財務分析・株価予測・稟議書作成… AIプロフェッショナル組織のリーダーが語る、生成AI活用法
ChatGPTは株価予測ができる 森正弥氏：こんな使い方もありますみたいなところで、大企業でもいろいろ進んでいるのは財務分析で、「財務データを入れて分析して」と言うと……ちょっと（スライドの）真ん中の文字が小さくて見えにくいですが、一般的な財務分析をしてくれます。 ちょっとインパクトがあったのが、ChatGPTは株価予測ができるという話ですね。これは普通にAIやマシンラーニングをやられている方からすると、「おいおい、それは言い過ぎだろう」と思ったりするわけですが、この論文の中身を読んだり、あるいは株価予測を業務としてやっている方からすると「まぁ、そうだよね」と思うところがある。 それは何かというと、株価予測だけじゃなくて金利の予測とか、そのマーケットの予測とか、あるいは原材料の価格予測でも共通の話です。基本的に今のデータからマシンラーニングの予測モデルを作って予測していきます。過去データか
総務省、きょうから「社会人のためのデータサイエンス入門」を無料開講 | Ledge.ai
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
たった1人の「熱量の高い声」を聞き続けて成長、おやつサブスク「スナックミー」が語る「真のユーザー」理論。おかしの「返送封筒」を入れたら解約率が減ったワケ｜アプリマーケティング研究所
たった1人の「熱量の高い声」を聞き続けて成長、おやつサブスク「スナックミー」が語る「真のユーザー」理論。おかしの「返送封筒」を入れたら解約率が減ったワケ おやつのサブスクD2C「スナックミー」を取材しました。 株式会社スナックミー 代表取締役 CEO 服部 慎太郎さん「スナックミー」について教えてください。服部： スナックミーは、100種類以上のおやつの中から、ひとりひとりにぴったりのものを選んで、ポストまで届ける「おやつの定期便」です。 特徴としては、ECサービスとしては「レスポンス率」がとても高いことで、お客様からのフィードバック件数（評価・リクエスト・コメントなど）は、累計で4,200万件を超えています。 現在、社員は25名ほどで運営しています。 「ほしいからはじめた」のは納得ですが、事業としての可能性のようなものは、どう判断したのでしょうか？服部： これは定性的ですが、たった1人で
統計・機械学習の理論を学ぶ手順 - Qiita
社内向けに公開している記事「統計・機械学習の理論を学ぶ手順」の一部を公開します。中学数学がわからない状態からスタートして理論に触れるにはどう進めばいいのかを簡潔に書きました。僕が一緒に仕事をしやすい人を作るためのものなので、異論は多くあると思いますがあくまでも一例ですし、社員に強制するものではありません。あと項目の順番は説明のため便宜上こうなっているだけで、必ずしも上から下へ進めというわけでもありません。 （追記）これもあるといいのではないかというお声のあった書籍をいくつか追加しました。 数学 残念ながら、統計モデルを正しく用いようと思うと数学を避けることはできません。ニューラルネットワークのような表現力が高くて色々と勝手にやってくれるような統計モデルでも、何も知らずに使うのは危険です。必ず数学は学んでおきましょう。理想を言えば微分トポロジーや関数解析のような高度な理論を知っておくのがベス
高性能分散SQLエンジン「Trino」最速ガイド - NTT Communications Engineers' Blog
こんにちは。なんの因果かNTTコミュニケーションズのエバンジェリストをやっている西塚です。 この記事は、NTT Communications Advent Calendar 2021 22日目の記事です。 5分でわかる「Trino」 「Trino」は、異なるデータソースに対しても高速でインタラクティブに分析ができる高性能分散SQLエンジンです。 以下の特徴を持っており、ビッグデータ分析を支える重要なOSS(オープンソースソフトウェア)の1つです。 SQL-on-Anything: Hadoopだけでなく従来のRDBMS(リレーショナルデータベース)やNoSQLまで、標準SQL(ANSI SQL)に準拠したアクセスをワンストップに提供 並列処理でビッグデータに対して容易にスケールアップ しかも高速(hiveの数十倍) Netflix, LinkedIn, Salesforce, Shopif
The effects of remote work on collaboration among information workers - Nature Human Behaviour
