SlideShare a Scribd company logo
CyberAgent, Inc.
21世紀で最もセクシーな職業!?
「データサイエンティスト」の実像に迫る
株式会社サイバーエージェント
アメーバ事業本部 デカグラフ事業部
マーケティンググループ データサイエンティスト
尾崎 隆 (Takashi J. OZAKI, Ph.D.)
一応、自己紹介を…
尾崎 隆 (Takashi J. OZAKI, Ph.D.)
– “J”に深い意味はありません
– 学者だった頃に同業界にT. Ozakiさんがいたので
– と思ってJをつけたら、別業界にT. J. Ozakiさんが…
1CyberAgent, Inc.2013/05/21
一応、自己紹介を…
 前職は「脳科学者」(認知神経科学者)でした
2CyberAgent, Inc.2013/05/21
一応、自己紹介を…
 こういうキャリアをたどっております
– 1997~2001 東京大学工学部計数工学科(※情報工学系)
– 2001~2006 東京大学大学院・新領域創成科学研究科
修士&博士課程(脳科学)
– 2006~2011 理化学研究所脳科学総合研究センター
研究員(脳科学)
– 2011~2012 東京大学教養学部・特任研究員(心理学)
– 2012年4月 慶應義塾大学医学部・特任助教(産学連携)
※30代のうちにポスドク問題を乗り切る
ことは事実上不可能と判断して、キャリア
チェンジに打って出ることを決心
– 2012年6月 サイバーエージェント入社
3CyberAgent, Inc.2013/05/21
一応、自己紹介を…
 こういうことをしていました
– 2003~2006 機能的MRIを用いたヒト脳研究
(有力なノーベル賞候補として知られ、
機能的MRIを発明した小川誠二先生の
研究所にて研修生として共同研究して
いました)
– 2006~2011 脳信号に対する計量時系列
分析を用いたネットワーク解析
– 2011~2012 脳信号に対するネットワーク
解析+SVMを用いた脳活動
分類
4CyberAgent, Inc.2013/05/21
一応、自己紹介を…
 現在は…
5CyberAgent, Inc.2013/05/21
テニス選手です(実業団リーグ代表選手)
一応、自己紹介を…
 現在は…
6CyberAgent, Inc.2013/05/21
ブログ&Twitterやってます
余談
7CyberAgent, Inc.2013/05/21
道玄坂で働くデータサイエンティストのブログ
http://tjo.hatenablog.com/
一応、自己紹介を…
 現在は…
8CyberAgent, Inc.2013/05/21
「スマホでアメーバ」でお馴染み、
スマートフォン向けAmebaプラットフォーム上を回遊する
ユーザー行動分析を担当するデータサイエンティスト
9CyberAgent, Inc.2013/05/21
ところで、
「データサイエンティスト」についての記事、
もうだいぶ前から世間では溢れ返ってますよね。
例えば
 データサイエンティストとは何か
 データサイエンティストのつくり方
 データサイエンティストのつかい方
 データサイエンティストと「分析力」
 データサイエンティストの育成について
 データサイエンティストのスキルセット
 データサイエンティストとビッグデータ
 データサイエンティストの要件とは
 データサイエンティストはどんな企業にいるのか
…などなど挙げればキリがないですね
10CyberAgent, Inc.2013/05/21
11CyberAgent, Inc.2013/05/21
ということで、
今日は「実際のデータ分析の現場から見た」
データサイエンティストの実像についてお話します。
本日のお品書き
 「データサイエンティスト」とはどんな職業?
 「データサイエンティスト」にはどうすればなれるのか?
 サイバーエージェントでの事例
 Facebookが考えるデータサイエンティストの定義
12CyberAgent, Inc.2013/05/21
本日のお品書き
13CyberAgent, Inc.2013/05/21
データサイエンティスト マネージャー
うおおおおおお たのんだよー うおおおおおお
うおおおおおお Yes! Comeoooon!!
※PFI比戸様より承諾を頂いております
本日のお品書き
 「データサイエンティスト」とはどんな職業?
 「データサイエンティスト」にはどうすればなれるのか?
 サイバーエージェントでの事例
 Facebookが考えるデータサイエンティストの定義
14CyberAgent, Inc.2013/05/21
本日のお品書き
15CyberAgent, Inc.2013/05/21
データサイエンティスト マネージャー
うおおおおおお たのんだよー うおおおおおお
うおおおおおお Yes! Comeoooon!!
※PFI比戸様より承諾を頂いております
データサイエンティストとは?
16CyberAgent, Inc.2013/05/21
データサイエンティスト マネージャー
ランダムフォレストの結果から言うとAですね
棒グラフにして時期別にしてみました
分かりました、プレゼンやるので任せて下さい!
どれくらい違うか分かりやすい図にできる?
アプリA, B, C, どれが一番新規UUにウケてる?
他にも色々言えることありそうだね、
統括会議で話してくれる?
※データサイエンティストの日常風景
データサイエンティストとは?
17CyberAgent, Inc.2013/05/21
データサイエンティスト
“Data Scientist: The Sexiest Job of the 21st Century”
- Thomas H. Davenport and D.J. Patil, HBR Oct, 2012
「データサイエンティストは21世紀で最もセクシーな職業」
大変有名な売り文句
データサイエンティストとは?
18CyberAgent, Inc.2013/05/21
データサイエンティスト
データマイニング
アナリティクス・レポーティング
コンサルティング・マーケティング
中でも重要な3つの要件と言われるのが…
データサイエンティストとは?
 「スーパーマン」説(HBRなど)
– コンサルタントorマーケッター
– アナリストorレポーティング
スペシャリスト
– データマイニングスペシャリスト
…を、「同時に兼ねる」
 そんなスーパーマンどこにいるの?
…いたら誰も苦労しない
19CyberAgent, Inc.2013/05/21
データサイエンティスト
へ?スーパーマン?
データサイエンティストとは?
20CyberAgent, Inc.2013/05/21
優秀なデータ・サイエンティストは稀少なので、獲得競争
