データ分析のためのSQLを書けるようになるために
はじめに 本稿では分析用クエリをスラスラ書けるようになるまでの勉強方法や書き方のコツをまとめてみました。具体的には、自分がクエリを書けるようになるまでに利用した教材と、普段クエリを書く際に意識していることを言語化しています。 想定読者として、SQLをガンガン書く予定の新卒のデータアナリスト/データサイエンティストを想定しています。 勉強方法 基礎の基礎をサッと座学で勉強してから、実践教材で実際にクエリを書くのが望ましいです。 実務で使える分析クエリを書けるようになるためには、実務経験を積むのが一番良いですが、だからといって座学を御座なりにして良いというわけではありません。SQLに自信がない人は、一度基礎に立ち返って文法の理解度を確認した方が良いと思います。 書籍 SQL 第2版: ゼロからはじめるデータベース操作 前提として、SQLに関する書籍の多くがデータベース運用/構築に関する書籍がほ
心理学者。キングス・カレッジ・ロンドンの精神医学・心理学・神経科学研究所の講師。2015年に科学的心理学会（アメリカ）の「期待の星（ライジンング・スター）」賞を受賞。『タイムズ』『ワシントン・ポスト』『ワイアード』などに数多く寄稿し、BBCラジオなどの出演もある。 Science Fictions あなたが知らない科学の真実 スタンフォード監獄実験はイカサマだった！ 権威ある心理学研究の100件のうち、再現に成功したのはたったの39％!? 科学の信頼性を根底から揺るがす「再現性の危機」に迫る真実の書、日本上陸！ 科学における不正・怠慢・バイアス・誇張が起きる仕組みを多数の実例とともに解説。既存の本で知ったウンチクを得意げに語る人に読ませたい、真実の書。 バックナンバー一覧 「すべての科学研究は真実である」と考えるのは、あまりに無邪気だ――。 科学の「再現性の危機」をご存じだろうか。心理学、
データサイエンティスト協会は10月30日、「データサイエンティストスキルチェックリスト」の第5版を公開した。データサイエンティストに必要とされるスキルをまとめたもので、新たに生成AIに関する項目を加えた。同協会のWebサイトで無料でダウンロードできる。 2021年に公開した第4版から内容を改修したもので、生成AIの台頭を受けて「AI利活用スキル」を新たに追加した。同協会は「生成AIは利用・開発・企画といった活用するためのスキルが当然必要となる一方で、その技術的背景を理解しつつ、生じる課題に対応するスキルが求められる」と説明。利活用スキルと背景理解・対応スキルの2種類に分けた全69項目を定義した。 例えば、利活用スキルの初歩には「LLM（大規模言語モデル）を利用して、データ分析やサービス、システム開発のためのコードを作成、修正、改良できる」などの項目、背景理解・対応スキルの初歩には「さまざま
10年経ってもついに消えずに残った、データサイエンティストという職業 - 渋谷駅前で働くデータサイエンティストのブログ
このブログでも何度か引用しているこちらの記事で、「データサイエンティストという職業は10年以内に消える」という趣旨の議論がされていたのがちょうど10年前の2013年でした。ちなみにこの記事はついているブックマーク数に比して当時は結構注目を集めたという記憶があり、割と業界内では「確かにこんな中途半端な職業が10年後もあるわけないよね」と言われていたのを思い出します。 実際には皆さんもご存知のように、2023年になってもデータサイエンティストという職業はついに消えることなく、現在に至るまで残り続けています。その経緯がどんなものであったかは、業界10年史記事でもある程度触れた通りです。 しかし、同時に現在では「生成AIの普及でデータサイエンティストの仕事がなくなる」という風説も出回っており、改めてデータサイエンティストという職業の将来性に不透明感が漂いつつあるのもまた事実です。そこで、今回の記事
データサイエンティストとは データサイエンティストは、端的にいえばAI社会におけるデータを扱うプロフェッショナルです。大量のデータを集め、整理し、パターンやトレンドを分析し、ビジネス上の課題や問題に対する解決策を見つける役割を果たします。 近年、人々の生活のデジタル化が進んだことで、知らず知らずのうちに人々の行動がデータとして蓄積されています。例えば、インターネットで使用した「検索ワード」や、ECサイトにおける購入履歴、SNSにおける投稿など、人々が行動した過程や結果で生成されるさまざまな記録は、すべてその人の特徴を表すデータの一部になります。 また生成されるのは個人のデータだけでなく、事業者のデータも数多く存在します。例えば農業や水産業などの一次産業、その先の二次産業、三次産業においても、気象状況や収穫量、工場での生産量、実際の市場での流通量など、企業活動を通じてさまざまなデータが生成さ
