株式会社ブレインパッドの2023年新卒研修資料です。基礎統計学について扱っています。
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
田村 健 / データ可視化人間 @tamu_data LINEヤフーでデータ可視化エンジニアをやっています。人間です。 LINEヤフーのデータソリューション事業を知っていただくためにおもしろデータ可視化事例をつぶやきます。お仕事の一貫ですが、発言は会社の見解ではなく個人のアレです。 https://t.co/m5iubk9wgs 田村 健 / データ可視化人間 @tamu_data ラーメンチェーンの店舗を可視化。 幸楽苑、スガキヤ、天下一品、来来亭 地域性がでて面白い。 東海地方のスガキヤの店舗の多さたるや! (1/4) pic.twitter.com/IVV8Ezsm9x 2020-02-11 14:29:40
これは私達の行っているデータサイエンスのトレーニングで、日本でもグローバルでもよく聞かれる質問です。実は2年ほど前にこの質問に正面から真摯に答えていた"Machine Learning vs. Statistics"という、とても素晴らしい記事があるのですが、今日は、そちらの記事をみなさんに紹介してみたいと思います。 ちなみに、筆者のTom FawcettとDrew HardinはSilicon Valley Data Scienceというデータサイエンスのコンサルティング会社で、多くの有名企業がデータサイエンスを使ってビジネスの問題を解決するための支援を行っていました。ちなみに、その会社の方は去年、Appleに買収されています。さらに、Tomは、「Data Science for Business」(翻訳書:戦略的データサイエンス入門 ―ビジネスに活かすコンセプトとテクニック)という有名
スマートアンサーでは、スマートアンサーのユーザー22,000人を対象に、「プログラミング」について、今までの使用経験や使用言語、1か月以内における目的別使用言語などに関するアンケートを実施しました。 まず、今までにコンピュータでプログラミングをしたことがあるか質問を行いました。(この質問文では「HTMLを書くことはプログラミングに含めない」という注釈をつけています) この質問に対する結果を男女別に見ていくと、男性側では世代に応じて31.7%〜34.3%とほぼ3人に1人がプログラミング経験があると答えました。一方、女性側のプログラミング経験は世代に応じて8.3%〜17.4%のユーザーに留まっています。 続いて、プログラミング経験があると答えたユーザーを対象に、今までに使ったことがあるプログラミング言語について質問し、世代別にランキングを作成しました。 まず各世代ランキングトップについて見てい
「自殺の時代」は終わったのか 今から振り返ると、20世紀の終わりから21世紀初めにかけては「自殺の時代」としてあったことが分かる。 2万人台前半で長い間推移していた自殺者数が、1998年、突如として3万人を超える。以後、警察庁の統計では2003年に3万4427人と統計上最多を記録するなど、15年近く、自殺者数は高止まりを続けた。 そうした自殺はなぜ起こったのかを探っていくと、日本経済の闇と、それと強く結び付いた地方の闇がみえてくる。 たしかに2012年以降、3万人を割り込むなど、自殺問題は一定の落ち着きを取り戻している。しかしそれで全て解決されたわけではない。かつて自殺を増加させたこの社会の闇は、かたちを変えながら、より深く、私たちを取り囲んでいる可能性が高いのである。 増加の理由は経済的問題? ではなぜ20世紀末以降、自殺は多発したのか。 その理由は様々に説明されているが、なお充分とはい
IT系企業で給与が高いのはSIerなのか、それともネットベンチャーなのかソーシャルメディア系なのでしょうか。毎年恒例のこの調査企画、今年もIT系の主な上場企業を分類し、比較しやすいようにまとめてみました。 この記事は、Yahoo!ファイナンスの「業種別銘柄一覧:情報・通信」および金融庁の「EDINET」で公開されている企業の有価証券報告書から、従業員数、平均年齢、平均年収などの情報を収集、Publickeyが独自の判断で主な企業をピックアップして業種を分類。平均給与が高い順に並べてみたものです。年収の単位は千円です。 傘下企業の社員数や平均年齢、平均給与の実態を反映していない持ち株会社などはこの調査からは外してあります(例えばスクエア・エニックス・ホールディングス、ソフトバンク、インプレスホールディングスなど)。また、上場していない企業(例えば日本マイクロソフト、Google日本法人など)
『データ分析の教科書』髙橋 威知郎 14のフレームワークで考えるデータ分析の教科書 作者: ?橋威知郎 出版社/メーカー: かんき出版 発売日: 2014/09/18 メディア: 単行本(ソフトカバー) この商品を含むブログ (1件) を見る データ分析 データの分析。 データが大切と言われたりしますが、それはデータ自体というよりも、データの分析が大切という意味でしょう。本書では、データの分析について取り上げています。 ▼ ここに注目 ▼ 「大切なのは、データ分析の結果に基づいて、どんなアクションにつなげるのかという点であり、アクションを実施して、売上や利益アップなど目に見える成果につなげていくことが、データ分析の真の目的です。」(p.23) データ分析の目的は、成果につなげること データ分析の目的は、行動につなげて、成果を上げることだそうです。 たしかに、ただ分析するだけでは意味がないで
黒田総裁のジャクソンホールでの講演資料より デフレーション、労働市場、量的・質的金融緩和(日本銀行) 講演全体の感想は別エントリーで書くとして、今回は講演資料を見て「おや?」と思ったことを。その部分とは各年齢階級別の労働力率の変化を示したグラフ(図表8)です。 労働力率とは、生産年齢人口(15-64歳人口)に占める労働力人口(就業者+完全失業者)の割合です。式で表すと以下のようになります。 労働力率=労働力人口(就業者+完全失業者)/生産年齢人口(15-64歳人口) 今回の図表は年齢階級別となっているので、こう書き換えた方がいいかもしれません。 各年齢階級別の労働力率=各年齢階級別労働力人口(就業者+完全失業者)/各年齢階級別人口 さて、この図表は2012年から2013年の労働力率の変化を示しています。黒田総裁は「今回の回復局面では女性や高齢者を中心に労働力率が高まっている」として、この図
By Kevin Collins 仕事やプライベートにもコンピューターが深く入り込んできて、多くのデータや情報がパソコンのハードディスクに保存されている人も多いはず。しかし、そんなハードディスクにトラブルが発生し、中のデータが失われてしまったら……。機械である限り、間違いなくいつかは故障するハードディスクですが、そんなハードディスクの寿命について、興味深いデータが発表されています。 Backblaze Blog » How long do disk drives last? http://blog.backblaze.com/2013/11/12/how-long-do-disk-drives-last/ このデータを発表したのは、アメリカでオンラインバックアップとデータバックアップのソフトウェアを開発するBackblaze社です。これまでの5年にわたるサービスから取得されたデータを分析し
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