◆◆◆ 「勝つことの喜び、高揚感がチームをより強くする」 「2019年には16連敗を喫したりして、変な言い方ですけど、ぶっちぎりで最下位になってしまったわけです。そのタイミングで監督のお話をいただいたわけですが、まず、何かを変えなきゃいけないと思いますよね。僕が思っていたのは、手始めにここから変えていこうとか、そうした小手先のことではなくて、すべてを変えなければいけないということ。技術、メンタル、環境、もう本当にすべて。 そして迎えた1年目、シーズンの序盤に『あ、これは行けるかもしれない』と思ったことはありました。でも、そんなに甘いものじゃなかった。すべてを変えるというのは簡単なことじゃなくて、2020年はコロナ禍で120試合に短縮されたシーズンでしたが、変化を起こせたのは、1つか、2つだけだったと思います。振り返ってみると、巨人をはじめ上位の球団には、すべての面においてまったく歯が立たな

Welcome the R graph gallery, a collection of charts made with the R programming language. Hundreds of charts are displayed in several sections, always with their reproducible code available. The gallery makes a focus on the tidyverse and ggplot2. Feel free to suggest a chart or report a bug; any feedback is highly welcome! Stay in touch with the gallery by following it on Twitter. Oh and if you wa

調査結果の統計的性質を一部保存した上で、集計表の統計量から乱数を発生させて作成したデータです。 これらのデータは教育目的等のため試行的に、自由にダウンロードして御利用いただけます。 ※留意事項 ・特定の児童生徒個人、学校、設置管理者を示すものではありません。 ・導かれた分析結果は、実証研究の結果とみなすことはできません。

このシリーズについて 私の動機 英語教育研究の現状認識 個人的な動機といきさつ 取り上げるトピック 現在公開中の記事 このシリーズについて このシリーズでは，英語教育研究でしばしば問題になる統計処理のあり方について私見を述べます。後で詳しく書きますが，毎週1本程度，「英語教育研究の統計関係に関して査読で困ったら読む記事」という体裁でカジュアルな統計記事を定期的にアップしていきたいと思います。略してサドコマです。現在のところ10回のシリーズものとして計画しています。（ということで自分自身にペースを課しています） 想定する読者さまは，査読者として，統計関係の評価に悩んでいる方と，投稿者として，査読者対応に悩んでいる方の両方です。内容は，あくまでも，私，草薙個人の私見によります。一研究者としての知見の陳述としてのみ，責任を持つ所存です。私の所属先や，私が所属する学会の見解ではないことに留意してく

データサイエンティストを生業にする手段と実態について述べる。 途中、具体例・境界値の例として私個人の話もするが、なるべく一般性のある話をする。 この記事で言いたいことは具体的には4つだ。 プログラミングスクールをディスるなら代わりの入門方法を提供しようよ。 もう「未経験文系から3ヶ月でデータサイエンティストで一発逆転物語」を止めろ。*1 おじさんは人生逆転したいなら真面目にやれ。 若者はワンチャンじゃなくて、ちゃんと化け物になれよ。 この記事についてはパブリック・ドメインとして転載・改変・リンク記載を自由にしてよいです。 (続き書いた) a. 入門は辛いが… b. 思考停止でプログラミングスクールに通うな。 なろう系・始めてみよう系資料一覧 （最速・最短ルート用） まずは動かしてみよう。強くてニューゲームが体験出来るぞ！ 入門以前の本 一般向け業界本 (AI業界と展望がわかる本) 技術者入

日本国内の潜在的な陽性者数を推定することは有益ですが、簡単ではありません。PCR検査がランダムになっていないことが推定を難しくしています。有症状者が検査されやすいというselection biasがあるからです。この記事ではいくつか仮定を置いて潜在的な陽性者数を推定したいと思います。 仮定 全国民のうち潜在的に陽性になっている割合 この割合は年代によらず一定と仮定します。ここでは と書きます（posはpositiveの略）。例えば0.0001なら日本人約1億2千万人中、おおよそ12000人が潜在的に陽性になっている計算です。 なお、国民の年代別人口の値はこのページの令和2年3月報 （令和元年10月確定値，令和2年3月概算値） （PDF：301KB） の「2019年10月1日現在（確定値）」の総人口 男女計の値を使用しました。 陽性者中の有症状者の割合 若年層で無症状が多いなど、年代で異なる

