ち位置で、アーキテクトはAIの実装を担当するAIエン
An Introduction to Python’s Flask Framework | Envato Tuts+
Flask is a small and powerful web framework for Python. It's easy to learn and simple to use, enabling you to build your web app in a short amount of time. In this article, I'll show you how to build a simple website, containing two static pages with a small amount of dynamic content. While Flask can be used for building complex, database-driven websites, starting with mostly static pages will be
『ビッグデータ分析・活用のためのSQLレシピ』はデータ分析でSQLクエリを叩く人なら必読の黒魔術大全 - 渋谷駅前で働くデータサイエンティストのブログ
こちらの本をご恵贈いただきました。 ビッグデータ分析・活用のためのSQLレシピ 作者: 加嵜長門,田宮直人出版社/メーカー: マイナビ出版発売日: 2017/03/27メディア: Kindle版この商品を含むブログを見る 一般的なSQLの本というのはDB管理の一環としてのインフラエンジニア向けの技術書であることが多く、意外にもデータ分析を主目的としたSQLの使い方やクエリの工夫の仕方について書かれた本というのはあまり多くないんですよね。故に、多くのデータ分析者は難解なテーマを実現するクエリを書きたくても参考になる資料が乏しく、途方に暮れるわけです。僕もHive / Redshift / BigQueryのクエリを書きながら「こんな分析がしたいんだけど、それを実現できるクエリってないよなぁ。。。」と何度天を仰いだことか。 そんなところに突然降って湧いてきたのがこちらの新刊書。もう目次を見ただ
90 Active Blogs on Analytics, Big Data, Data Mining, Data Science, Machine Learning (updated) - KDNuggets
90 Active Blogs on Analytics, Big Data, Data Mining, Data Science, Machine Learning (updated) Stay up-to-date in the data science with active blogs. This is a list of 90 recently active blogs on Big Data, Data Science, Data Mining, Machine Learning, and Artificial intelligence. This post updates a previous very popular post 100 Active Blogs on Analytics, Big Data, Data Mining, Data Science, Machin
Web開発におけるコンピュータサイエンス - 機械学習編1 - Hatena Developer Blog
この教科書は、はてなサマーインターンの講義資料として作成されたものです: https://github.com/hatena/Hatena-Textbook この章では機械学習について、Webサービスの開発で必要とされる知識を中心に、とくに自然言語処理にフォーカスしながら解説します。 Webサービス開発と機械学習 実現困難な機能の例 闇雲な実装 もう少しましな実装 機械学習によるパラメータ決定 分類問題のための機械学習手法 パーセプトロン 判別アルゴリズム 学習アルゴリズム 特徴量のとり方 形態素解析 量をともなう特徴 組み合わせ特徴量 モデル 機械学習の種類 教師あり学習 分類 (質的変数の予測) 回帰 (量的変数の予測) 教師あり学習でのデータセット 教師なし学習 クラスタリング 次元削減(次元圧縮) 頻出パターンマイニング 異常値検出 アルゴリズムの評価 訓練データとテストデータ 学
管理画面を開発する際に気をつけたこと - クックパッド開発者ブログ
クックパッド編集室の加々美です。 現在、食や暮らしのトレンドを発信するメディアであるクックパッドニュースの開発に携わっています。 「総合職で入社した新卒がクックパッドでエンジニアになるまで」 というエントリを投稿した2015新卒の土谷と同様に、2014年に新卒として入社後、総合職から研修を経てエンジニアへと転向しました。 今回は、クックパッドニュースの管理機能の改善を行う際に注意した点についてお話します。 自分がその管理ツールを使う人になる 事業体制の変化もあり、現状のクックパッドニュースの管理画面に関して、いくつかの運用上の問題点が指摘されており、その改善を行いました。 管理画面改善の進め方としては 「現状の業務フローの把握」「問題点の把握」「理想の管理画面の設計」 という基本的な手順で取り組みました。 現状把握と問題点洗い出しの方法としてまず思いつくのはヒアリング中心で進めていく方法で
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
Flatten the COVID-19 curve | R-bloggers
express와 vue를 이용한 개발 환경 구성 살펴보기
Amazon.co.jp: Python3ではじめるシステムトレード ──環境構築と売買戦略: 森谷博之: Digital Ebook Purchas
A Free Interactive Plotly R Tutorial | R-bloggers
Top 16 Active Big Data, Data Science Leaders on LinkedIn - KDnuggets
Why Not So Hadoop? - KDnuggets
A Beginner's guide to Shelf Space Optimization using Linear Programming
Perfect way to build a Predictive Model in less than 10 minutes