《特別開講》社会人のためのデータサイエンス入門
2020年9月29日開講予定の「社会人のためのデータサイエンス演習」にさきがけて、「社会人のためのデータサイエンス入門」を特別開講いたします。 入門編と演習（実践編）を受講することで、データ分析の基本的な知識から、ビジネスの現場で使われる実践的なデータ分析（統計分析）の手法までを身につけることができます。 「社会人のためのデータサイエンス演習」はこちらのページをご参照ください。 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、
東洋経済「新型コロナウイルス 国内感染の状況」サイトが大反響を生んだ理由は？ 制作者のデータ可視化デザイナーに聞く - エンジニアtype | 転職type
制作を担当したのは、東洋経済オンライン編集部でデータジャーナリスト／データ可視化デザイナーとして働く荻原和樹さんだ。 2010年に東洋経済新報社に入社し、イギリスの大学院への留学などを経て2017年に編集部へ異動。それ以来、各種データの可視化やインフォグラフィックを活用した記事の執筆を続けてきた。 荻原さんが今回の「新型コロナウイルス 国内感染の状況」の制作にかけた期間はたったの一週間。しかも、通常業務の合間に一人で作り上げたという。 そんな彼が「新型コロナウイルス 国内感染の状況」特設ページ制作に込めた思いとは……？ データ可視化デザイナーの役割とあわせて、詳しく話を伺った。 東洋経済新報社 データジャーナリスト／データ可視化デザイナー 荻原和樹さん 2010年筑波大学卒業、同年東洋経済新報社に入社。大株主・大量保有報告書データ編集を経て、2014年よりデータベース商品の設計とウェブ開発
マーケティングに必要なスキルとは？マーケターの役割が変化している？ - Qiita
マーケターに求められる役割の変化 デジタルマーケティングにおいて従来のマーケターは、広告出稿が主な担当領域で、ブランド認知や集客によるトラフィック増加を推進することが大きな役割でした。 ところがテクノロジーの進化による昨今では、ユーザー個々にパーソナライズされたコミュニケーションを用意し、一貫した、全体最適な施策を行うことで、優れたCX（顧客体験）を提供することが求められるようになってきています。 SEOにおいても、本来SEOは「Search Engine Optimzation」の略ですが、アルゴリズムの進化により昨今では「Search Experience Optimization」の略である言っても良いほど、ユーザーの意図を捉えたコンテンツを提供し、サイト上で良いユーザー体験を提供していかなければ、ランキング上位の獲得は難しくなってきています。 このように現在は、マーケティングに様々
「むしろスキルがなければ給与が下がる可能性」、求められるデータサイエンティスト人材になる方法論をプロにイチからいろいろ聞いてみた - GIGAZINE
先端IT人材の中でも急増する需要に追い付かず、慢性的な「売り手市場」となっている「データサイエンティスト」という職種。企業から引く手あまたといわれるデータサイエンティスト職の実態はどうなっているのか？ということで、人材大手パーソルキャリアで現役のデータサイエンティストとして活躍する鹿内学さんに、いろいろと話を聞き、さらに世界最大級のオンライン学習教育プラットフォーム「Udemy(ユーデミー)」で役に立つ講座はどれかというのも教えてもらいました。 世界最大級のオンライン学習プラットフォーム | Udemy 目次 ◆1：「データサイエンティスト」とは？ ◆2：「データサイエンティスト」が引く手あまたなワケ ◆3：データサイエンスが使えないと給料が減る時代が来る！？ ◆4：「データサイエンティスト」になるための学習法とは？ ◆5：プロがおススメするUdemyデータサイエンス講座5選 研究者からビ
スマホマーケットの概要と、�マーケティングの失敗例と改善 （アナリティクス アソシエーション 特別セミナー）
スマホマーケットの概要と、�マーケティングの失敗例と改善 （アナリティクス アソシエーション 特別セミナー）
社内でKaggleの布教活動をやっている話 - yasuhisa's blog
最近、社内勉強会で機械学習についてエンジニアに説明する機会があり、その際にKaggleについても説明しました。一方で うーん、「Kaggler はパラメータチューニングやアンサンブル等の自明でインクリメンタルな改善『しか』できない」というような誤解はどうやって解いていけばいいんだろう。— im132nd (@im132nd) 2018年4月4日 という話もあり、(特にデータサイエンティスト以外の職種の人が)Kaggleをやる意義/メリットについてまとめてみました。ガッと勢いで書いたので、項目に結構被りがあります。なお、書いている本人はKaggleほぼ初心者であまり説得力がないです。Kaggle Masterの人がもっといいエントリを書いてくれるのを期待しています、議論の叩き台エントリです!! Kaggleをやる意義/メリット 様々なデータセットを触ることができる kernelでデータ分析の