このページでは，人工知能や深層学習を学んだことのない方向けに，それらを学ぶためのロードマップを紹介しています． ここでは対象者として「情報系以外の大学生向け」と「社会人向け」を想定し，それぞれ10時間・200時間で人工知能や深層学習について一通りの内容を学ぶことを念頭に作成しています． もちろん限られた時間で全てを学ぶことは不可能ですが，人工知能や深層学習を身につけるためにどのように学び進めていけば良いかわからない方は，是非参考にしてください． また，フォローしてみようと思ったロードマップがある場合は，各教材をやり始める前にそのロードマップを最後まで読むことをお勧めします．
2023年版：実務データ分析を手掛けるデータサイエンティスト向け推薦書籍リスト（初級6冊＋中級8冊＋テーマ別15冊） - 渋谷駅前で働くデータサイエンティストのブログ
(Image by wal_172619 from Pixabay) 去年で恒例の推薦書籍リストの更新は一旦終了したつもりだったんですが、記事を公開して以降に「これは新たにリスト入りさせないわけにはいかない！」という書籍が幾つも現れる事態になりましたので、前言撤回して今年も推薦書籍リストを公開しようと思います。 初級向け6冊 実務総論 データサイエンス総論 R・Pythonによるデータ分析プログラミング 統計学 機械学習 中級向け8冊 統計学 機械学習 テーマ別15冊 回帰モデル PRML 機械学習の実践 Deep Learning / NN 統計的因果推論 ベイズ統計学 時系列分析 グラフ・ネットワーク分析 データ基盤 コメントや補足説明など 完全なる余談 初級向け6冊 今回は新たに加わったテキストがあります。 実務総論 AI・データ分析プロジェクトのすべて[ビジネス力×技術力＝価値創出
新卒データサイエンティストの成長ストーリー #3 RecSys 2022 参加レポート - techtekt
まえがき こんにちは。デジタルテクノロジー統括部アナリティクスグループ新卒の安藤です。前の記事から3ヶ月も空いてしまいました......。 先日9/19-23に行われた国際学会RecSys 2022をオンラインで聴講したので、その報告として記事を書くことにしました。パーソルキャリアからは私を含め3名以上が参加したと聞いています。 The ACM Conference on Recommender Systems、通称RecSysは推薦システムに関するトップカンファレンスであり、ジョブマッチとは密接な関わりがある分野です。 推薦システムの最先端がどのようなものであるかを知ることでビジネスに活かしたいとの思いから参加を申し出た、という経緯です。 (かなり直前の申請でしたが許可をいただくことが出来ました。この場を借りて改めてお礼申し上げます......！) 非常に興味深い発表が多数ありましたが、
保守性と生産性を両立する分析用SQL構造化の4原則 〜 構造化プログラミングの考え方をSQLに適用する
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。Yahoo!広告のデータマーケティングソリューション（以下、DMS）を開発しているデータアナリストの薄田です。 みなさんは、中間テーブル同士が複雑に絡み合い変更しようにも影響範囲を推定できず、手がつけられない分析パイプラインの保守で苦労された経験はないでしょうか？ 私のチームでは数千行におよぶ分析用SQLをリファクタリングして、保守性と生産性を両立する分析パイプラインに生まれ変わらせることができました。 この記事ではリファクタリングを通して確立した、分析用SQLを構造化するための4原則を紹介します。4原則を意識しながらSQLを書くことで、高凝集・疎結合な分析パイプラインを作ることができます。 この記事では凝集度と結合度
► 2024 ( 110 ) ► 04/14 - 04/21 ( 3 ) ► 04/07 - 04/14 ( 8 ) ► 03/31 - 04/07 ( 8 ) ► 03/24 - 03/31 ( 7 ) ► 03/17 - 03/24 ( 7 ) ► 03/10 - 03/17 ( 9 ) ► 03/03 - 03/10 ( 7 ) ► 02/25 - 03/03 ( 8 ) ► 02/18 - 02/25 ( 6 ) ► 02/11 - 02/18 ( 8 ) ► 02/04 - 02/11 ( 7 ) ► 01/28 - 02/04 ( 9 ) ► 01/21 - 01/28 ( 8 ) ► 01/14 - 01/21 ( 8 ) ► 01/07 - 01/14 ( 7 ) ► 2023 ( 395 ) ► 12/31 - 01/07 ( 7 ) ► 12/24 - 12/31 (
DATAFLUCT Tech Blog
2022-08-27 データ抽出に特化したAirbyteによるEL(T) 環境構築の実践 データ基盤 Airbyte ELT こんにちは。今回は、データ基盤の構築の一部を実際に体験してみたいと思います。 データ基盤を作成するにあたり、まずは、社内に眠る様々なデータを集めてくる必要があります。前回の記事では、その機能を「収集」と紹介していました。 データ基盤とは何か… データ基盤 データ分析基盤 実践 2022-08-18 Metaflowでモデルの学習をpipeline化するまで MLOps Metaflow Pipeline 皆さんは「MLOps」について取り組んでいらっしゃるでしょうか。私は2018年頃からデータクレンジングや機械学習モデルの構築や運用をしてきましたが、当時の日本で私の耳にはMLOpsという言葉が入ってくることはありませんでした。 ただMLOpsの元となった「Dev…