が熾烈で、離職を食い止めるのも難しい。金銭面の報酬だ
けでなく、自由度のある職務環境を用意し、意思決定者と
データをつなぐ「かけ橋」となって価値あるものをつくり
上げたいというニーズに応え、やりがいのある課題を与え
ることが重要である
データサイエンティスト
ニヤリ
データサイエンティストとは?
 「三位一体」説
(ブレインパッド社草野社長、佐藤氏)
– スーパーマンなんて無理
– 3つの役割を例えば3人で分担
– チームで揃えば「1つの完成したデー
タサイエンティスト像になる」
21CyberAgent, Inc.2013/05/21
データサイエンティスト
・・・三位一体!
データサイエンティストとは?
22CyberAgent, Inc.2013/05/21
データマイニング
スペシャリスト
分析ィィィィィ
アナリストor
レポーティングスペシャリスト
レポートォォォォォ
コンサルタントor
マーケッター
コンサルゥゥゥゥゥ
データサイエンス・チーム
データサイエンティストとは?
23CyberAgent, Inc.2013/05/21
データコンサルファームなら可能かもしれないけど、
データサイエンス業務・部門を立ち上げたばかりの
会社ではそうはいかないかもしれない。
データサイエンティストとは?
24CyberAgent, Inc.2013/05/21
データマイニング
スペシャリスト候補
アナリストorレポーティング
スペシャリスト候補
コンサルタントor
マーケッター候補
マネージャー
・・・・・。
あのさぁ、チームごとにわざわざ
3人も雇ってる余裕なんて、うちの
会社にはないんだけど?
・・・・・。
・・・・・。
※こういうことになりやすい
データサイエンティストとは?
25CyberAgent, Inc.2013/05/21
データサイエンス業務・部門を立ち上げたばかりの
会社ではある程度3つとも出来る人が必要。
データサイエンティストとは?
26CyberAgent, Inc.2013/05/21
データサイエンティスト
ドヤァァァァァッ!
データマイニング
スペシャリスト
コンサルタントor
マーケッター
アナリストor
レポーティング
スペシャリスト
シャキィィィン
※これはこれで難しい
データサイエンティストとは?
27CyberAgent, Inc.2013/05/21
データマイニング
スペシャリスト系
アナリストorレポーティング
スペシャリスト系
コンサルタントor
マーケッター系
※他もそこそこできるけれども、
基本的には一分野のエキスパート
データサイエンティストとは?
28CyberAgent, Inc.2013/05/21
データマイニング
スペシャリスト系
アナリストorレポーティング
スペシャリスト系
コンサルタントor
マーケッター系
ゼロは基本的にはNG
(特にビジネス能力)
× × ○
データサイエンティストとは?
29CyberAgent, Inc.2013/05/21
データサイエンティスト
完璧なデータサイエンティストにこだわる必要は
ないが、3つの構成要件が「最低でも一通り揃って
いる」ことにはこだわるべき
そして、「実際のビジネスにコミットできる」こ
とが不可欠(後でまた詳しく)
本日のお品書き
 「データサイエンティスト」とはどんな職業?
 「データサイエンティスト」にはどうすればなれるのか?
 サイバーエージェントでの事例
 Facebookが考えるデータサイエンティストの定義
30CyberAgent, Inc.2013/05/21
本日のお品書き
31CyberAgent, Inc.2013/05/21
データサイエンティスト マネージャー
うおおおおおお たのんだよー うおおおおおお
うおおおおおお Yes! Comeoooon!!
※PFI比戸様より承諾を頂いております
データサイエンティストになるには?
32CyberAgent, Inc.2013/05/21
今後は、データ・サイエンティストを養成する大学が増え
てくると思われるが、それを待たずに、いまから積極的に
確保していかないと、情報化社会では致命的な遅れにつな
がるおそれがあるデータサイエンティスト
!
データサイエンティストになるには?
33CyberAgent, Inc.2013/05/21
データサイエンティストを育成する方法論は、
今のところ日本ではどこにもない(企業にも大学にも)
データサイエンティストになるには?
34CyberAgent, Inc.2013/05/21
崖から親に落とされ、這い登って
強くなる獅子の子の如く…
自らの力で道なき道を切り拓き、
データサイエンティストになる
ことを目指すしかない!
余談
35CyberAgent, Inc.2013/05/21
※野生のライオンでもちゃんと
親が助けに下りていくそうです
データサイエンティストになるには?
36CyberAgent, Inc.2013/05/21
データサイエンティストにはどんな人が向いている?
データサイエンティストになるには?
37CyberAgent, Inc.2013/05/21
データサイエンティスト
1. データサイエンティストは「科学者」、
よって「科学者になれる人」が大前提
- そもそも”scientist”という語が付いている
- 名前の通り、科学的方法に従ってデータを扱い、
ビジネスに貢献できる人材であることが期待され
ている
- 「科学者」でなければ、おそらくありふれた普通
のコンサルタント・マーケッター・アナリストと
同じになってしまう
データサイエンティストになるには?
38CyberAgent, Inc.2013/05/21
データサイエンティスト
2. 文系理系は関係ない
- 要は科学的方法に従ってデータを扱い、ビジネスに
貢献できる人材であることが重要であり、文系理系
どちらの出身でも問題ない
- ただし、文系分野なら計量経済学や計量社会学・実
験心理学などの統計学の素養のある人の方がおそら
く無難かもしれない
データサイエンティストになるには?
39CyberAgent, Inc.2013/05/21
データサイエンティスト
3. 自分の「主観」よりも、データの「客観」を
優先できる人であること
- そもそも科学的方法に従ってデータを扱い、
ビジネスに貢献することが求められている
- もし、自分の主観に合わないデータだと思って、
勝手に改竄・捏造したら…?
- 万一それが経営に直結するような大事な施策を決
めるような代物だったら、会社が傾いて沢山の同
僚を路頭に迷わせかねない!
- データサイエンティストの仕事はデータの「客
観」を扱うことであり、自分の「主観」を持ち込
むことではない
データサイエンティストになるには?
40CyberAgent, Inc.2013/05/21
データサイエンティストにはどうやってなれば良い?
データサイエンティストになるには?