1ヶ月で統計学入門したので「良かった本」と「学んだこと」のまとめ - ぴよぴよ.py
前回の「ゲームプログラマからデータサイエンティストに転職しました」 の記事でもお話したとおり、5月からデータ解析する人になりました。 とはいえ、データ解析に関しては未経験。 少しでも不安を減らすために、4月の有給消化期間は統計学のお勉強しました。 今回はおすすめしてもらった中で読んで良かった本の紹介、そして読んだ本の簡単なまとめを書いて行きたいと思います。 ※前提: 4月時点の自分の知識に関して 自分は大学は情報科学を専攻していたが、難しい数式は苦手 統計学は1コマ分受講していたが、単語を覚えている程度でかなりあやうい まず一番最初に読みたい本 「完全独習 統計学入門」 「簡単に統計学の全体像がつかめる入門書はないか」とTwitterで相談したら、こちらの本を数名の方が薦めて下さった。 完全独習 統計学入門 作者: 小島寛之出版社/メーカー: ダイヤモンド社発売日: 2006/09/28メ
マーケターが陥りやすい「ターゲティングの罠」「ロイヤリティの幻想」 | AdverTimes.（アドタイ） by 宣伝会議
森岡毅氏、今西聖貴氏の共著である『確率思考の戦略論-USJでも実証された数学マーケティングの力』は、両氏がユニバーサル・スタジオ・ジャパン（USJ）をV字回復に導いた、成功の背後に数学的な確率論を用いたという解説書として有名です。ビジネス戦略の成否は「確率」で決まっている、かつその「確率」はある程度、コントロール可能であるという数学マーケティングの有効性をUSJのケースをもとに解説した1冊です。 「アドタイ」読者の中にも、読まれた方が多い1冊ではないかと思います。ですが、この著書が理論的な「説明」であって、その方法論やアプローチを特殊と感じている人は多いのではないでしょうか。自分もその一人でした。 しかし最近、翻訳されたアレンバーグ・バス研究所のバイロン・シャープ氏の2010年刊行の『How Brands Grow: What Marketers Don’t Know （邦題：ブランディン
データサイエンティストさんっ！ 育成ですよ、育成！｜マスクドアナライズ
「ドームですよ、ドーム」と言えば「闘強導夢」ですね（挨拶）。 IT業界だけでなく様々な業種業界で需要の高まる「データサイエンティスト」ですが、優秀な人材は東京ドームでコンサートが出来るアイドル並に希少です。 ココらへんは地下アイドルと同じく「名乗ったもの勝ち」な側面もあり、全く役に立たない"自称"データサイエンティストも存在します。 では「優秀なデータサイエンティストをどう確保するか」という課題に向き合う事ことが、今回の趣旨となります。 ここでデータサイエンティスト不足に悩む、弊社の状況をまとめてみました。 ・都内のAIベンチャー ・設立数年なので知名度はまだ低い ・今年になって取引先や案件が増えてきた ・社員数は20人いない程度でエンジニア中心 ・可能であれば他社で実績や経験のある即戦力を採用したい ・社内データサイエンティストのOJTによる育成も検討 ・給料はそんなに高くない ・毎日K
noteデータ分析チームが発足しました｜note編集部
noteのサービス改善の活動を加速するために、noteチームにTHE GUILD 安藤氏、渡邉氏の2名が加わり、データ分析チームが発足しました。今日はデータ分析チームがどの様な取り組みをしているかを紹介致します。 THE GUILDのお二人の経歴のご紹介— まずTHE GUILDのお二人のご経歴を軽く紹介いただけますでしょうか。 安藤：THE GUILDの安藤（@goando）と申します。2012年よりTHE GUILDを創業し、UX/UIデザイナーとして様々なサービスのお手伝いをしております。元々デザインとエンジニアリングの2つが得意領域だったのですが、ここ数年はサービスやプロダクトをグロースさせる取り組みにフォーカスしており、より精度の高い施策に繋げられるようにデータ分析に力を入れています。 渡邉：THE GUILDの渡邉（@mr_dataman）です。2018年2月に独立し、THE
Kaggle事始め - Qiita
はじめに データ解析の情強な方なら、Kaggle はご存じだと思います。データ解析のSkillを競うCompetitionサイトで、与えられたテーマ(Dataset)に対して、世界中のデータ解析有識者が様々なデータ解析手法を駆使してより高い正答率(Score)を競い合う場所です。 が、Kaggleそのものは知っていても、どうやればKaggleに実際に参加できてランキングに加われるのかは知らない、と言う方は多いと思います。この記事では、とりあえずKaggleの何らかのCompetitionに参加して、解析結果をSubmitして、(その時点の)順位/Scoreを確認するまでの操作手順/流れをチラ裏したいと思います。 KaggleのWeb pageは色々な情報/Linkが詰まっているので、ぱっと見取っ付きにくいかもしれませんが、ポイントをつかめば参加してScoreを付けて貰う所まではとても簡単で