都内の事業会社で分析やWebマーケティングの仕事をしています。大学・大学院では経済学を通じて統計解析を行うなどしておりました。企業に勤めてからは、機械学習やテキストマイニング、クローリング技術などに関心を持っています。 Twitterアカウント Mr_Sakaue( SKUE ) GitHub 読書メーター ほしいものリスト 目次 ・Robynとは ・とりあえずチュートリアルやってみる ・向き合い方 ・参考情報 Robynとは Robyn（ロビン）はFacebook（META）が開発しているMarketing-Mix-Modeling（以降、MMM）のオープンソース（https://facebookexperimental.github.io/Robyn/）です。主にR言語で開発されています。（Python版は目下開発中らしいです。） MMMは、マーケティングの広告投資の予算を、効果を最大
新人: 「本日データサイエンス部に配属になりました森本です！」 先輩: 「お、君が新人の森本さんか。僕が上司の馬庄だ。よろしく！」 新人: 「よろしくお願いします！」 先輩: 「さっそくだけど、練習として簡単なアプリを作ってみようか」 先輩: 「森本くんは Python なら書けるかな？」 新人: 「はい！大学の研究で Python 書いてました！PyTorch でモデル作成もできます！」 先輩: 「ほう、流石だね」 新人: 😊 先輩: 「じゃ、君には今から 3 時間で機械学習 Web アプリを作ってもらうよ」 先輩: 「題材はそうだなぁ、写真に写ってる顔を絵文字で隠すアプリにしよう」 先輩: 「あ、デプロイは不要。ローカルで動けばいいからね。顔認識と画像処理でいけるよね？」 新人: 😐 新人: (えぇぇぇぇぇぇぇ。3 時間？厳しすぎる...) 新人: (まずモデルどうしよう。てかもら
世界で74万人以上が受講した海外講座を“日本語で”学ぼう！ Udemyで初夏のビッグセール開催＆大人気講座をチェック - はてなニュース
多くの企業から「人手不足だ」という話が聞こえてきます。なんでも、新しいビジネスを始めようとしたり、新規サービスを立ち上げようとしたり、はたまた事業規模を拡大したり、ということで人材を募集しても、なかなか集まらないんだとか。それも、大企業からスタートアップまで、会社の規模の大小や領域に限らず、ありとあらゆる分野の企業が当てはまっています。 特にIT業界は、ただでさえ業界全体が成長しているうえに、技術の進歩と陳腐化が激しいため、基礎的な技術や知識を持ちながら、新たな情報やトレンドもフォローしているようなエンジニアは、引く手あまた。さらに最近では、エンジニアでなくてもビジネス分野で活躍するためには、データを扱うことができる高度な知識と経験が求められるケースが増えてきていることもあって、人手不足に拍車が掛かっているのだそうです。 そんな社会の中で、自分を成長させ、新たな分野に踏み出していくためには
こんにちは。 在宅の機会が増えて以来Youtubeを見る機会が増え、機械学習などが勉強できるチャンネルをいくつか探しては見ていました。探した中でよかったと思ったものをメモしていたのですが、せっかくなので公開したいと思います。日本語のソースがあるもののみ対象にしており、『これ無料でいいのか？』と思ったチャンネルを紹介したいと思います。主観で以下のレベルに分けましたがあくまで参考程度にお願いいたします。 基本：Pythonを触ってみた人 Pythonの説明・動かし方などを解説していて、動画によっては踏み込んだ内容になる 応用：アルゴリズムを使いこなしたい人 「model.fit(X, y)して動かしてみた」よりも踏みこみ、Python自体の説明は少ない 発展：研究開発もしたい人 最新の手法の仕組みの理解などが主眼であり、Pythonの解説はほぼ無い もしおすすめのチャンネルございましたらぜひコ
はじめに アクセンチュアの赤石です。 お客様からよくデータサイエンティスト向けの資格はないかという質問を受けます。その度に、「あまりいいものはないですね」と答えていたのですが、最近、改めて見直すと、結構いろいろなところから、データサイエンス系の資格が出ているので、自分の備忘録を兼ねて、ここに公開しておきます。 一覧表 資格名称 資格概要 認定機関 資格詳細（認定機関サイトへのリンク）
