大矢勝 1957年、神戸市生まれ。大阪市立大学大学院生活科学研究科（修士）修了。泡で洗う洗濯機の開発研究で学術博士の学位を取得。短期大学講師を経て1990年より横浜国立大学助教授、2008年より同大学教授となり、2023年現在は名誉教授。洗浄技術・試験法、洗剤の環境影響・安全性、消費者情報などの分野の研究に従事し、洗浄技術や洗剤に関する多数の著書の執筆も行う。

naki @naki_mk 私のツール遍歴 新社会人「Excelの機能たくさん覚えて市場価値アップだ！まずはショートカットっと」 2年目「BIツール超便利じゃん…Excelとか必要なくね…ｽｸｼｮ貼ﾘ付ｹ-」 3年目「BIツールだけだと何かと不便…Python覚えるか…」 6年目「誰でも使えるように設計されてるExcelが便利すぎる…」 2022-08-19 09:58:41

この度、「社会人のためのデータサイエンス入門」の開講に先立ち、「誰でも使える統計オープンデータ」を特別開講しております。 入門編と学習することで、統計の基礎やデータの見方・データの取得方法などを学べます。この機会にぜひ2講座併せてご受講ください。 ※「《特別開講》誰でも使える統計オープンデータ」は、修了証の発行はございません。 講座内容 今、ビジネスの現場では、統計的な思考力によって様々な課題を解決していく能力、すなわち"データサイエンス"力の高い人材が求められている。このようなことを踏まえ、本コースでは"データサイエンス"力の向上を目指し、事例なども踏まえ、データ分析の基本的な知識を学ぶ。 コースは4つの部分に分かれている。第1週では、社会でデータがどのように活用されているかについて、実際のデータを用いた分析事例を紹介する。第2週では、データを理解し、分析する際に必要な統計学の基礎につい

Google が公開している、より良いデータ分析のためのガイドブック「Good Data Analysis」で、データ分析の要所が簡潔にまとめられていて感動した 2022-03-08 Google の非公式ブログで、The Unofficial Google Data Science Blog というデータサイエンスをテーマにしたブログがある。 その中で、 Practical advice for analysis of large, complex data sets の記事を元にして作られた Google Developers Guides: Machine Learning Guides > Good Data Analysis を昨日見かけて読んでいたら素晴らしいドキュメントだったので、ここでその感動を共有したかったので筆をとったしだい。 Good Data Analysis の概

分析結果について身近なトピックに関する11の質問に答えるだけで、あなたの考え方が「コロナ対策」と「多様性」の2軸でスコア化され、周りの人と比較できます。 同年代、同性と比較できるほか、衆院選立候補者のスコアと比較することもできるので、投票の判断にも役立ちます。

https://www.nhk.jp/p/special/ts/2NY2QQLPM3/blog/bl/pneAjJR3gn/bp/pEk4QL80Zp/?cid=nsphk-tvqc-210912-01 「MEGAQUAKE巨大地震 2021」もっと詳しい番組まとめ記事はこちら 「MEGAQUAKE巨大地震 2021」番組情報はこちら ＮＨＫスペシャル「MEGAQUAKE巨大地震 2021」（2021年9月12日放送）では、地震や津波から命や社会を守るための科学や技術の最前線を取材。その中で、「①次の直下型地震はどこで起きるのか？」「②大地震で揺れやすいのはどこか？」という疑問に迫る最新の研究成果を、とくに詳しくお伝えします。 【①次の直下型地震はどこで？最新研究が示すリスク】 「３．１１以前の状況とは全く異なる、未知の日本列島。私たちはその世界に足を踏み入れた」 科学者がそう語った巨大地

ビジネスを行う上で「どうやったら集客できるの？」「どうやったら売れるの？」と課題は尽きません。こうした課題の解決に向けて考えた結果、どうしていいのかわからない！と悩む人も多いのではないでしょうか。 そういった考えるべきポイントをパターンとして落とし込み、誰でもできるようにしたものがフレームワークです。このフレームワークを目的によって使い分け、ビジネスに当てはめて考えることで、何が必要で何が課題となっているのかを論理的に導くことができるでしょう。 今回は汎用性の高い基礎的なフレームワークを、用途別にまとめました。 ▼今すぐ使えるフレームワークのテンプレートはこちら 【記入例付き】マーケティングフレームワーク テンプレート集 目次 ビジネスにおけるフレームワークとは フレームワークを活用する5つのメリット 論理的思考に役立つ6つフレームワーク ビジネス全体像の把握に役立つ2つのフレームワーク