アナリティクス界のドラッカーが提唱する 解析普及の7つのポイント
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
データサイエンティスト含むデータ分析職の仕事がつらい4つの理由：洋の東西を問わずつらみは同じらしい - 渋谷駅前で働くデータサイエンティストのブログ
(Image by Pixabay) 某所でバズっていたこの記事ですが。 もう読んだ瞬間に「うわー、これ完全に洋の東西を問わずデータ分析業界だとどこでも見られる、業界つらみあるあるだなー」という感が湧いてきて、こみ上げてくる涙が押さえきれませんでした（嘘）。という軽口はさておき、実際にほぼ同じ内容の愚痴をUSでデータサイエンティストとして働いていた知人からも直に聞いたことがあるので、個人的にもかなり説得力のある話だなと思いました。 この記事の若干嫌なところは「データサイエンティストたちはいつでも転職活動をしている、何故ならどこの職場に行っても以下のつらみがあるからだ」という書き方をしている点。いや、データサイエンティスト含むデータ分析職が全員常に転職活動しているかというとさすがに違うだろうと思いますが、「それくらいつらいんですマジ勘弁して下さい」と言われたら頷かざるを得ないのもまた事実かな
非エンジニアが最速でSQLをマスターする方法 - Gunosy Tech Blog
こんにちは、データ分析部の石塚です。 Gunosyではエンジニア以外の職種でもSQLを叩いて自らデータを集計・分析するという習慣と全社員が各サービスのログ*1に触ることができる環境があります。 例えば、ユーザー獲得を担っているプロモーションチームはエンジニアが0名のチームなのですが、実際にSQLを叩いています。 それによって、自分たちの獲得したユーザーはどのような行動をしているのかを確認したり、分析することができています。 これはGunosyのみの事例ではなく、AWSのRedshiftやAthena、GCPのBigQueryが台頭してきたおかげで、どの会社も低コストにログをSQLで集計・分析できる基盤が整ってきています。 個人的にはアプリやウェブの業界で働くマーケターにはSQLは必須の知識と言える時代になってきたと感じています。 そこで今回は特別プログラミングなどの経験が無い人でも、SQL
プロダクト改善のためにウォッチしておくべき7つの指標 - Gunosyデータ分析ブログ
データ分析部でグノシーというニュースアプリのプロダクト改善を担当している @ij_spitz です。 今回はプロダクト改善のためにウォッチしておくべき7つの指標をSQLで算出してみます。 Gunosyではこれらの指標を、プロダクトに異常があった時に検知するため、また施策の効果検証といった主に2つの目的で使用しています。 簡潔にするため、ユーザーとログインの2つのテーブルを使った算出できる指標のみを対象としています。 また、これらの指標をどうやってプロダクト改善に役立てているのかということも少しではありますが、合わせて書いていきたいと思います。 DAU WAU(MAU) HAU 積み上げHAU 1ユーザーあたりのログイン回数 登録N日後継続率 登録日別N日後継続率 前提 今回のブログで紹介するSQLはAmazon Redshift上で動くSQLなので、MySQLやGoogle BigQuer
データ分析は「強者の武器」、駆け出しのうちはデータが貯まるまでの間に他にやるべきことがある - 渋谷駅前で働くデータサイエンティストのブログ
(Image by Pixabay) こんな面白い記事が出回っているのを先日見かけたのですが。 この6年弱のデータ分析業界での個人的な経験や業界内で見聞してきた知見の範囲で言うと、そもそも「データ分析は『強者の武器』であって小さな組織が使っても強い武器にはならない」というのがあると思っています。言い換えると「スタートアップと呼ばれているうちはデータ分析以外のところに注力すべき」ということかと。ということで、その辺の話をざっくり書いてみようかと思います。 データ分析の効果は「掛け算」なので、元手が多くないと意味がない これまで色々な場で色々なデータ分析の専門家によって言い古されてきた言葉*1とされるのが「データ分析の効果は『掛け算』」だということ。 つまり、データ分析の効果というのは一般には「売上プラス1億円」とかではなく「売上1%アップ」という感じになりやすい、ということです。すると当然な
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
