Read it now on the O’Reilly learning platform with a 10-day free trial. O’Reilly members get unlimited access to books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers. Now that people are aware that data can make the difference in an election or a business model, data science as an occupation is gaining ground. But how can you get started working in
原文(投稿日:2011/12/28)へのリンク 企業がソーシャルメディアを使って製品や企業自体の評判を調べる傾向が顕著になっている。これに伴い、単語と定量的メトリクスを使い、文書に含まれる感情を分析するという独特の課題が現れている。 Subramanian Kartik氏とEMCのGreenplumチームはブログ記事をMapReduceとPythonのNatural Language Toolkitを使い、EMC GreenplumデータベースのSQL分析と組み合わせてスパースベクトルとK-平均法アルゴリズムを用いて分析するという研究プロジェクトを行った。 Subramanianは昨年のNoSQL Now 2011カンファレンスでこの研究について発表した。InfoQはこのプロジェクトと背後にあるアーキテクチャについてSubramanianに詳しい話を聞いた。 InfoQ:Greenplum
2014/1/25 "第32回 データマイニング+WEB @東京 ( #TokyoWebmining 32nd) −マーケティング最適化・最前線 祭り−"を開催しました。 第32回 データマイニング+WEB@東京 ( #TokyoWebmining 32nd) −マーケティング最適化・最前線 祭り−: Eventbrite Google グループ 会場提供し運営を手伝って下さった ニフティ株式会社 のみなさん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。会場参加、USTREAM参加ともに多くの方々の参加を嬉しく思っています。 参加者ID・バックグラウンド一覧: 参加者Twitter List: Twitter List TokyoWebmining 32nd 参加者セキココ:第32回 データマイニング+WEB @東京 セキココ (作成してくれた [T
「データサイエンスを採用するか、それとも死か。受け入れなければ、競合企業が先に採用するだけのことです。保守的なアプローチで出遅れた企業は、市場シェアを落とします。米国では既に切迫感が強く、そうした段階まで来ていますが、日本企業は準備ができていますか?」。 米国を代表するデータサイエンティストである米Pivotal(ピボタル)のアニカ・ヒメネス氏はそう言って、2時間に及んだ「日米データサイエンティスト頂上座談会」を締めくくった。 21世紀に最もセクシーな職業と形容されることもあるデータサイエンティスト。この仕事の先端を行く体現者はどんな人たちで、何が彼ら彼女らを突き動かしているのだろうか。それを確かめられる絶好の機会がやって来た。 2013年6月中旬、米国から名うてのデータサイエンティストが来日した。米EMCグループのピボタルでデータサイエンスサービスのグローバルヘッドを務めるアニカ・ヒメネ
第1回では、ユーザー企業の目線でのマーケティング上の課題認識を踏まえつつ、行動予測の優位性や活用事例、システム化のニーズに触れた。それを踏まえて第2回では、「どのようなデータを準備しなければいけないのか」「どのようにデータを活用するのか」「重要なシステム要件は何か」といった、行動予測モデルを活用したCRM(顧客関係管理)システムの具体的な姿について解説する。 行動予測とビッグデータ活用 ビッグデータに基づいて考案・検証された行動予測モデルがCRMにもたらす大きな進歩は、プロモーション施策の成功確率を推定したりシミュレーションしたりできることだ。すなわち、施策の実行前に、収益性や実行リスクを検証できる。 従来のデータマイニングも、大量のデータの中から過去の事象の発生理由や要因を発見(=目的変数に対して、大量の変数の相関性を調査)することで、業務改善のPDCA(計画・実行・検証・見直し)を定量
追記 2016年3月に以下の記事によってこの内容はupdateされています。今後はそちらをお読み下さい。 主に自分向けのまとめという意味合いが強いんですが(笑)、僕が実際に2013年6月現在webデータ分析&データサイエンスの実務でツール・ライブラリ・パッケージを利用しているものに限って、統計学・機械学習系の分析手法を10個挙げて紹介してみようと思います。 追記 回帰分析(特に線形重回帰分析) 独立性の検定(カイ二乗検定・フィッシャーの正確確率検定) 主成分分析(PCA) / 因子分析 クラスタリング 決定木 / 回帰木 サポートベクターマシン(SVM) ロジスティック回帰 ランダムフォレスト アソシエーション分析(バスケット分析・相関ルール抽出) 計量時系列分析 おわりに おまけ1:「素性ベクトル+分類ラベル」なるデータ前処理 おまけ2:グラフ理論*10 {igraph}パッケージでグラ
「データ分析に対する3つの勘違い」も紹介。「大量のデータや高度な統計分析に価値を置く」「分析力だけでビジネスを変えようとする」「KKD(勘と経験と度胸)を軽視する」ことに対しては、警鐘を鳴らした。そうではなく、データ分析に携わる人は「ビジネスの意思決定にどれだけ貢献できたかを重視するべき」「KKDを決して侮らない」(「データ分析の“便利屋”にはなるな」... from ITpro) 言いたいことは非常によく分かるんですが*1、先日新しい3分類を提唱してより実態に近い用語分けしようよ~と書いた身としては何だかしっくり来ないんですよね。 公開講演会の時にも話しましたが、僕は「データを『科学』する」からこそ、データサイエンスとかデータサイエンティストとかいう語が充てられるようになったのだと理解しています。 なので、ビジネス感覚のないデータサイエンティストというのも困る一方なんですが、かと言ってあ
ITエンジニアがデータサイエンティストを目指すには?:ITエンジニアのためのデータサイエンティスト養成講座(1)(1/2 ページ) それぞれの専門分野を生かした「データサイエンスチーム」を結成すればデータ活用への道は短縮できる。そのとき、ITエンジニアはどんな知識があればいい? データサイエンティストとして活動する筆者が必須スキル「だけ」に絞って伝授します。 連載バックナンバー はじめに:分析スキルの課題をどう乗り越えるべき? 昨今では、IT系のメディアのみならず一般雑誌や新聞なども“ビッグデータ”というキーワードを見出しに使っています。この文字を目にしない日がないくらいに多用されていて“バズワード”としてとらえられるケースも少なからずあるようです。 しかし、世界の至る所で――もちろん日本でも、ビッグデータを分析することで新たな知見を見つけて利益を増大した企業や、顧客の購買行動を予測するこ
追記2 2015年末の時点での最新リストはこちらです。 追記 この記事の5カ月後にもう少し更新した内容の「お薦め本リスト」記事を2つupしてますのでそちらもお読みください。 2013年秋版:データサイエンティストを目指すなら揃えておくべき10冊 - 六本木で働くデータサイエンティストのブログ 2013年秋版:データ分析初心者にお薦めする「基礎を本当にゼロから学ぶ」ためのテキスト5冊 - 六本木で働くデータサイエンティストのブログ 今回は、僕が実際に自然科学の研究者からデータサイエンティストへと転身するに当たって、いつも脇に置いていたテキストや同僚が参考にしていたテキストをまとめて紹介します。 ※以下僕も持っているものには「*」を打ってあります*1*2*3 統計学 統計学入門 (基礎統計学) 作者: 東京大学教養学部統計学教室出版社/メーカー: 東京大学出版会発売日: 1991/07/09メ
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