[B! データ分析] ni66lingのブックマーク

ni66ling id:ni66ling

データ分析に関するni66lingのブックマーク (13)

【無料】データサイエンス入門:機械学習編全35回まとめと目次
こんにちは，米国データサイエンティストのかめ(@usdatascientist)です． (追記)動画版も公開しました！全38時間の3部作という超大作です【日本一の高評価】機械学習超入門講座(前編&後編)を公開しました!! 【ついに3部完結】機械学習超入門講座の本番編を公開しました!! いやーついに長かったデータサイエンス入門機械学習編35回分の記事を書き終えました！！本記事はそのまとめです．目次として使ってください．目次線形回帰第1回: 機械学習とは？なにをしているのか？第2回: 線形回帰の損失関数をわかりやすく解説第3回: 最急降下法を図と数式で理解する(超重要) 第4回: 正規方程式を完全解説(導出あり) 第5回: scikit-learnを使って線形回帰モデルを構築する第6回: 線形回帰の係数の解釈の仕方(p値) 評価第7回: (超重要)過学習と汎化性能を理解する(
ni66ling 2022/06/13
まとめ

tutorial

データ分析

2022
リンク
We are from our childhood
ni66ling 2020/05/31
kaggle

都会と田舎

データ分析
リンク
データ分析Pythonオレオレチートシート - Qiita
雑多なメモになりますが、自分用データ分析する際に使用する時にそこそこ使うやつ。 ※随時更新データ読込 import pandas as pd // Excel df = pd.read_excel("./sample.xlsx") // CSV df = pd.read_csv("./sample.csv")
ni66ling 2020/05/22
cheatsheet

データ分析

qiita

名寄
リンク
実践データサイエンス─サンプルコードと図表で学ぶ、前処理・モデル評価・パラメータチューニング - エンジニアHub｜Webエンジニアのキャリアを考える！
実践データサイエンス─サンプルコードと図表で学ぶ、前処理・モデル評価・パラメータチューニング実践とともに、データサイエンスに入門しよう！敷居が高いと思われがちなデータサイエンスですが、データの前処理からの手順は意外とシンプルです。本記事では、データの前処理や特徴量の作成、モデルの評価・訓練、ハイパーパラメータの調整など、基本的な知識をサンプルコードと図表を見ながら学びます。データサイエンティストとしてのスキルを向上させるには、データの前処理や特徴量の作成、モデルの評価・訓練、ハイパーパラメータの調整など、広域にわたる知識を身に付ける必要があります。この記事は、そうした知識を「サンプルコードと図表を見ながら、分かりやすく学習できること」を目指して作成されました。記事内では、新米データサイエンティストのOさんが登場して、ある案件のデータ分析を担当します。読者のみなさんも、ぜひOさんと一緒
ni66ling 2020/05/16
データ分析

python

pandas
リンク
NOB DATA株式会社
ni66ling 2020/03/17
福岡

データ分析
リンク
[Kaggle]0から本当に機械学習を理解するために学ぶべきこと～一流のデータサイエンティストを例に～ - Qiita
「機械学習が出来るようになりたい」そう思いつつも、中々身についた感じがしない。そんな方々に向けて、Kaggleで公開されているデータ分析の手順を追いかけながら、そこで必要とされている知識を解説したいと思います。全体像を把握することで、より理解が進むはずです。 1. データを分析するために必要な統計的知識機械学習の目的は未知の事柄を推定することです。そのために既にあるデータから何らかの法則性を見つけ出す為に様々な手法が考えられてきました。統計学はご存知でしょうか？　機械学習はデータを扱うという点で統計学と深い関係があります。平均値や標準偏差などは聞いたことがあると思います。統計学はそれらの情報をこねくり回すことによって、限られたデータから本当の全体像を推定します。例えば、選挙の結果を開示前に知りたいときに、投票者全員に聞ければ良いですが、そうもいきません。そこで、統計学は様々な方法を使
ni66ling 2019/03/17
データ分析

Qiita
リンク
データ分析を強みとする上場企業各社の決算まとめ | ブログ一覧 | DATUM STUDIO株式会社
データ分析を強みとする上場企業7社(※1)の7-9月期決算が11月、出揃った。企業の本業の成果を判断する指標である営業利益率は、UBICとフリークアウトを除く5社でマイナスとなった。各社自らの立ち位置を確立するべく買収や業務提供を実施してきたが、少しずつ基盤が整い、サービスとして展開し始めた印象。それぞれの強みがはっきりとしてきた。 □UBIC 今期、過去最高の売上高を記録したUBIC。ホスティング事業の売上の上昇と、eディスカバリコンサルティング（リーガル分野）の受注増が目立つ。特に人工知能を応用させるeディスカバリコンサルティングでは、7-9月期（Q2）にして昨年度の合計受注を上回る結果となった。背景には8月に実施したエヴォルヴ・ディスカバリー社の子会社化が挙げられ、アメリカ西海岸のクライアントからの売上を大幅に増大させた。同社は、マーケティングやITサービスに活用させるための
ni66ling 2016/05/22
データ分析