DXへの取り組みの加速により、企業は保有しているデータを分析・活用する必要性が高まってきました。「データドリブン経営」という言葉が一般的になってきたように、ビジネスでより良い判断をするために保有しているデータを活用することは最優先事項となっています。 前回はなぜ今データ分析を行うべきなのか、目的とメリットをご紹介いたしました。 ※前回の記事はこちら blog.css-net.co.jp 今回は、そのデータ分析における現状と課題点について詳しくご説明いたします。ぜひご自身の会社に当てはめてお考え下さい。 １．データ活用の現状 1-1. データが散在しており、現状を把握出来ていない 1-2. データを見てもビジネスの発想が出てこない 1-3. 顧客や成果のデータを可視化したい 1-4. 施策に有効なデータを選定できない ２． 効果的にデータを活用するために 2-1
【データ分析入門】データ分析って？目的・メリットはなに？なぜ重要とされている？ - シー・エス・エス イノベーションラボ（ブログ）
DXへの取り組みの加速により、企業は保有しているデータを分析・活用する必要性が高まってきました。「データドリブン経営*1」という言葉が一般的になってきたように、ビジネスでより良い判断をするために保有しているデータを活用することは最優先事項となっています。 一方で、 ・ データ分析の概要が分からない ・ データを活用するメリットが分からない ・ データ分析を行うことでどのような成果につながるのか分からない といった悩みを抱えている方も多くいらっしゃることかと思います。 今回はなぜ今データ分析を行うべきなのか、目的とメリットをご紹介します。データの活用をご検討されている方はぜひご一読ください。 １．データ分析とは？ ２．データ分析の目的とは？ ３．データ分析のメリット 3-1．迅速な意思決定ができる 3-2．これまで見落としていた問題点や可能性を抽出できる 3-3．確度の高い
MAU（月間アクティブユーザー数）が2000万人を超える（＊）など、人気ITサービスとして定着したフリマアプリ「メルカリ」。そのUX（ユーザー体験）設計で、データ分析の力を発揮しているのが新卒3年目の夏目航太さんだ。 学生時代、コンサルティングファームでデータ分析のインターンを経験しつつ、「もっとユーザーに向き合う仕事がしたい」と、メルカリを選んだ夏目さん。その狙い通り、同社ではユーザーインタビューなどデータ分析にとどまらない仕事を担い、ある意味PdM（プロダクトマネージャー）的な観点からUX改善に寄与する。 特集「データサイエンティストとは何者か」第1回では、そんな彼が関わる新規出品者増を目指したプロジェクトに触れつつ、人気サービスのUXに関わる若手データ分析人材の働きぶりに迫る。【藤崎竜介】 ＊メルカリのプレスリリースより 〈Profile〉 夏目航太（なつめ・こうた） 株式会社メルカ
この記事は、datatech-jp Advent Calendar 2021 の10日目の記事です。 技術部データ基盤チーム データサイエンティストの zaimy です。 今回、ペパボの職位制度におけるシニアポジションの一職種として、データサイエンティストの職種要件を整理したので内容を社外にも公開します。 主に、社内でデータサイエンティストについて説明したり、ジュニアポジションの方にデータサイエンティストという職種を知ってもらいこれからのキャリアパスの参考にしていただいたりするために、データサイエンティスト協会とIPAによるスキル定義を元に、ペパボのデータ基盤の定義や、ペパボで活用しているDX Criteria1のテーマに照らして簡潔にまとめたものです。 まえおき: ペパボの職位制度について データサイエンティストとは データサイエンティストのスキルセット 3つのスキル領域の概要 4等級シ
皆さん、こんにちは。yukidarumaaaaです。 SASシリーズ第５回目です。 今回はSASの記述統計量について紹介していきます。 SAS未経験の方も一緒に学んでいきましょう！ 前回の記事はこちら👇 blog.css-net.co.jp １．記述統計量とは ２．SASプロシジャ ２-１．MEANSプロシジャ 応用編① 複数設定可能 応用編② グループ化可能 ２-２．FREQプロシジャ 3．おわりに １．記述統計量とは まず記述統計量について説明します。 記述統計量とは、収集したデータを用いて、平均や分散、標準偏差などを計算して分布を明らかし、データの示す傾向や性質を把握する統計手法のことをいいます。 SASではSASプロシジャ(関数的なもの)を使って記述統計量を簡単に表すことが可能です。 ２．SASプロシジャ 記述統計量を表すことができるSASプロシジャも複数あり、 今回は「MEAN
【SAS勉強会-第4回-】ODSステートメントを使用したHTML出力 - シー・エス・エス イノベーションラボ（ブログ）
皆さま。こんにちは、marshmallow_bijouです。 今年も終わりに近づいてきましたね。私はクリスマスケーキを食べるのを指折り数えて楽しみにしているこの頃です。 さて今回は、ODSステートメントを使用して、HTML出力を作成し表示する方法についてお話していこうと思います。 前回の記事はこちら👇 blog.css-net.co.jp １．ODSの動き ２．ODS出力先のオープン・クローズ 2-1.ODS出力先のオープン・クローズの仕方 2-2.複数の出力先を一度に閉じたい場合 ３．オプションを使用したHTML出力 ４．最後に １．ODSの動き まず、HTML出力のお話の前に、ODSステートメントとは何かについて、軽く触れておきます。 *1 ODSでは、書式設定のオプションを与えることによって、出力の幅を広げることが出来るので、指定した形式で出力ファイルを作成したいときに使えるかと思
