新型コロナウイルス感染症(COVID-19)の感染拡大を防ぐため、多くの企業が従業員のリモートワークや在宅勤務を許可する流れが世界的に起こっています。そんな中、大手小売店やアパレルショップで「服のトップスだけが売れ行き好調になる」という現象が発生していると報じられました。 Amid coronavirus, Walmart says it's seeing increased sales of tops - but not bottoms https://finance.yahoo.com/news/amid-coronavirus-walmart-says-its-seeing-increased-sales-of-tops-but-not-bottoms-202959379.html As population works from home, Walmart reports incr

As global communities responded to COVID-19, we heard from public health officials that the same type of aggregated, anonymized insights we use in products such as Google Maps would be helpful as they made critical decisions to combat COVID-19. These Community Mobility Reports aimed to provide insights into what changed in response to policies aimed at combating COVID-19. The reports charted movem

3つの要点 ✔️ AutoML-Zeroは基本的な数学演算の操作だけで、完全な機械学習アルゴリズムを自動的に発見 ✔️ Back Propagationで学習するニューラルネットワークすら発見 ✔️ 人間の先入観に捉われない新たな解法の創造に期待が持てます。 AutoML-Zero: Evolving Machine Learning Algorithms From Scratch written by Esteban Real, Chen Liang, David R. So, Quoc V. Le (Submitted on 6 Mar 2020) Comments: accepted by arXiv Subjects: Machine Learning (cs.LG); Neural and Evolutionary Computing (cs.NE); Machine Learn

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

グループ合同の新卒研修で行った SQL 入門向けの解説 + ワークショップです。 基本的な部分の解説のみで、一部触れていない構文もございます。 ご了承ください。 KKK: 価格, TNK: 単価, MST: マスタ, IDX: インデックス # URL HomePage: https…

新型コロナウイルス感染症の拡大防止策として、携帯キャリアやプラットフォーム事業者などに統計データの提供を要請していた政府に対し、ヤフーは4月3日、データの提供などで協力する方針を発表した。 ヤフーは、ユーザーのプライバシー保護やプロセスの透明性を確保することを前提とした上で、個人情報を含まない統計データを分析した形で政府に提供するとしている。分析するデータの種類についてはユーザーに事前に知らせ、意向を確認する。 データの提供に際し、ヤフーは政府と協定を結ぶ。協定内容には、「提供するのは統計データに限り、統計データの作成方法は事前に公表すること」「統計データの利用目的を明確に限定し、目的の範囲内で利用することが担保されること」「統計データの提供は任意で行うもので、任意に提供を中止できること」「提供内容がどのように利用されたのか、有効性についてフィードバックがなされること」といった内容を盛り込

苦境が続く百貨店業界。他の集客力のある小売店との提携など生き残りにかけて模索が続く。そんななか地方に目を向けると増収を続ける百貨店もある。どのような戦略があるのか。流通小売企業の成長を支援するコンサルタント榎本篤史氏の『東京エリア戦略』から、その一部を紹介する。 苦境が続く百貨店。その商圏にあった独自の戦略が必要だ（２０１９年　ロイター／Issei Kato） 一人ひとりの接客に時間をかける高崎高島屋 今、百貨店は全国どこも苦境に立たされています。人口減少はもちろんのこと、アマゾンやゾゾタウンといったネット通販の台頭、ユニクロをはじめとしたファストファッションの流行、インバウンド需要が陰り始めていることなど、あらゆる商品を取り揃える百貨店には厳しい外部環境が続いていることは間違いありません。 そのような中でも元気な百貨店がいくつかあります。群馬県にある高崎高島屋はその 1 つです。実は 7

まず、そもそもマーケティングファネルとはなんなのでしょうか？ マーケティングファネルとは、消費者が購入に至るまでの道筋を図にしたものです。 ファネルとは漏斗を意味し、マーケティングファネルで最も古典的なパーチェスファネルが漏斗のような形をしているためにこのように名付けられました。 マーケティングファネルの中にも、いくつかの種類がありますので、パーチェスファネルを含めて紹介していきます。 パーチェスファネルとは、消費者が商品を購入するまでの行動を「認知」「興味・関心」「比較・検討」「購入」の４つに分類して図式化したものです。 消費者の購買決定プロセスを説明する「AIDMAモデル」の図式化と同義と言ってもいいでしょう。 AIDMAモデルとは、 A（Attention）：商品やサービスの存在を認知する I（Interest）：興味を持つ D（Desire）：欲しいと思う M（Memory）：記憶