こんにちは、Retty.Inc ソフトウェアエンジニア兼データサイエンティストのchie（@chie8842）です。 好きなたべものは焼肉とみかんです。 現在Rettyでは、次世代分析基盤を構築しています。Rettyでは、サービス拡大に伴いログの急増や分析需要の拡大が見込まれるため、高いスループットとコストパフォーマンスを両立する、スケールするアーキテクチャ設計が求められています。 今回は、こうしたスケールするアーキテクチャ設計の実現のために理解しておくべきDWHのコア技術の一つである、カラムナフォーマットに焦点を当てて紹介します。 はじめに - カラムナフォーマットとは カラムナフォーマットとは、データベースの分析用途に利用されるファイルフォーマットの種類の一つです。大量のデータを扱う際に効率的に圧縮してストレージコストを下げたり、計算時に必要なデータだけを取り出して計算コストを小さくで

はじめに 先日、ポケモンたかさおじさんこと、生㌔Pのブログにて次のような記事が投稿された。 ポケモンらしさ-2_意見分析　マスコット感検証 https://pkmnheight.blogspot.com/2020/04/2.html ざっくり引用すると、以前バズってた以下の海外の分析画像を、転載したTweetがあった。 ポケモンのデザインはどんどん生物的じゃなくなって行ってて、色んな部位が丸みを帯びてただの可愛いマスコットキャラクターと化してるっていう海外の分析画像が凄い pic.twitter.com/qHHVaHzEue — Χ十 ◤カイジュー◢(⃔ *`꒳´ * )⃕↝♡ (@KaijuXO) June 13, 2019 このTweetに対して、ポケモンたかさおじさんが 猛撃 していたというものである。 ざっっっくり要約すると、各世代ごとに幼虫・昆虫ごとに部位をピックアップし、 そう

提供社の都合により、削除されました。 関連ニュース ランキング 総合 国内 政治 海外 経済 IT スポーツ 芸能 女子

クラスタリング (clustering) とは，分類対象の集合を，内的結合 (internal cohesion) と外的分離 (external isolation) が達成されるような部分集合に分割すること [Everitt 93, 大橋 85] です．統計解析や多変量解析の分野ではクラスター分析 (cluster analysis) とも呼ばれ，基本的なデータ解析手法としてデータマイニングでも頻繁に利用されています． 分割後の各部分集合はクラスタと呼ばれます．分割の方法にも幾つかの種類があり，全ての分類対象がちょうど一つだけのクラスタの要素となる場合(ハードなもしくは，クリスプなクラスタといいます)や，逆に一つのクラスタが複数のクラスタに同時に部分的に所属する場合(ソフト，または，ファジィなクラスタといいます)があります．ここでは前者のハードな場合のクラスタリングについて述べます．

久しぶりにペラペラな思いつきを書き捨てて、寝ます。 2、3年前ぐらいにSIerやコンサルでTreasure Dataとか使ってマネージドDWH作ろうぜっていう風潮が流行って、今は運用フェーズに入ってどこも結構苦しんでるってのが僕のすごく狭い観測範囲での印象。 AWSのReadshiftしかり。 なぜ苦しんでるかっていうと、言うほどスケールしないからであり、言うほどマネージドじゃないから。 Treasure Dataは基本的に割当メモリが固定でオートスケールしないので、ピーク時に合わせて必要なメモリを確保しておかないといけない。そうなるとメモリ使用量とか負荷とかをモニタリングしないといけないわけだけど、Saasだから内部のアーキテクチャが隠蔽されていていちいちサポートに問い合わせないといけなかったりする。 Redshiftの場合はそもそも自前でクラスタ管理しなくちゃいけないのでそれが大変って

雇用者は何を求めているのか？ データサイエンティストは、多くのことを知っていると期待されます。例えば機械学習、コンピュータ科学、統計、数学、データの可視化、コミュニケーション、そしてディープラーニングといったものです。これらの分野の中には、データサイエンティストが学んでいる可能性のある何十もの言語やフレームワーク、テクノロジが含まれています。雇用者側から求められたいデータサイエンティストは、限られた学びの時間をどのように割り当てるべきでしょうか。 私はデータサイエンティストにどのようなスキルが求められているのかを探るため、Web上の求人情報サイトを見て回りました。一般的なデータサイエンスのスキルと、特殊な言語やツールは分けて考えています。検索した日は2018年10月10日、サイトは LinkedIn と Indeed 、 SimplyHired 、 Monster 、それに[AngelLi