41CyberAgent, Inc.2013/05/21
データサイエンティスト
A1. ビジネス部門の人は…まず最初に
マーケッター・アナリスト・コンサルタ
ントのいずれかを目指す
- 先に挙げた定義から言えば、これらはデータ
サイエンティストの要件の一部
- ならば、それらの職務に就いてから科学的方
法をマスターすればデータサイエンティスト
に近付けるはず
※有名なデータサイエンティストの方々で言うと…
工藤卓哉氏(アクセンチュア)、草野隆史氏(ブレインパッド社長)、
佐藤洋行氏(ブレインパッド)、井澤正志氏(gloops)
データサイエンティストになるには?
42CyberAgent, Inc.2013/05/21
データサイエンティスト
A2. エンジニア部門の人は…まず最初に
DBエンジニア・データマイニングエンジ
ニアのいずれかを目指す
- 先に挙げた定義から言えば、これらはデータ
サイエンティストの要件の一部
- ならば、それらの職務に就いてから科学的方
法をマスターすればデータサイエンティスト
に近付けるはず
※有名なデータサイエンティストの方々で言うと…
中林紀彦氏(日本IBM)、比戸将平氏(日本IBM→PFI)
データサイエンティストになるには?
43CyberAgent, Inc.2013/05/21
データサイエンティスト
A3. 初めから特殊な人材を探す
- 計算機科学・機械学習・データマイニング及び
定量的研究の研究経験があるスペシャリスト
- 往々にして博士だったり「ポスドク」だった
り
- 稀に大学教員から転じる人もいる
- 初めから科学的方法をマスター済みの人材!
- ただし、そういう人々は大抵の場合企業への
就業経験ゼロなのでそれ相応のビハインドが
あるということを、採用する方はもちろん、当の
本人も自覚する必要がある
※有名なデータサイエンティストの方々で言うと…
浜田晃一氏(DeNA)、倉橋一成氏(iAnalysis)
データサイエンティストになるには?
44CyberAgent, Inc.2013/05/21
データサイエンティスト
B. まずDB基盤技術を覚える
- 嫌でもDB操作はどこかで必要になる
- SQL, Hadoop, Oracle…
- 実際のDB基盤を管理者権限ナシで触り始める
ところからいけると理想的
- ただし、これが受け容れられるにはDBエンジ
ニア or 専門的なマーケッター・コンサルタ
ントなどのポジションでないとキツいかも
(だからA1の大前提が重要になってくる)
データサイエンティストになるには?
45CyberAgent, Inc.2013/05/21
データサイエンティスト
C. データマイニングをマスターする
- データマイニングの研究者のように、自力で
アルゴリズムを全て書き下せるとかいうレベ
ルまでいく必要はない
- 大事なことは「ツールとライブラリ・パッ
ケージさえあれば使いこなせる」レベルであ
ること
- できれば「個々のアルゴリズムの原理の違
い」を知識だけでも良いので知っておくべき
データサイエンティストになるには?
46CyberAgent, Inc.2013/05/21
データサイエンティスト
D. 実際のビジネスの現場に、まずは見習いから
でも入って「ビジネスへの貢献の仕方」を身に
付けていく
- 実際のビジネスにコミットしてこその、データ
サイエンティストたるもの!
- 実際にKPIなどのデータを計測・集計・分析してみ
る
- 現実のデータに触れ、自分たちのアクションに
連動して何が変わり、社会の変化に連動して
何が動き、全てとは無関係に人々の行動が
どう推移していくかを、自分の目で見て経験値
として貯めていく
マネージャー
データサイエンティストになるには?
47CyberAgent, Inc.2013/05/21
データサイエンティスト
1. 「科学者になれる」人材であること
(文系理系不問)
2. データという「客観」を優先できること
3. 予めデータサイエンティストの3要件のうち1
つを満たしていることが望ましい
4. DB基盤技術をマスターする
5. データマイニングのツール利用ができるレベ
ルになる
6. 実際のビジネスにコミットできるように
経験を積む
本日のお品書き
 「データサイエンティスト」とはどんな職業?
 「データサイエンティスト」にはどうすればなれるのか?
 サイバーエージェントでの事例
 Facebookが考えるデータサイエンティストの定義
48CyberAgent, Inc.2013/05/21
本日のお品書き
49CyberAgent, Inc.2013/05/21
データサイエンティスト マネージャー
うおおおおおお たのんだよー うおおおおおお
うおおおおおお Yes! Comeoooon!!
※PFI比戸様より承諾を頂いております
サイバーエージェントでの事例
50CyberAgent, Inc.2013/05/21
データサイエンティスト マネージャー
ランダムフォレストetc.の結果から言うとAですね
棒グラフにして時期別にしてみました
分かりました、資料を用意していきますね!
どれくらい違うか分かりやすい図にできます?
アプリA, B, C, どれが一番新規UUにウケてます?
他にも色々言えることありそうですね、
戦略マーケMTGで話してくれます?
※尾崎の日常風景をだいたい反映しています
サイバーエージェントでの事例
51CyberAgent, Inc.2013/05/21
実際には何をやっているのか?
サイバーエージェントでの事例
52CyberAgent, Inc.2013/05/21
データサイエンティスト
(尾崎) 戦略マーケ会議
データサイエンティスト
(尾崎)
うおおおおおお
数値の共有
検証すべき仮説の設定
分析ゴールの決定
最適な分析手法の選定
仮説を検証した結果の可視化
レポート作成&口頭で報告
このKPIの
貢献度は…
今月の数字
なんだけど…
サイバーエージェントでの事例
53CyberAgent, Inc.2013/05/21
データサイエンティスト
(尾崎)
データ分析環境
- データマイニング
- R, Python, Matlab
- DB基盤
- Hadoop + Hive
データマイニング手法
- 機械学習
- 決定木、ロジスティック回帰、SVM、ラン
ダムフォレスト、アソシエーション分析、
グラフィカルモデルetc.
- 計量時系列分析
- ARIMA、VAR、VECM、SETAR、マルコフ転換
モデルetc.
サイバーエージェントでの事例
54CyberAgent, Inc.2013/05/21
ちなみに、どんなデータマイニングを
やっているのか?
サイバーエージェントでの事例
55CyberAgent, Inc.2013/05/21
ユーザーID ゲーム1 ゲーム2 ゲーム3 SNS 1 SNS 2 PF 1 PF 2 定着or離脱