Before the COVID-19 pandemic, at most 5% of Americans worked from home for more than three days per week1, whereas it is estimated that, by April 2020, as many as 37% of Americans were working from home (WFH) full-time2,3. Thus, in a matter of weeks, the pandemic caused about one-third of US workers to shift to WFH and nearly every American that was able to work from home did so4. Many technology
BuiltWithテクノロジ検索
リードジェネレーション 私たちのデータベースから 58,605+ Webテクノロジーと6億7300万のWebサイトは、どのサイトがショッピングカート、分析、ホスティングなどを使用しているかを示しています。場所、トラフィック、垂直などでフィルタリングします。 セールスインテリジェンス 見込み客とコンタクトを取る前に見込み客のプラットフォームを熟知し、検証済みの市場導入によりコンバージョン率を向上させます。 市場シェア すべてのウェブテクノロジに関する高度な市場シェア情報と国別分析を手に入れましょう。
【書評】脱Tableau初心者！書籍『Tableauデータ分析〜実践から活用まで〜 一歩進んだ7つの使い方』のご紹介 #tableau | DevelopersIO
はじめに こんにちは。大阪オフィス（そしてDI部）のtamaです。 Tableauユーザーのみなさんは下記の本をご存知でしょうか。 Tableauデータ分析~入門から実践まで~ | 小野泰輔, 前田周輝, 清水隆介, 三好淳一, 山口将央 |本 | 通販 | Amazon 「Tableauデータ分析〜入門から実践まで〜」は、Tableau（主にTableau Desktop）に関する基本的な部分を総ざらいした、まさにTableau入門書の決定版ともいえる書籍といえるでしょう。 【書評】Tableau業務プロジェクトメンバー必携！書籍『Tableauデータ分析 ～入門から実践まで～』のご紹介 ｜ Developers.IO そして、2018年8月24日、この本の続編ともいえる「Tableauデータ分析〜実践から活用まで〜 一歩進んだ7つの使い方」が発売されました！ 前回に引き続き、今回も秀和
[レポート] Data Vault Modelling on Snowflake #SnowflakeDB | DevelopersIO
大阪オフィスの玉井です。 Snowflake社の下記のウェビナーを受講したので、レポートします。 ウェビナー情報 公式情報 概要 From insurance and banking to utilities, gaming to travel, Data Vault is gaining popularity across all industries as a methodology that claims to be the most agile and future-proof for connecting all of your data. Whether you work with complex data models or a plethora of data sources, achieving the potential of your data despite mak
![[レポート] Data Vault Modelling on Snowflake #SnowflakeDB | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/049e0cb3fd75c4238c328b0ab80dbacbbad7becb/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2019%2F09%2Fsnowflake-logo-1200x630.png){kind=logo}
AWS X-Rayによる分散アプリケーション分析をFargateで試してみた #Fargate | DevelopersIO
こんにちは、コカコーラ大好きカジです。 AWS X-RayをFargate上でどのように動かすか不明だったため、調べてみたところ、以下の資料が見つかったので、東京リージョンで構築して試してみました。 構築時のコマンドの実行結果も貼っています。 GitHub - aws-samples/aws-xray-fargate: Code examples showing how to run AWS X-Ray as a sidecar container on Fargate for deep application insights. AWS X-Rayによる分散アプリケーション分析（分散トレーシング）とは マイクロサービスが増え、パフォーマンス状況やデバッグが煩雑になっており、サービス間の相互作用やそれぞれの待機時間を把握するのは面倒な問題です。 そんな問題を解決するのが、AWS X-Ray