JupyterLabにビジュアルデバッガーが初搭載。ブレークポイント、変数の確認、コールスタックの調査などが可能に Jupyter Projectは、オープンソースの統合開発環境「JupyterLab」にビジュアルデバッガーを搭載したことを明らかにしました。 JupyterLabは、おもにデータ解析を実行するためにPythonやScala、Rなどのコードを打ち込んですぐに実行できる、シンプルでインタラクティブなコード実行環境である「Jupyter Notebook」をベースとし、ファイルブラウザやテキストエディタ、コンソールなどを統合した開発環境です。 今回、このJupyterLabに初めてデバッガが搭載されることになります。 デバッガを利用するには、デバッガ用のフロントエンドを拡張機能としてJupyterLabにインストールします。 デバッガの使い方は基本的にVisual Studioや

ヤフー株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。LINEヤフー Tech Blog こんにちは。サイエンス統括本部でレコメンデーションエンジンの開発を担当している吉井と小出です。 今回は、レコメンデーションと横断データ活用の事例として、各種データからユーザーの意図を抽出し、レコメンデーションの性能改善につなげる取り組みについてご紹介します。 ※レコメンデーションエンジンの開発はプライバシーポリシーの範囲内で取得したデータを用いて行っています レコメンデーションとは レコメンデーションは、サービスの利便性を向上させるために欠かせない技術となっています。 代表的なレコメンデーションの利用事例としては、 今閲覧しているアイテムに関連するアイテムを提示する あるアイテムと一緒に買われやすいアイテムを合わせ買いアイテムとし

まずディープラーニングがどのように発展していったのかお話しします。 第一次ニューラルネットワークブーム ある時、脳の神経細胞を仕組みを再現した人工ニューロンを作ります。 人工ニューロンとは上図のようなものを指します。 この複数の信号から1つの信号を出力するアルゴリズムをパーセプトロンと呼びます。 この人工ニューロンを2つ重ねるとが学習できるらしくブームが起こります。下図。 ですが世の中の多くを占めている非線形の問題が解けなく、ブームが終わります。 第二次ニューラルネットワークブーム 実は3層以上重ねるとどうやら非線形問題が解けることは知られていましたが、誰も実装まで手が付けられませんでした。 ところがある時、BackPropagationという方法が発見され、3層以上を重ねられました。 何層も重ねたものをニューラルネットワークと呼びます。 （アルゴリズムを多層パーセプトロンといいます。）

スマホの位置情報を使って、新型コロナ拡大対策に踏み切る国々2020.04.01 17:00 Alyse Stanley - Gizmodo US ［原文］ （ Rina Fukazu ） 日本はどうなってる？ 新型コロナウイルスの拡散防止策として、アメリカではスマホの位置情報を追跡が行なわれています。 Wall Street Journalによれば、アメリカ疾病管理予防センターが国や地方自治体と連携した取り組みとして、モバイル広告会社（携帯電話会社ではなく）が特定の地域のユーザーからの情報を連邦当局に転送しているとのこと。 位置情報で何がわかる？当局は、500ほどの都市から集められた位置情報は匿名化・集約化されているといいます。感染拡大を監視することのほか、人々が運転した距離や訪問した店舗の数などの変数を使用して、経済的影響を予測するのに役立つそうです。 こうした政府による人々の行動の監視

はじめに 自分は元々pandasが苦手でKaggleコンペ参加時は基本的にBigQuery上のSQLで特徴量を作り、最低限のpandas操作でデータ処理をしていました。 しかし、あるコードコンペティションに参加することになり、pythonで軽快にデータ処理をこなす必要が出てきたので勉強しました。 そこで、当時の勉強メモをもとに「これだけ知っていればKaggleでそこそこ戦えるかな」と思っているpandasの主要機能をまとめました。 注記 実戦入門 のつもりが ほぼ辞書 になってしまいました orz pandasとはなんぞや的な内容は書いていません (import pandasやDataFrameとは何かなど) pandas1.0系でも動くように書いたつもりですが間違ってたらすみません 目次 はじめに 注記 目次 Options DaraFrame 読み書き CSVファイル 読み込み 書き出