1001 1 0 1 1 1 1 1 定着
1002 1 0 0 0 0 0 1 離脱
1003 1 0 1 1 0 0 0 離脱
1004 1 1 0 1 1 1 0 定着
... ... ... ... ... ... ... ... ...
ユーザーID+素性(そせい)ベクトル+分類ラベル
ユーザー行動ログをHiveで取ってきて、
前処理をかけて以下のように直す。
サイバーエージェントでの事例
56CyberAgent, Inc.2013/05/21
ユーザーID ゲーム1 ゲーム2 ゲーム3 SNS 1 SNS 2 PF 1 PF 2 定着or離脱
1001 1 0 1 1 1 1 1 定着
素性=学習データ 正解
ラベル
教師あり機械学習で
1)分類&貢献度の高い指標の特定
2)未来データの予測
などの高度な分析が可能!
(※ロジスティック回帰、ランダムフォレス
トなど)
サイバーエージェントでの事例
57CyberAgent, Inc.2013/05/21
サイバーエージェントでの事例
58CyberAgent, Inc.2013/05/21
ヘビー定着
ライト定着
即離脱
アソシエーション分析
+
グラフィカルモデルで可視化
プラットフォーム上での
行動パターン
サイバーエージェントでの事例
他にも、
 Ameba Technology Laboratory
 ゲーム部門・セントラルデータコンサルティング室
 コミュニティ部門・データコンサルティンググループ
 広告部門・ディスプレイ(広告)戦略局
などにデータサイエンティストが在籍し、活躍しております
59CyberAgent, Inc.2013/05/21
本日のお品書き
 「データサイエンティスト」とはどんな職業?
 「データサイエンティスト」にはどうすればなれるのか?
 サイバーエージェントでの事例
 Facebookが考えるデータサイエンティストの定義
60CyberAgent, Inc.2013/05/21
本日のお品書き
61CyberAgent, Inc.2013/05/21
データサイエンティスト マネージャー
うおおおおおお たのんだよー うおおおおおお
うおおおおおお Yes! Comeoooon!!
※PFI比戸様より承諾を頂いております
Facebookのデータサイエンティスト
62CyberAgent, Inc.2013/05/21
一説には、「データサイエンティスト」
という職名を考案したのは
とも言われている
Facebookのデータサイエンティスト
63CyberAgent, Inc.2013/05/21
Facebookのデータサイエンティスト
64CyberAgent, Inc.2013/05/21
Data Scientist
ミッション
- エンジニアサイドの製品開発チームとの
コラボレーション
- 統計分析による課題発見&ソリューション
- 得られた知見のマネージャーやエンジニアへの共
有
- 新規データ収集&既存のデータソースの改良
- A/Bテストなどの結果の分析と解釈
- データ測定&実験手法のベストプラクティスを開
発&エンジニア部門への共有
Sounds sexy?
Facebookのデータサイエンティスト
65CyberAgent, Inc.2013/05/21
Data Scientist
要件
- 関連分野での理系修士号・博士号or関連分野での4年以
上の実務経験
- 定量的アプローチに基づく分析的問題の解決に取り組ん
だ経験
- 非構造データの扱いに習熟
- データに基づくソリューション開発への強い熱意
- コミュニケーション能力
- スキルセット
- PythonもしくはPHPなどのスクリプト言語
- RDBSおよびSQL
- R, Matlab, SASなどの分析ツール
- 大規模データセットや分散処理システムを用いた就
業経験があること(MapReduce, Hadoop, Hive,
etc.)
Sounds sexy?
Facebookのデータサイエンティスト
66CyberAgent, Inc.2013/05/21
Facebookは実は
「データサイエンスの研究者」
も募集しています。
Facebookのデータサイエンティスト
67CyberAgent, Inc.2013/05/21
Facebookのデータサイエンティスト
68CyberAgent, Inc.2013/05/21
Data Scientist
ミッション
- Facebookのデータ資産を育てる:直接のユーザーからの
フィードバックを集めるインフラを拡張する、ユーザー
のPC / スマートフォン / タブレット上における行動
データを測定する、など
- データ分析の枠組みを計画する:Facebookの成長と社会
への関与を広げるために、我々のデータ資産をどの領域
に対して用いるべきかを突き止める
- 問題解決にコミットする:履歴データ(自ら実験するor
必要に
応じて取得方法を模索する)を用いて、ユーザー行動
の・・・
- 因果関係を推定し
- ノイズからシグナルを抽出し
- そのシグナルが何か&そのノイズが何かを説明し
- そのシグナル&ノイズを予測し、
- ともあれ正確で定量的な理解を得て、Facebookという企
業が何を最優先にして取り組むべきかを定義する
Sounds cool?
Facebookのデータサイエンティスト
69CyberAgent, Inc.2013/05/21
Data Scientist
要件
- 定量的研究分野(統計学・コンピューターサイエンス・数
学
・工学・機械学習など)における修士号もしくは博士号、
ないし当該分野での4年以上の職務経験
- R / SAS / Matlab, UNIX, スクリプト言語を用いた
データ操作と分析に習熟していること
- 応用的な(理論的ではない)定量的研究への関心と経験
- 有意義でインパクトのある問題を、解決するのみならず
提案できる能力
- 複雑なデータ分析とその結果をいかなる相手にも伝えられ
る
コミュニケーション能力
- 1TB以上の巨大データセットを扱った経験
Sounds cool?
Facebookのデータサイエンティスト
70CyberAgent, Inc.2013/05/21
Data Scientist
データサイエンティストの「元祖」
Facebookでも、やはり重視されるのは
- データマイニング
- アナリティクス&レポーティング
- コンサルティングorマーケティング
そして「データを科学する」姿勢!
最後に
71CyberAgent, Inc.2013/05/21
データサイエンティスト
データサイエンティストの皆さん、
ともに頑張りましょう!
そしてまだデータサイエンティス
トではないと(ご自分では)考え
ておられる皆さん、今からデータ
サイエンティストになっちゃいま
しょう!