DatumStudio

business
リンク
日本声優統計学会
日本声優統計学会は声優，声，アニメ作品，ラジオ，アニメソング，アニメイベント，アニメスタッフ，及び声優ファンにまつわる諸現象に対して数理統計的・機械学習的アプローチを用いて分析する集団です．日本声優統計学会は正式な学会ではなく，同人活動を行うサークルです．独自に構築した音素バランス文，及びそれらをプロの女性声優 3 名が 3 パターンで読み上げた音声です． (2020.11.01) あなたがライセンスがある程度自由な音素バランス文やその読み上げ音声を必要としている場合，声優統計コーパスではなく， JVS コーパスの利用を検討してください．より詳しい説明はこちらの文章をお読みください．更新履歴詳細な変更履歴はこちら (ChangeLog.md) をご確認ください． 2021年02月28日 : つくよみちゃんコーパスへのリンクを追加． 2020年11月01日 : JVS corpus
ni66ling 2016/02/14
機械学習

統計

コミケ

データ分析
リンク
データ分析の「7つの進化のステップ」を今一度おさらいしてみる - 渋谷駅前で働くデータサイエンティストのブログ
2016年最初の記事ということで、もはや1月下旬に差し掛かりつつありますがこちらでは改めて、あけましておめでとうございます＆本年もよろしくお願いいたします。で、新年一発目のお題は。。。実は似たようなお題で過去にも記事を書いていますが（笑）、年も改まったことなので今一度備忘録的におさらいしてみたいと思います。観点としては、どちらかというと「これからデータ分析のカルチャーを職場に導入していくとしたらどうやってステップアップさせていくか」みたいなところです。なお過去記事はこちら。この辺の話題を踏まえながら、過去記事リンクのオンパレードで恐縮ですがちょっと一席やってみます。なお以下に挙げる「ステージ」はあくまでも一例であり、業界によってはもっと高度な方向に展開させられる（orもっとプリミティブなレベルに留まる）こともあるので、参考程度に見てもらえればと。特にここでは「まだデータ分析を始めてい
ni66ling 2016/01/19
データ分析

ビジネス

考え方

機械学習
リンク
特集：セルフサービスBIをめぐるAtoZ - ＠IT
「セルフサービスBI（セルフBI）」とも呼ばれる動き、そしてこれに関連する製品・サービスが急速に広がりつつある。一言でいえば、ビジネスを直接生み出す、あるいは直接支える人々が、データを自ら活用し、より迅速で的確な判断をすることを目指す活動だ。本特集では、セルフサービスBIで具体的に何ができるのか、どうやればいいのか、社内の役割分担はどうすればいいのか、セルフサービスBIツールをどう補うのが効果的なのか、といった、従来のBIとは異なるセルフサービスBIならではの課題と解決策をお伝えする。
ni66ling 2014/02/06
データ分析

まとめ

@IT

ログ解析
リンク
「きのこの山」VS.「たけのこの里」戦争に決着!?　購買データ分析で“大差”あり
「きのこの山」VS.「たけのこの里」戦争に決着!?　購買データ分析で“大差”あり：連載・データサイエンティストの視点データ分析の専門家・データサイエンティストが身近な話題をテーマに分析結果を紹介していく本企画。第2回は、ネットでもしばしば論争を巻き起こす「きのこの山」「たけのこの里」の勝敗について。
ni66ling 2014/02/04
ITmedia

きのこの山

たけのこの里

データ分析
リンク
アナリティクスを武器にする・その2
データサイエンティストの冒険近年テクノロジーと数理モデルによってもたらされるアナリティクスが、ビジネスを大きく変えようとしている。データの高度な活用から次の打ち手を見出す力、アナリティクスの決定的な優位性を最前線から解説する。バックナンバー一覧昨今多くの企業がビジネスインテリジェンス（BI）の名のもと、BIシステムを導入しデータを解析して業務につなげるという取り組みを始めました。しかし、現実にはデータ活用が進み分析を武器にできている企業はごく一部であり、大多数の企業は過去のデータ集積と「見える化」にとどまるように、データの活用度合いにまだ改善の余地がある場合がほとんどであるのが実情です。 BIシステムを構築することで、定型リポート、アドホックリポート、クエリー、ドリルダウンといったようないわゆるOLAP（On-Line Analytical Processing＝オンライン分析処理
ni66ling 2013/12/24
データ分析

方法論

KPI

アナリティクス
リンク
75万人のデータ分析でわかった「厄年」のサイエンス　全日本人必読男女別あなたが「病気になる年齢」がわかった（週刊現代） @gendai_biz
厄年に何らかのトラブルに遭ったことがある人---3人に1人。あなたは経験あるだろうか?だが、そもそも「厄年」に根拠はないらしい。日本初・科学的分析に基づく「新・厄年」をお教えしよう。科学的な「厄払い」とは 30代から60代の男女2000人を対象としたこんなアンケート結果がある。・厄年対策で厄払いをしたことがある、もしくはしようと思っている---49・7% 神頼みで厄払いをしようと思う人は2人に1人もいるという事実。厄年を恐れている人がいかに多いかをうかがい知ることができる。数え年で、男性は25歳、42歳、61歳。女性は19歳、33歳、37歳。誰しもに訪れる厄年は、一般的に「病気になる」「事故に遭う」といったイメージが強い。だが、その起源はあいまいで、根拠も明確になっていないのだという。厄年に関する最も古い記述は、平安時代に書かれた文献にあるというが、時代によってその年齢は異なってい
ni66ling 2013/01/03
厄年

データ分析

医療

現代ビジネス
リンク
1