機械学習の理解と数学の必要性・ロードマップ このことはすでに色々な方が議論されていますが、近年では豊富に用意されたライブラリを用いることによって、数学の知識がそれほどなくとも”ある程度”のことはできるようになりつつあります。 逆に本格的なレベルに踏み込むならば、非常に高度な知識が必要とされるでしょう。 本記事はそのあいだに位置し、数式の羅列された本が読みづらい人を対象に、その都度調べながらでも読み進めることができる”数学の基礎体力”をつけることを目的にして作成しています。 機械学習・データサイエンスに必要な数字ロードマップ 以下のロードマップは、高校1年のレベルで学ぶ分野から”機械学習エンジニア”や”データサイエンティスト(アナリスト/エンジニア)”に必要な知識・スキルに至るまでの道のりをザックリまとめたものです。 ここに書かれていない分野でも大切な物は多数あります。 が、(すべてを書き出

こんにちは、ほけきよです。 pythonでデータを取り扱っているとき「あれ、これどうやるんだっけ？？」 ってなること、ありませんか？僕は10分に1回程度なります。 いや、覚えろと自分でも思うんですが、覚えられないんですよね。100回くらい同じコマンドを調べてたりする。 物覚えが良くないので、ココを見れば絶対大丈夫なようにしておこうと思い、まとめてみました。 jupyterで最初に開くときに読み込むモジュールたち datetime 日付⇔文字列の変換 datetimeの足し算引き算 json dict型⇔json jsonファイルの入出力 datetimeをjsonにする時、エラーが出る pandas ～以外を表すやつ andとor inf弾く リストをdfにサクッと変換 datetimeとして読み込み 読み込み時にcodecのエラーが出る DataFrameのfor文 numpy lins

(Image by Pixabay) この記事は以前の書籍リスト記事のアップデートです。 機械学習エンジニアやデータサイエンティストとして（もしくはそうではない職名であったとしても）機械学習システム開発や統計分析を仕事にしたい人なら、最低限これだけは読んでおいて損はないだろうという書籍を初級向け5冊、中級向け10冊選定しています。ただし、以前とは若干異なり「仕事にする」イコール「プロフェッショナルを目指す」ということで、特に初級向けリストを若干レベルアップさせています。中には初学者でも結構読みこなすのが難しい本だけになっているかもしれませんが、中級向けリストに進む上でどうしてもこれだけは読破して欲しいという願望も込めました、ということで。 完全にお馴染みのネタなので特に説明することはないかと思いますが、言うまでもなく以下のリストは完全なる僕個人の独断と偏見で、最近出版されたり自分で読んだ本

５．AI関連用語集 一般的にAI（人工知能）と呼ばれている機械学習やニューラルネットワーク、深層学習に関する技術は、未だに発展を続けています。このため、そこで用いられている言葉は確定されておらず、同じ概念を異なる単語で表現する場合も多々あります。特に日本語の場合は、英訳された日本語と英単語が混在しているため混乱しているのが実情です。この「AI用語集」は、私が集めた備忘録ですので、学術的には不正確であることをご了解ください。 ５－１．機械学習（Machine Learning）／統計学関連用語 ５－２．自然言語処理（NLP）関連 ５－３．深層学習（Deep Learning）／Neural Network 関連 【アルゴリズム】【画像認識】【ニューラルネットワーク】 ５－４．最新用語・アルゴリズム ５－１．機械学習（Machine Learning）／統計学関連用語 ・回帰分析（regres

データサイエンスやAIの分野において必要なスキルを有しているかどうかを判別するひとつの指針として、機械学習コンペでの実績が挙げられます。その中で最も有名なプラットフォームとなる「Kaggle（カグル）」およびそのKaggleで行われているコンペに参加するデータサイエンティスト、いわゆる「Kaggler（カグラー）」と呼ばれる人々が今注目を浴びています。「Developers Summit 2018 Summer」で行われた株式会社ディー・エヌ・エー 原田慧氏のセッションでは、そんなKaggleおよびKagglerの詳細を聞くことができました。本記事ではその模様をレポートします。 講演資料：Kaggleで描く成長戦略～個人編・組織編～ Kaggleとは 数理学博士からデータ分析コンサル会社を経て、DeNAに2018年02月に入社した原田氏。現在ではDeNAのデータサイエンスチームのリーダーを

The Blog | Welcome to Adobe Blog アドビのブログでは、Creative Cloud、Document Cloud、Experience Cloudの最新情報や役に立つ情報を紹介しています。