More Related Content

What's hot

[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data  (NeurIPS 2021) 表形式デー...[DL輪読会]Revisiting Deep Learning Models for Tabular Data  (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
Deep Learning JP
 
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
hoxo_m
 
Noisy Labels と戦う深層学習
Noisy Labels と戦う深層学習Noisy Labels と戦う深層学習
Noisy Labels と戦う深層学習
Plot Hong
 
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
hoxo_m
 
優れた研究論文の書き方―7つの提案
優れた研究論文の書き方―7つの提案優れた研究論文の書き方―7つの提案
優れた研究論文の書き方―7つの提案
Masanori Kado
 
社会心理学者のための時系列分析入門_小森
社会心理学者のための時系列分析入門_小森社会心理学者のための時系列分析入門_小森
社会心理学者のための時系列分析入門_小森
Masashi Komori
 
非ガウス性を利用した 因果構造探索
非ガウス性を利用した因果構造探索非ガウス性を利用した因果構造探索
非ガウス性を利用した 因果構造探索
Shiga University, RIKEN
 
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
 
レコメンドアルゴリズムの基本と周辺知識と実装方法
レコメンドアルゴリズムの基本と周辺知識と実装方法レコメンドアルゴリズムの基本と周辺知識と実装方法
レコメンドアルゴリズムの基本と周辺知識と実装方法
Takeshi Mikami
 
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方
ychtanaka
 
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
Koichi Hamada
 
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
 
行列およびテンソルデータに対する機械学習(数理助教の会 2011/11/28)
行列およびテンソルデータに対する機械学習(数理助教の会 2011/11/28)行列およびテンソルデータに対する機械学習(数理助教の会 2011/11/28)
行列およびテンソルデータに対する機械学習(数理助教の会 2011/11/28)
ryotat
 
cvpaper.challenge 研究効率化 Tips
cvpaper.challenge 研究効率化 Tipscvpaper.challenge 研究効率化 Tips
cvpaper.challenge 研究効率化 Tips
cvpaper. challenge
 