お久しぶりです。shimesaba_oishiです。 最近急に寒くなりましたね。。秋を返してほしいと思う今日この頃です。 最近SASの勉強をしているのですが、業務ではあまり意識していない「DATAステップ処理の裏側」についてご紹介しようと思います。 前回の記事はこちら👇 blog.css-net.co.jp １．各フェーズについて ２．コンパイル・フェーズ 入力バッファ プログラム・データベクトル 構文チェック 変数の追加 ディスクリプタ部の作成 ３．実行フェーズ 変数の初期化 INFILEステートメント INPUTステートメント DATAステップの最後 DATAステップの繰り返し ４．おわりに １．各フェーズについて まずSAS DATAステップは2つのフェーズで処理されています。まずは各フェーズの名前とざっくりとした処理をみていきましょう。 コンパイル・フェーズ 入力バッファとプログ
【SAS勉強会 -第2回-】SASのPROC FORMAT - シー・エス・エス イノベーションラボ（ブログ）
１．はじめに みなさん。こんにちは。luckystar_021008です。 ここ最近はずっと引きこもり続けていて、フットサルとかやりたいなと思う今日この頃です。 さて、今回もSASに関しての勉強を一緒に行っていきましょう。 前回の記事はこちら👇 blog.css-net.co.jp １．はじめに ２．proc formatの利用の仕方 ２－１．プログラムの作成例 ２－２．フォーマットの作成 ２－２－１．libraryとは ２－２－２．valueとは ★valueの値の定義に関して ２－３．作成したフォーマットを利用する ★定義したフォーマットの呼び出しに関しての注意点 ２－４．結果の表示 ３．終わりに ２．proc formatの利用の仕方 私がみなさんにお伝えする部分はSAS上でのフォーマットの作り方に関してです。 フォーマットとは、一言で言うと「読み替え」や「変換」を行うということで
皆さん、こんにちは。skybluefantasistaです。 猛暑日が続くと思いきや、雷雨や線状降水帯による大雨など、なかなかに天気が荒れ模様な8月となりました。暑さもですが、新型コロナウイルスも変わらず猛威を振るっている状況であることも気になるところです。 一刻も早い事態の収束を願うばかりですね。 さて、今回はSASの基本的な作法について紹介していきます。 SAS未経験の方も一緒に学んでいきましょう！ １．SASプログラムの基本的な書き方 1-1. データセットとライブラリ 1-1-1.データセット 1-1-2.ライブラリ 1-2. 3つの構成要素 1-2-1.ステートメント 1-2-2．DATAステップ 1-2-3．PROCステップ ２．プログラムの例 3．おわりに １．SASプログラムの基本的な書き方 SASはデータ解析や統計分析、解析結果の可視化などを行うことができます。蓄積された
戦力になるレベルのデータサイエンティストを育成することの難しさ - 渋谷駅前で働くデータサイエンティストのブログ
(Image by Pexels from Pixabay) 僕自身がデータサイエンティストという肩書きを与えられて働くようになった9年前から、一貫して問題意識を持ち続けてきたのが「データサイエンティストをどう育成すべきか」についてでした。その後、この9年の間に質の良し悪しや量の多寡はともかく多くのデータサイエンティスト向け技術講座・資料が沢山世に出るようになり、一見その育成体制はそれなりに整ってきたように見えます。 以前議論していた「何故戦力になるレベルのデータサイエンティストが育たないのか」4項目を発掘して面白かった 1. 実戦可能レベルになるまでの学習量が多過ぎる 2. 『知っている』から『使いこなせる』への溝が深い 3. コミュニケーションで死ぬ 4. ビジネス価値と結びつけて自走するところに溝がある— TJO (@TJO_datasci) 2021年6月1日 しかし、当事者たちか
データ分析とビジネス活用のプロとして、さまざまな業界・フィールドで活躍する「データサイエンティスト」。 スキルセットや必要な知識などが語られることはあるものの、まだはっきりとした定義がなく、いったいどんな人たちなのか？と疑問を持つ人も少なくないのでは。 そこで本企画では、企業で働くデータサイエンティストたちの"リアル"を調査。データサイエンティストを志した理由や興味深かった論文、普段の業務、自社で働く魅力などを22社、52人のデータサイエンティストに聞きました。 企業一覧 DataRobot Japan株式会社 株式会社GA technologies 株式会社HACARUS 株式会社JMDC 株式会社LIFULL MNTSQ株式会社 NABLAS株式会社 株式会社Rist Sansan株式会社 SOMPOホールディングス株式会社 株式会社ZOZO 株式会社ZOZOテクノロジーズ アスクル株