はじめに こんにちは、UKIと申します。 筆者が2016年2月から運用を行っている日本株の資産運用システムにおいて、このたび累積獲得損益が1億円を突破しました。 この資産運用システムは、日中の株価の値動きを予測して売買シグナルを出すというものですが、その値動き予測にAIを活用しています。 今回の記事では、その手法の概要を紹介し、AI投資の今後の展望についてお話したいと思います。 筆者について 筆者は元々、兼業投資家としてシステムトレードを中心に資産運用を行っていました。システムの開発と運用により注力するため、2014年に法人化して資産運用を事業化しました（そのときのスタートアップ資金は5000万円でした）。 現在は日本株と仮想通貨を中心に運用を行っていますが、日本株の運用では年利40%を目標としています。 AI投資に至った経緯 筆者がAI投資に興味を持ったのは2015年頃になります。 当時

こういう人間です ・ 文系（英文学科） ・ Webエンジニア ・ 統計を勉強中モチベーションここ２年ほど統計を勉強しているのですが、そこで毎回立ちふさがるのが数学の壁でした。わたしは文系ということもあって数ⅡB（しかも途中まで）しか履修していなかったため、微分積分や線形代数などが出てくると理解することが難しく時間がかかってしまいます。 でももっと統計を知りたいし理解したい 😭 という気持ちをずっと感じていて今回数学をやり直すことにしました。 高校３年分と考えるとなかなか決心するのに時間がかかりましたが、やってよかったと思います。スケジュール感や実際使った本などを共有することで同じような方の参考になればよいなあ、と思います。 実際使用した本 ・ 講座■ よくわかる数学シリーズ 主にMY BESTシリーズを使用しました。カラーで説明もわかりやすく、目にも心にもやさしい仕上がりになっております

stdio Random ramblings of a anonymous software engineer. Contains occasional profanity. Personal opinions, not related to employer. Japan's COVID-19 Reports - 140KBs of Unadulterated Incompetence These are some thoughts on the daily reports issued by the Japanese Ministry of Health, Labor, and Welfare. I'll be using data from the March 27 COVID-19 status report and the English Version. Setting asi

こんにちは、関学M１の太田です。ここ半年ぐらい交通×AIを追っかけていたのでまとめておきます。読者層は交通関連の研究したいと思っている人向けです。 本記事は、交通×AIの研究をするにあたって概要を掴むのに僕自身もお世話になった勉強教材をまとめました。 内容としては、以下の通りで紹介していきます。正直長くなりすぎたのでどっかで分割するかもです。 - 1. 交通×AIの概観を掴むスライド - 2. サーベイ論文 - 3. 研究動向 様々な交通機関における需要予測 - 4. 研究動向 タクシーの配車と再配置アルゴリズム - 5. 書籍 春から交通関連の研究したい人は、1. 2. 5.を読むといいかもしれません。 交通✖️AIまとめスライド 交通業界へのAI応用事例を網羅的に紹介 サーベイ論文の紹介 [1906.04928] Deep Learning for Spatio-Temporal Da

「若い女性たちにとって『前髪』は、ヘアスタイルというより、もはやメイクに近い存在なんです」。マンダムの新製品イベントでこの話を聞いた時、正直いって少々驚いた。若い女性たちが美容でまず関心を持つのは「メイク」というのは分かる。ヘアスタイルやアレンジによって「かわいい髪型」を演出したいのも理解できる。でも、なんで、「あえて『前髪』限定!?」と。 これには、若い世代特有のコミュニケーション法が関係している。10代～20代の女性たちは、コミュニケーションツールとしてスマホを駆使し、SNSのアイコンやインスタグラムで日々の生活を発信するために、自撮りをする機会が多い。 「マンダムが2020年に15歳～29歳の女性442人を対象に行ったインターネット調査によると、『SNS にアップ予定の写真を撮る直前に、確認したいポイントはどこか』という質問に対して、1位は『前髪が整っているか』の57.7%。2位は『