PlantUML で始めるリレーションシップ駆動要件分析 (RDRA) - Qiita
はじめに ソフトウェア開発において、エンジニアが開発対象のドメインの業務に精通していない場合、書く内容やかける時間に程度はあれど 業務分析 や 要件定義 が必要になります。しかし、要件定義の方法論についての話題がネット上に上がることも少なく、書籍などもあまり話題になっていない印象があります (私の観測範囲では)。なので、私の場合、要件定義の実務では公の方法論を体系的に学ばずに、実務で見てきたものを自分なりにアレンジして対応してきました。 そんなとき、モデルベースの要件定義の方法論として リレーションシップ駆動分析 (RDRA) というものがあることを知りました。モデリングはずっと取り組んできていることなので、興味が湧いて少し調べてみると PlantUML でも表現できるというではありませんか！ PlantUML Example for RDRA 2.0 ハンドブック そこで、RDRA2.0
Amazon SageMaker を使用して、人口区分のために米国の国勢調査データを分析する | Amazon Web Services
Amazon Web Services ブログ Amazon SageMaker を使用して、人口区分のために米国の国勢調査データを分析する 米国では 2018 年の中間選挙に向けて、人々は投票プロセスについてより多くの情報を求めています。このブログ記事では、有権者を理解するタスクに科学を有効に統合するために、機械学習 (ML) を適用する方法を探っています。 通常、機械学習アプリケーションでは、ラベルの付いたデータから明確なユースケースが得られます。例えば、古さや型番などデバイスの属性に基づいて、障害の可能性を予測できます。特定の結果を予測する際に監督またはガイドがあるため、これは教師あり学習と呼ばれます。 しかし、現実世界では、きれいなラベルを定義するのが難しい場合、予測する特定の結果が存在しない大規模なデータセットがしばしば存在します。適切な結果が予測するものを、正確に特定することは
Python本まとめ・2019年版 - Webとデータ分析を初心者が仕事にするまで - Lean Baseball
毎年恒例、Pythonの本と学び方のまとめ・2019年バージョンとなります. ※2021/1/11更新：2021年版あります ※2020/1/9更新：2020年版もあります, こちらもよろしくおねがいします！ ※ちなみに昨年版はこちら 改めましてこんにちは、Pythonと野球を仕事にしています、@shinyorke（Python歴おおよそ8年）ともうします. なお、Python その2 Advent Calendar 2018 12/24記事でもあります. このエントリーはそこそこ長いので、「最初の方をサクッと読んで、残りはつまみ読み」してもらえると良いかもです！*1 ※もちろん全部読んでも構いません！（それはそれで嬉しい） サクッとまとめると 入り口としての「独学プログラマー」は万人が読んだほうが良い名著 データ分析・解析やりたい人も、Webからやっておくと良いかも（特に前処理） Web
サブスクリプションの見える化 (2/3) ―予測の変遷を捉え、現状を再評価する｜なおゆき
全3回の連載予定の「サブスクリプションの見える化」シリーズ。 4日前（12/11）の記事では、おかげさまで、Twitter、はてぶ、NewsPicks などでたくさんの反響をいただいています。ありがとうござます。 また、noteのサポート機能からご入金もいただきました。※見慣れない通知だなーと思って調べて初めて知ったのですが、10月にも複数の方から、サポートをいただいていました。大変遅くなってしまいましたが、この場をお借りして、ありがとうございます。（営利目的ではありませんが、わたしの記事を通してサポートしようと思っていただけたということが何よりうれしいです。） さて、今回は連載の第2回です。前回に引き続き、私自身がBtoBのサブスクリプションのビジネスでマーケティングやデータ分析を担当している経験をもとに、個別から全体、現在から未来に向けて、以下の3つの目的に合わせて考えていきます。 ～
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
「汚れの落とし方」を科学で分析。「洗浄技術の研究者」に教わる、汚れとの戦い方 | となりのカインズさん
データ分析で大事なのは「とにかくシンプルに」！ メルカリ流Data Analytics実践のススメ | 【レポート】Web担当者Forumミーティング 2018 Autumn