「“開発者体験”で世界をエンパワメントする1日。」と題し、チームや組織の課題に日々取り組む方々に向けて開催された「Developer eXperience Day CTO/VPoE Conference 2021」。ここで、アイシア=ソリッド氏が「あなたが始めるデータ分析～データ分析プロジェクトの立ち上げ方から分析文化の作り方まで～」をテーマに登壇。最後にデータサイエンスの世界に入ることと、好き嫌いについて紹介します。前回の記事はこちらから。 データサイエンティスト協会の「タスクリスト」 アイシア=ソリッド氏：でも、「いやいや、待ってよ」と。「そうは言ってもエンジニアとデータサイエンスってちょっと違うでしょ？ PoCとかなんとかあるでしょ？ 聞いたことあるよ、アイシアさん」という方もいるかもしれない。 そんな方におすすめなのが、データサイエンティスト協会が出している、「タスクリスト」という
政府と産業界、学術界が連携してデジタル人材を5年間で175万人育成する――。参議院議員の片山さつき氏は日本経済新聞社と日経BPがこのほど共催した「デジタル立国ジャパン・フォーラム」において、このような目標を示し、実現に向けた作戦について明かした。 片山氏は自民党デジタル社会推進本部にあるデジタル人材育成・確保小委員会で委員長を務めている。日本のデジタル人材の現状について片山氏は「IMD（国際経営開発研究所）のデジタル競争力ランキングが落ち続けており、2020年には27位だった」と述べた。日本のデジタル人材が2030年に45万人不足するという試算を併せて紹介した。 企業のデジタル人材に対する処遇における課題についても指摘した。デジタル人材について経団連の加盟企業にアンケートしたところ、デジタル人材の処遇について「特別な処遇をしているところは回答企業の2割ちょっとしかなかった」（片山氏）という
役立つYouTubeのチャンネルまとめ 数学、物理、アルゴリズム、プログラミング、などなど自分が使う技術に役立ちそうだな、困ったときによく見たなと思うチャンネルを紹介する。 取っ掛かり、ハマりがち、コツみたいな物が拾える。数学がメイン。随時更新していくつもり。 当たり前だけどちゃんと本も読んで勉強するんだぞ。 背景 YouTubeは視聴する登録チャンネルの数が増えると、チャンネルが埋もれて発掘困難になりがち (chrome拡張でできるチャンネルのフォルダ分け機能は、ぽちぽち登録するのも面倒で、そのフォルダの中から掘り出すのも難しい) モチベが上がる(おべんつよしたい)チャンネルを探してるうちに湧いてくる、わんにゃんコンテンツ(だいちゅき)に流され一日が終わるため、 モチベが上がる有用なチャンネルにすぐにたどり着くために、よく使うQiitaに列挙しておくことにした Streamや大学専用サイ
著者のAdam Sroka氏は、イギリス・スコットランドに拠点をおく企業の消費電力を最適化するソリューションを提供するOrigamiで機械学習エンジニアチームのリーダーを務めています（同氏の経歴はLinkedInを参照）。同氏がMediumに投稿した記事『なぜ多くのデータサイエンティストが優良企業の良い仕事を辞めるのか』では、データサイエンティストが仕事を辞めたくなる状況を確認したうえで、そうした状況を改善する方法が解説されています。 データサイエンティストは「21世紀で最もセクシーな仕事」と言われて久しいですが、現実には新しい職場を熱心に探している職種であることがアンケート調査で判明しています。離職したいと考えているデータサイエンティストが少なくないのは、仕事を辞めてしまいたくなる状況にしばしば陥るからです。 Sroka氏によると、データサイエンティストが仕事を辞めたくなるのは、以下のよ
※長いです。あと、画像少ないです(すみません)。。(約6,700字：読了5分~10分) 目次リンクを置いておくので、特定の情報を探している方はリンク遷移してご覧ください！ 本記事について インハウスでデータ活用をする際の業務フロー いろんなデータポジション集めてみた データサイエンティスト データアナリスト データエンジニア データアーキテクト 機械学習エンジニア(AIエンジニア) データコンサルタント データマネジメント/データガバナー その他の職種 なぜポジションがこんなにたくさんあるのか おまけ 本記事について こんにちは！データ戦略室の小山です。 データアナリストとして事業部のデータ活用浸透に取り組んだ後、現在はデータ戦略室全体のプロジェクトマネジメントや組織運営を担っています。 突然ですがみなさん、｢データ系の職種っていまいちよくわからんな｣と思ったことはないでしょうか？？ 最近
何故データサイエンティストになりたかったら、きちんと体系立てて学ばなければならないのか - 渋谷駅前で働くデータサイエンティストのブログ