Software Summary The Stanford NLP Group produces and maintains a variety of software projects. Stanford CoreNLP is our Java toolkit which provides a wide variety of NLP tools. Stanza is a new Python NLP library which includes a multilingual neural NLP pipeline and an interface for working with Stanford CoreNLP in Python. The GloVe site has our code and data for (distributed, real vector, neural) w

出前館は第三者割当増資によって、新たに300億円の資金を調達する LINEは3月26日、持分法適用関連会社の出前館（旧・夢の街創造委員会）に追加出資すると発表した。LINEの親会社である韓国ネイバーと共同出資で設立した未来Fund（ファンド）と共に、出前館が実施する第三者割当増資を引き受け、合計で約61％を出資。LINEから社長も派遣し、実質子会社化する。 LINEは2016年10月に出前館を持分法適用関連会社とし、約22％（19年8月末時点）を出資する筆頭株主となっている。LINEと未来ファンドは、第三者割当増資の引き受けによって、それぞれ150億円ずつを出資。出資比率はLINEが約36％、未来ファンドが約25％となる。 LINEは17年10月から独自の出前代行サービス「LINEデリマ」を行っているが、今後はLINEと出前館のIDを統合し、同サービスを強化する。また、出前代行だけでなく、

はじめに コロナウィルス(COVID-19)でリモートワークの頻度が増加している人も多いと思う。そうなると、必然的にリモート会議の数も増える。ここで課題として上がってくるのが、リモート会議に対する姿勢、また練度だ。 リモートワークを多用して、リモート会議に慣れているチームもあれば、もともとオフサイト出社がメインでリモート会議に慣れていないチームもある。前者の慣れているチームであれば、スムースに適応できると思うが、後者の不慣れなメンバが多い部署・チームは、もっと効果的なやり方に気づいていない可能性もあると思う。(この場合、前者のメンバはストレスを溜めることにもつながる…。たとえば、一方的に音質の悪いリモート会議を想像して欲しい) そこで、この記事では自身の5-6年のリモート会議経験や、見聞きした情報から良いと思っているプラクティスを紹介していく。それによって、少しでもより効果的なリモート会議

本記事は、データ活用に悩む経営層の方、デジタル推進室、デジタル戦略部、などと昨今呼ばれている横串組織の方や、データに関わる仕事をし始め試行錯誤されていらっしゃる方に向けて書きました。 読み終えていただければ、「データ活用」というふわっとした言葉を深く理解することができるものと信じています。 多くの企業でデータ活用への投資に失敗しているという調査結果があります。 引用元：McKinsey & Company 92％の企業がデータ活用投資に失敗している – Mckinsey Analytics 一方で、データ活用がうまくいけば、グローバルGDPよりも7倍以上の成長、顧客獲得、顧客ロイヤリティも格段に上がっている結果があるとも言われています。 –Forrester Research 2018 & Mckinsey Analytics 2018 ※このMckinsey Analytics のリサー

Pythonは一番書きやすいプログラミング言語と知られ、多くの人の第二外国語(英語に次ぎ)です。でもGithubやGitlabで他人のコードを参照した時や自分でclassを書いてる時、こういう疑問はあったでしょうか： 「def __init__(self): の__init__のアンダースコアは何故二つなのか？」 「def _func(x): と def func(x): とdef func_(x): に違いはあるのか？」 「y, _ = func(x)のアンダースコアは何か？」 そんな色んな所で使われてるアンダースコアの使い方を、今回整理して説明してみました！ アンダースコアの使い場所Return値を無視する。関数の名付けで使い方を区別する。数字を読みやすくする。インタプリタで最後に表示された値を代表する。以上4種類の状況でアンダースコアを使いこなす事により、読みやすいpythonicな

新型コロナウイルスクラスター対策専門家のアカウントです。大切な人に会えない、会いづらい今の状況を変えるためにはたくさんの方の協力が必要です。そのために情報発信が必要と考えました。できるだけ分かりやすい情報発信ができるよう頑張ります。頂いたリプライへの対応は難しいですが、そのリプライの内容を参考に投稿を考えます。