幾何と機械学習: A Short Intro
幾何と機械学習: A Short Intro幾何と機械学習: A Short Intro
幾何と機械学習: A Short Intro
Ichigaku Takigawa
 
Semantic segmentation
Semantic segmentationSemantic segmentation
Semantic segmentation
Takuya Minagawa
 
GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
Megagon Labs
 
画像認識と深層学習
画像認識と深層学習画像認識と深層学習
画像認識と深層学習
Yusuke Uchida
 
SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​
SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​
SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​
SSII
 
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
 

What's hot (20)

[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data  (NeurIPS 2021) 表形式デー...[DL輪読会]Revisiting Deep Learning Models for Tabular Data  (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
 
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
 
Noisy Labels と戦う深層学習
Noisy Labels と戦う深層学習Noisy Labels と戦う深層学習
Noisy Labels と戦う深層学習
 
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
 
優れた研究論文の書き方―7つの提案
優れた研究論文の書き方―7つの提案優れた研究論文の書き方―7つの提案
優れた研究論文の書き方―7つの提案
 
社会心理学者のための時系列分析入門_小森
社会心理学者のための時系列分析入門_小森社会心理学者のための時系列分析入門_小森
社会心理学者のための時系列分析入門_小森
 
非ガウス性を利用した 因果構造探索
非ガウス性を利用した因果構造探索非ガウス性を利用した因果構造探索
非ガウス性を利用した 因果構造探索
 
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
 
レコメンドアルゴリズムの基本と周辺知識と実装方法
レコメンドアルゴリズムの基本と周辺知識と実装方法レコメンドアルゴリズムの基本と周辺知識と実装方法
レコメンドアルゴリズムの基本と周辺知識と実装方法
 
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方
 
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
 
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
 
行列およびテンソルデータに対する機械学習(数理助教の会 2011/11/28)
行列およびテンソルデータに対する機械学習(数理助教の会 2011/11/28)行列およびテンソルデータに対する機械学習(数理助教の会 2011/11/28)
行列およびテンソルデータに対する機械学習(数理助教の会 2011/11/28)
 
cvpaper.challenge 研究効率化 Tips
cvpaper.challenge 研究効率化 Tipscvpaper.challenge 研究効率化 Tips
cvpaper.challenge 研究効率化 Tips
 
幾何と機械学習: A Short Intro
幾何と機械学習: A Short Intro幾何と機械学習: A Short Intro
幾何と機械学習: A Short Intro
 
Semantic segmentation
Semantic segmentationSemantic segmentation
Semantic segmentation
 
GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
 
画像認識と深層学習
画像認識と深層学習画像認識と深層学習
画像認識と深層学習
 
SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​
SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​
SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​
 
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
 

Viewers also liked

さらば!データサイエンティスト
さらば!データサイエンティストさらば!データサイエンティスト
さらば!データサイエンティスト
Shohei Hido
 
データサイエンティストのつくり方
データサイエンティストのつくり方データサイエンティストのつくり方
データサイエンティストのつくり方
Shohei Hido
 
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
Takashi J OZAKI
 
ビジネスの現場のデータ分析における理想と現実
ビジネスの現場のデータ分析における理想と現実ビジネスの現場のデータ分析における理想と現実
ビジネスの現場のデータ分析における理想と現実
Takashi J OZAKI
 
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処” WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
Hajime Sasaki
 
最新業界事情から見るデータサイエンティストの「実像」
最新業界事情から見るデータサイエンティストの「実像」最新業界事情から見るデータサイエンティストの「実像」
最新業界事情から見るデータサイエンティストの「実像」
Takashi J OZAKI
 
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
Koichi Hamada
 

Viewers also liked (7)

さらば!データサイエンティスト
さらば!データサイエンティストさらば!データサイエンティスト
さらば!データサイエンティスト
 
データサイエンティストのつくり方
データサイエンティストのつくり方データサイエンティストのつくり方
データサイエンティストのつくり方
 
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
 
ビジネスの現場のデータ分析における理想と現実
ビジネスの現場のデータ分析における理想と現実ビジネスの現場のデータ分析における理想と現実
ビジネスの現場のデータ分析における理想と現実
 
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処” WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
 
最新業界事情から見るデータサイエンティストの「実像」
最新業界事情から見るデータサイエンティストの「実像」最新業界事情から見るデータサイエンティストの「実像」
最新業界事情から見るデータサイエンティストの「実像」
 
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
 

Similar to 21世紀で最もセクシーな職業!?「データサイエンティスト」の実像に迫る

データ分析というお仕事のこれまでとこれから(HCMPL2014)
データ分析というお仕事のこれまでとこれから(HCMPL2014)データ分析というお仕事のこれまでとこれから(HCMPL2014)
データ分析というお仕事のこれまでとこれから(HCMPL2014)
Takashi J OZAKI
 
Microsoft AI と深層学習
Microsoft AI と深層学習Microsoft AI と深層学習
Microsoft AI と深層学習
Shohei Nagata
 