先日、Quora日本語版でこんなやり取りがありました。 基本的にはここで述べた通りの話なのですが、折角なのでブログの方でも記事としてちょっとまとめておこうと思います。題して「何故データサイエンティストになりたかったら、きちんと体系立てて学ばなければならないのか」というお話です。 問題意識としては毎回引き合いに出しているこちらの過去記事で論じられているような「ワナビーデータサイエンティスト」たちをどう導くべきかという議論が以前から各所であり、それらを念頭に置いています。なお毎度のことで恐縮ですが、僕も基本的には独学一本の素人ですので以下の記述に誤りや説明不足の点などあればご指摘くださると幸いです。 一般的なソフトウェア開発と、統計分析や機械学習との違い 統計分析や機械学習を仕事にするなら、その「振る舞い」を体系立てて学ぶ必要がある きちんと体系立てて学ばなかった結果として陥りがちな罠 余談
いとう on Twitter: "データサイエンティストを４年ぐらい(学生の時含む)やってきて思うことを自戒を込めて４ページにまとめてみた ・単なる機械学習の専門家はやめよう ・最新の機械学習手法よりお客さんの世界の論文 ・誰も本当に本当に物なんて言語化できない… https://t.co/kN5sc9nW4V"
データサイエンティストを４年ぐらい(学生の時含む)やってきて思うことを自戒を込めて４ページにまとめてみた ・単なる機械学習の専門家はやめよう ・最新の機械学習手法よりお客さんの世界の論文 ・誰も本当に本当に物なんて言語化できない… https://t.co/kN5sc9nW4V
応募条件１）パーマネント、正社員 ２）研究、開発、技術営業のようなこれまでのスキルを活かせる職種 ３）給与は現職比1割減まで許容 ４）勤務地は大都市圏（関東圏＆名阪福とその隣県ぐらい） 方法・アカデミア関連（ほぼ自力で検索＆応募） Jrec-in (https://jrecin.jst.go.jp) Researchgate (http://researchgate.net/) Glassdoor Job Search（https://www.glassdoor.com） ・民間企業（転職エージェント利用） リクルートエージェント（https://www.r-agent.com/） アカリク（https://acaric.jp/） JAC Recruitment（https://www.jac-recruitment.jp/） Apex（http://www.apexkk.com/） ・そ
2021年版：データサイエンティストを初めとするデータ分析職向け推薦書籍リスト（初級5冊＋中級8冊＋テーマ別14冊） - 渋谷駅前で働くデータサイエンティストのブログ
(Image by Pexels from Pixabay) 今年も恒例の推薦書籍リストの季節がやって参りました。……なのですが、昨年はCOVID-19の影響で*1データ分析業界及び隣接分野の新刊書を読む機会が減ってしまいましたので、例年に比べてラインナップの変更をほとんど検討しないままでリストアップしている点、予めご容赦いただければと思います。 そして今回の記事では、これまで以上に「実務家向け」「実践的」であることを重視しています。そのため昨年までのリストに比べて大幅に刷新されているカテゴリもあったりします。また、末尾に僕なんぞが選ぶよりもずっと優れた推薦書籍リストへのリンクも付しておきました。併せて参考にしていただけると幸いです。 初級向け5冊 総論 統計学 機械学習 中級向け8冊 統計学 機械学習 テーマ別14冊 PRML 機械学習の実践 Deep Learning 統計的因果推論
Pythonで仕事をする人のための書籍まとめ2021 - 学習, 業務効率化, アプリ開発からデータサイエンスまで - Lean Baseball
2020年も多くの素晴らしい技術書がたくさん出ました. その中でも（昨今のトレンド・流行りも手伝ってか）Python本の多さ・充実度合いは目立つものがあります. （このエントリーを執筆した12/19時点で）Amazonの本カテゴリで「Python」と検索すると1,000件以上出てきます*1. これだと目的の本にたどり着くだけで疲れそうです. このエントリーでは, 主にPythonを学びたい・現在使っている方 手元の業務を効率化したり, RPAっぽいことをやりたい方 エンジニア・データサイエンティストとして業務や趣味・個人開発をされている方 を対象に, 今そして来年2021年に読んでおきたいPython関連書籍（と抑えておきたいサービス） をエンジニアでありデータサイエンティストである私独自の視点で紹介します*2. なおこのエントリーはこのブログで例年執筆している「Python本まとめ」の2
