最初の差を覆す、ちょっとした傾きという魔法の話 - Qiita
今回は、みなさんがこれからのキャリアまたは自分の仕事を考えていく上で、私が最も重要ではないかなと思う話を紹介したいと思います。 数多くある予測モデルの中でも最もシンプルで古くから使われている線形回帰を使ったキャリアの構築に関する話です。 これはもともと、私がExploratoryという会社を創業する頃にある知人が紹介してくれた、スタンフォード大学のJohn Ousterhout教授によるコンピューターサイエンスのクラスの生徒に向けた話で(リンク）、どう自分の専門となるスキルを伸ばしていくか、さらにどういう人を雇っていけばよいのかを考える上で、今でも北極星のように指針を与えてくれるかのような素晴らしい話です。 以下、訳。 みなさんに週末の間にちょっと考えてほしいことがあります。それはちょっとした傾きの差が最初にあった差を覆すということについてです。 こちらのチャートを見てみてください。 これ
全てのモデルは間違っている、しかしいくつかはとんでもなく間違っている - Qiita
最近別の記事で、コロナウイルスの感染者数に関するデータはその背景を理解することなしに使うのは危険であるという内容の話をしましたが、今回は、コロナウイルスの感染者数を予測するモデルを使うときには気をつけなくてはいけない、という内容のエッセイがイギリスにおける統計学の学会である、王立統計学会（Royal Statistical Society）の中にあるデータ・サイエンス部のトップの人によって出されていました。 とくにそのモデルを作る人（科学者）、モデルによって出される数字を伝える人（ジャーナリスト）、モデルから得られる情報をもとに政策を作る人（政治家）は、責任が大きく、さらに間違いによる影響や被害が大きいだけに細心の注意を払うべきで、そのためのガイドラインを6つのルールとしてまとめています。 これは、コロナウイルスなどの感染症ウイルスの予測モデルに関わる人達だけでなく、広く一般の我々にとって
結局、機械学習と統計学は何が違うのか？ - Qiita
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
言語学の世界でも統計と機械学習という2つの文化が対立 - Qiita
機械学習と統計学、予測と因果など、これまでにもこうした違いについて何回か取り上げてきました。 実は言語学、自然言語の研究分野でもこうした違いに関しての論争があります。その中でも有名なのは、近代の言語学の父とも言われるノーム・チョムスキーと、AI分野の第一線の研究者でGoogleの研究部門のディレクターでもあるピーター・ノーヴィグの間でのものです。 そのことについて触れている「Predicting vs. Explaining」というおもしろい記事があったのでここで紹介します。 以下は一部の要約です。 チョムスキーは、言語というデータのなかにある法則性を説明することができないのであれば、それはサイエンスではないと主張します。 それに対して、ノーヴィグはそもそも言語とは説明できるほど単純なものではなく、逆にその複雑性を受け入れたモデルを作ったからこそ、近年の自然言語の分野で見られる飛躍的なイノ
AIのバイアスのほんとうの問題は人間が気づかないバイアスだ - Qiita
これまでにも何度か紹介してきた、シリコンバレーのA16Zというトップクラスのベンチャーキャピタルの気鋭のアナリスト、ベネディクト・エバンスが、「AIのバイアス」についての考察をまとめていました。 いわゆる「AIのバイアス」といえば、例えば、白人の方が黒人より多い画像データで作ったAIシステムは白人を認識するのは得意だが黒人はそうでない、といったもののように、私達にとって想像つきやすいものについつい目が行ってしまいがちです。しかし実は、私達人間には認識すらできないもの、例えば光の当たり加減や、音の領域などがバイアスとしてデータに入ってきてしまった場合におきるAIのバイアスこそが、難しい問題なのではないかとベネディクトは言います。 いつものように、鋭い考察でいろいろな角度からAIのバイアスに切り込んでいきますが、彼のエッセイがおもしろいのは、もちろん彼の分析力、クリティカル・シンキング能力が素
1
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
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