【TECHTRACKJP】私ってデータエンジニアなんですか?気づいたらデータエンジニアと呼ばれるようになった私がこの職種について考えた【20230725】
【TECHTRACKJP】私ってデータエンジニアなんですか?気づいたらデータエンジニアと呼ばれるようになった私がこの職種について考えた【20230725】【TECHTRACKJP】私ってデータエンジニアなんですか?気づいたらデータエンジニアと呼ばれるようになった私がこの職種について考えた【20230725】
【TECHTRACKJP】私ってデータエンジニアなんですか?気づいたらデータエンジニアと呼ばれるようになった私がこの職種について考えた【20230725】
株式会社MonotaRO Tech Team
 
SIにおけるプロジェクトとプロマネ
SIにおけるプロジェクトとプロマネSIにおけるプロジェクトとプロマネ
SIにおけるプロジェクトとプロマネ
Takesato Nigorikawa
 
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
Tsuyoshi Hirayama
 
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
Shohei Hido
 
データサイエンティスト スキルチェックシート(抜粋版)
データサイエンティスト スキルチェックシート(抜粋版)データサイエンティスト スキルチェックシート(抜粋版)
データサイエンティスト スキルチェックシート(抜粋版)
The Japan DataScientist Society
 
データサイエンティスト スキルチェックリスト
データサイエンティスト スキルチェックリストデータサイエンティスト スキルチェックリスト
データサイエンティスト スキルチェックリスト
The Japan DataScientist Society
 
新卒採用を、まっとうに ー面接者への通信簿ー
新卒採用を、まっとうに ー面接者への通信簿ー新卒採用を、まっとうに ー面接者への通信簿ー
新卒採用を、まっとうに ー面接者への通信簿ー
慧悟 岩本
 
ユーザ・エクスペリエンスからソーシャル・エクスペリエンスへ:現代ネットビジネスから読み解く「人間」「コンピュータ」「サービス」とは何か (in Japan...
ユーザ・エクスペリエンスからソーシャル・エクスペリエンスへ:現代ネットビジネスから読み解く「人間」「コンピュータ」「サービス」とは何か (in Japan...ユーザ・エクスペリエンスからソーシャル・エクスペリエンスへ:現代ネットビジネスから読み解く「人間」「コンピュータ」「サービス」とは何か (in Japan...
ユーザ・エクスペリエンスからソーシャル・エクスペリエンスへ:現代ネットビジネスから読み解く「人間」「コンピュータ」「サービス」とは何か (in Japan...
Toshihiko Yamakami
 
20190601栄光学園進路ガイダンス
20190601栄光学園進路ガイダンス20190601栄光学園進路ガイダンス
20190601栄光学園進路ガイダンス
Keita Miyano
 
07.テクノスデータサイエンスエンジニアリング(株)_発表資料
07.テクノスデータサイエンスエンジニアリング(株)_発表資料07.テクノスデータサイエンスエンジニアリング(株)_発表資料
07.テクノスデータサイエンスエンジニアリング(株)_発表資料
wagatuma
 
今年のKDDベストペーパーを実装・公開しました
今年のKDDベストペーパーを実装・公開しました今年のKDDベストペーパーを実装・公開しました
今年のKDDベストペーパーを実装・公開しました
Shohei Hido
 
Casual learning anomaly_detection_with_machine_learning_no1
Casual learning anomaly_detection_with_machine_learning_no1Casual learning anomaly_detection_with_machine_learning_no1
Casual learning anomaly_detection_with_machine_learning_no1
KazuhiroSato8
 
いじめられた子供を支援する 仮想世界ピグパーティの コミュニケーション
いじめられた子供を支援する 仮想世界ピグパーティの コミュニケーションいじめられた子供を支援する 仮想世界ピグパーティの コミュニケーション
いじめられた子供を支援する 仮想世界ピグパーティの コミュニケーション
cyberagent
 
CSS2013_2F3_KyokoHanada
CSS2013_2F3_KyokoHanadaCSS2013_2F3_KyokoHanada
CSS2013_2F3_KyokoHanada
Kyoko Hanada
 
20181206 Jazug DataScience TeamBuilding and DevOps
20181206 Jazug DataScience TeamBuilding and DevOps20181206 Jazug DataScience TeamBuilding and DevOps
20181206 Jazug DataScience TeamBuilding and DevOps
Yukako Shimizu
 
Iajuku kagoshima 130316
Iajuku kagoshima 130316Iajuku kagoshima 130316
Iajuku kagoshima 130316
MoNA Miyauchi
 
【AI:ML#15】Amazon Comprehendを用いたインテリジェントなドキュメント処理.pdf
【AI:ML#15】Amazon Comprehendを用いたインテリジェントなドキュメント処理.pdf【AI:ML#15】Amazon Comprehendを用いたインテリジェントなドキュメント処理.pdf
【AI:ML#15】Amazon Comprehendを用いたインテリジェントなドキュメント処理.pdf
TakeshiFukae
 
東京国際大学 商学部 2015年度国際教養(第7回) 講演資料
東京国際大学 商学部 2015年度国際教養(第7回) 講演資料東京国際大学 商学部 2015年度国際教養(第7回) 講演資料
東京国際大学 商学部 2015年度国際教養(第7回) 講演資料
Nobuaki Matsubara
 