書籍化されました 本記事をベースに監修者の村上さんが１冊の本にまとめてくれました（感謝） データサイエンティストのキャリア面やポートフォリオの細かい部分をさらに追加・ブラッシュアップした内容になっています。 まえがき はじめに 皆さん、「データサイエンティスト」という職種をご存知でしょうか？ この数年間で、AIやディープラーニングといったバズワードと共にデータサイエンティストというワードも、よく耳にするようになりました。最新の技術を扱えて、年収も高い非常に魅力的な職業なため、データサイエンティストへの転職を検討されている方もいらっしゃるのではないでしょうか？ 実際、データサイエンティスト職への就職・転職希望者は年々増加しています。しかし、未経験の人材を育成できる会社はまだまだ少なく、未経験からの転職は転職希望者の増加に伴い高まっています。 データサイエンティストは求められるスキルの幅が広く
こんにちは、次郎花です☆ タイトル長い（笑）...ぱ、パクリなんかじゃないですよっ！ はい。 というわけで、今回はわたくしのお仕事「データアナリスト」についてご紹介したいと思います。データアナリスト／データサイエンティスト（以下、DA/DS）のブームもそろそろバブルがはじける頃かと想像していますが（もうはじけてる？）、いまだに一定数の方が憧れを持って、あるいは異世界転生を狙ってジョブチェンジしようとしているこれらの職業。最近では、実際にDA/DSである方の現場の声なども散見されるようになり、どのような職業なのか実態が少しずつ広まってきたようにも思います。ですので、今さら感はありますが、私もご多分に漏れず知見を共有できたらという思いでこの記事を発信しようと考えました。 次郎花って？まずは、次郎花って誰やねん、というところからですね。わたくし次郎花はとある外資系企業のCEO直轄の経営戦略部門で
データサイエンティストが語る、LINEのデータの魅力と可能性 | OnLINE（オンライン）- LINEでは、こうしてます。
LINEで生まれる新しいアイデアやサービスを支える部門・チームを紹介する「LINEのなかみ」。今回は、LINEの多様なサービス価値の最大化をデータ分析によって実現するデータサイエンティストの仕事について、3名のメンバーからその業務内容や体制などを紹介してもらいました。 ーーまずは自己紹介をお願いします。 今井 LINEには、2019年4月に新卒として入社しました。入社前は、大学院の情報工学系の研究科に所属していて、スマートフォンアプリから取得される位置情報などのデータからユーザーがどういった移動のパターンを持って、どういった場所に移動するのかということをモデリングする研究を行っていました。いわゆるビッグデータ分析の研究だったのですが、それが面白くて仕事でもビッグデータ分析に携わりたいと考えてLINEを選びました。入社後は、LINE MUSICのデータ分析や、LINEの各種サービスから取得さ
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
【統計学「p値」の謎】統計学好きでも意外と説明できない「p値」の正体
2023年版「データサイエンティストスキルチェックリスト」が無料公開 生成AIの利活用スキルなどを追加
データサイエンティストを目指す人におすすめの資格・コンペ｜難易度や試験内容も解説
人工知能・深層学習を学ぶためのロードマップ | 東京大学松尾研究室 - Matsuo Lab
元Googleデータ科学者「人生をうまくやるコツってめちゃシンプルだよねー」
FacebookのMMMのOSS「Robyn」のチュートリアルさわってみた – かものはしの分析ブログ
君には今から3時間で機械学習Webアプリを作ってもらうよ
機械学習が独学できる日本語Youtube難易度別まとめ - Qiita
データサイエンティスト向け資格一覧 - Qiita
【データ分析入門】データ分析の現状と課題 - シー・エス・エス イノベーションラボ（ブログ）
新卒3年目が担う、月間2000万人の利用者を支えるデータ分析【メルカリ】
ペパボにおけるデータサイエンティストの職種要件をまとめました - Pepabo Tech Portal
【SAS勉強会 -第5回-】SASの記述統計量について - シー・エス・エス イノベーションラボ（ブログ）
【SAS勉強会-第3回-】DATAステップ処理の裏側 - シー・エス・エス イノベーションラボ（ブログ）
【SAS勉強会 -第1回-】SASの基本的な構成 - シー・エス・エス イノベーションラボ（ブログ）
22社、52人のデータサイエンティストに聞いてみた！「どんなお仕事してますか？」 | Da-nce
今までやってきたあなたなら「絶対にできる！」 データサイエンスの世界に入るということは“強くてNew Game”
デジタル人材175万人育成へ、片山さつき氏が明かす産官学の「大作戦」
技術ようつべチャンネル集 - Qiita
なぜ多くのデータサイエンティストが優良企業の良い仕事を辞めるのか | AI専門ニュースメディア AINOW
【研究記事】データに携わる職種一覧 - Leverages データ戦略ブログ
就活戦績と雑感｜Chol@大学教員→データサイエンティスト→ベンチャー企業研究員
【保存版】データサイエンティスト転職を決めるポートフォリオのガイドライン【書籍化決定】 - Qiita
もし外資系企業の女子マネージャーが経営戦略部門の「データアナリスト」を務めたら｜次郎花｜note