どうも！ExploratoryのIkuyaです。 前回は自由記述のアンケートのテキストを分析するために、文章を単語化して、ワードクラウドで可視化する方法を紹介しました。 Part1：文章の単語化とワードクラウド - Link このワードクラウドは、どのような単語が多く出現するかを直感的に理解することには向いていますが、一方でどのような文脈で各々の単語が使われているかが分かりづらいといったことがあります。 そこで本日は文章の中で使われている単語の組み合わせを集計して、自由記述のアンケートを分析する方法を紹介します。 自由記述のテキストを分析するステップ 今回はExploratoryを使って、以下の3ステップに沿って説明していきます。 文章を単語化する 単語の組合わせをカウントする 単語の組み合わせを可視化する 1. 文章を単語化する 今回は上記のようなアンケートのデータを下記のように単語化し

概要 WEB系のサービスで色々な試作を実施した後に効果を検証するのは非常に重要だと思いますが、 そのやり方として基本的な統計学が十分に使えると思っています。 今回は基本的な統計学からビジネスで使える試作の効果検証、データ分析を目的にPython+JupyterLab(Docker)を使った統計的データ分析のやり方をまとめました。 また今回使ったnotebookは以下にもありますのでご参考ください。 https://github.com/hikarut/Data-Science/tree/master/notebooks/statisticsSample 環境 以下を参考にDockerでJupyterLabが使える状態を前提とします。 Dockerで起動したJupyterLabでvimキーバインドを使う

GNU PSPP is a program for statistical analysis of sampled data. It is a free as in freedom replacement for the proprietary program SPSS, and appears very similar to it with a few exceptions. The most important of these exceptions are, that there are no “time bombs”; your copy of PSPP will not “expire” or deliberately stop working in the future. Neither are there any artificial limits on the number

株式会社デジサク がお送りするプログラミング記事、 今回はAI（機械学習）の具体的なコーディング手順を扱います。 ※ 無料セミナーも開催中なので、ぜひご覧になってみて下さい。 はじめに これまで「機械学習を仕事に使うには？」というテーマで記事をお届けしてきましたが、 第３回の今回は「Pythonのコーディング手順」をテーマに、具体的なプログラミングを紹介します。 バックナンバーも読んで頂くと機械学習の基礎からPythonのコーディングまで全体を理解できますので、ぜひご活用ください。 第１回：機械学習の目的を理解する 第２回：AI開発のプロジェクト全体像 SNS でも色々な情報を発信しているので、記事を読んで良いなと感じて頂けたら Twitterアカウント「Saku731」 もフォロー頂けると嬉しいです。 機械学習に必要なプログラミングスキル まず、機械学習を習得するために必要なスキルは下記

先日、twitter上で食べログの星の数について、 ある問題が話題になりました。 食べログの闇として話題になったその問題とは、 「評価3.8以上は年会費を払わなければ3.6に下げられる」 というものです。 食べログは飲食店についての口コミを集めるサイトで、 その評価は実際のユーザーによって形成されるものとして広く認知されています。 専門的なグルメリポーターでもなく、 一般の人々の素直な感想を集めることで、 その飲食店のリアルな価値が知れると期待して、 利用しているユーザーも多いでしょう。 それだけに、 「食べログが評価を恣意的に操作しているかもしれない」という話は、 瞬く間にネットで話題となりました。 さて、この話は実際に行われていることなのでしょうか。 食べログでは、当然評価点は公開されているので、 このような恣意的な操作があれば、 何らかの形で偏りが見つかるはずです。 ということで、食

公的統計データなどを基とに語られる“事実”はうのみにしてよいのか？ 一般的に“常識“と思われていることは、本当に正しいのか？気鋭のデータサイエンティストがそうした視点で統計データを分析・検証する。結論として示される数字だけではなく、その数字がどのように算出されたかに目を向けて、真実を明らかにする。 ※文中にある各種資料へのリンクは外部のサイトへ移動します 連載バックナンバーはこちら 統計不正は現在進行形の「事件」 昨年末から話題に上がっていた、「毎月勤労統計」などの統計不正問題。一時は国会をも揺るがす大問題になりましたが、いつの間にか「過去の事件」として忘れられていないでしょうか。 しかし、そうではありません。全省庁が血眼になって不正を探し、見つけてもなお、後から不正が発覚しているように、統計不正は今なお現在進行形の「事件」なのです。 19年8月16日、民間企業の賃金や労働時間を把握する「