Similar to 21世紀で最もセクシーな職業!?「データサイエンティスト」の実像に迫る (20)

データ分析というお仕事のこれまでとこれから(HCMPL2014)
データ分析というお仕事のこれまでとこれから(HCMPL2014)データ分析というお仕事のこれまでとこれから(HCMPL2014)
データ分析というお仕事のこれまでとこれから(HCMPL2014)
 
Microsoft AI と深層学習
Microsoft AI と深層学習Microsoft AI と深層学習
Microsoft AI と深層学習
 
【TECHTRACKJP】私ってデータエンジニアなんですか?気づいたらデータエンジニアと呼ばれるようになった私がこの職種について考えた【20230725】
【TECHTRACKJP】私ってデータエンジニアなんですか?気づいたらデータエンジニアと呼ばれるようになった私がこの職種について考えた【20230725】【TECHTRACKJP】私ってデータエンジニアなんですか?気づいたらデータエンジニアと呼ばれるようになった私がこの職種について考えた【20230725】
【TECHTRACKJP】私ってデータエンジニアなんですか?気づいたらデータエンジニアと呼ばれるようになった私がこの職種について考えた【20230725】
 
SIにおけるプロジェクトとプロマネ
SIにおけるプロジェクトとプロマネSIにおけるプロジェクトとプロマネ
SIにおけるプロジェクトとプロマネ
 
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
 
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
 
データサイエンティスト スキルチェックシート(抜粋版)
データサイエンティスト スキルチェックシート(抜粋版)データサイエンティスト スキルチェックシート(抜粋版)
データサイエンティスト スキルチェックシート(抜粋版)
 
データサイエンティスト スキルチェックリスト
データサイエンティスト スキルチェックリストデータサイエンティスト スキルチェックリスト
データサイエンティスト スキルチェックリスト
 
新卒採用を、まっとうに ー面接者への通信簿ー
新卒採用を、まっとうに ー面接者への通信簿ー新卒採用を、まっとうに ー面接者への通信簿ー
新卒採用を、まっとうに ー面接者への通信簿ー
 
ユーザ・エクスペリエンスからソーシャル・エクスペリエンスへ:現代ネットビジネスから読み解く「人間」「コンピュータ」「サービス」とは何か (in Japan...
ユーザ・エクスペリエンスからソーシャル・エクスペリエンスへ:現代ネットビジネスから読み解く「人間」「コンピュータ」「サービス」とは何か (in Japan...ユーザ・エクスペリエンスからソーシャル・エクスペリエンスへ:現代ネットビジネスから読み解く「人間」「コンピュータ」「サービス」とは何か (in Japan...
ユーザ・エクスペリエンスからソーシャル・エクスペリエンスへ:現代ネットビジネスから読み解く「人間」「コンピュータ」「サービス」とは何か (in Japan...
 
20190601栄光学園進路ガイダンス
20190601栄光学園進路ガイダンス20190601栄光学園進路ガイダンス
20190601栄光学園進路ガイダンス
 
07.テクノスデータサイエンスエンジニアリング(株)_発表資料
07.テクノスデータサイエンスエンジニアリング(株)_発表資料07.テクノスデータサイエンスエンジニアリング(株)_発表資料
07.テクノスデータサイエンスエンジニアリング(株)_発表資料
 
今年のKDDベストペーパーを実装・公開しました
今年のKDDベストペーパーを実装・公開しました今年のKDDベストペーパーを実装・公開しました
今年のKDDベストペーパーを実装・公開しました
 
Casual learning anomaly_detection_with_machine_learning_no1
Casual learning anomaly_detection_with_machine_learning_no1Casual learning anomaly_detection_with_machine_learning_no1
Casual learning anomaly_detection_with_machine_learning_no1
 
いじめられた子供を支援する 仮想世界ピグパーティの コミュニケーション
いじめられた子供を支援する 仮想世界ピグパーティの コミュニケーションいじめられた子供を支援する 仮想世界ピグパーティの コミュニケーション
いじめられた子供を支援する 仮想世界ピグパーティの コミュニケーション
 
CSS2013_2F3_KyokoHanada
CSS2013_2F3_KyokoHanadaCSS2013_2F3_KyokoHanada
CSS2013_2F3_KyokoHanada
 
20181206 Jazug DataScience TeamBuilding and DevOps
20181206 Jazug DataScience TeamBuilding and DevOps20181206 Jazug DataScience TeamBuilding and DevOps
20181206 Jazug DataScience TeamBuilding and DevOps
 
Iajuku kagoshima 130316
Iajuku kagoshima 130316Iajuku kagoshima 130316
Iajuku kagoshima 130316
 
【AI:ML#15】Amazon Comprehendを用いたインテリジェントなドキュメント処理.pdf
【AI:ML#15】Amazon Comprehendを用いたインテリジェントなドキュメント処理.pdf【AI:ML#15】Amazon Comprehendを用いたインテリジェントなドキュメント処理.pdf
【AI:ML#15】Amazon Comprehendを用いたインテリジェントなドキュメント処理.pdf
 
東京国際大学 商学部 2015年度国際教養(第7回) 講演資料
東京国際大学 商学部 2015年度国際教養(第7回) 講演資料東京国際大学 商学部 2015年度国際教養(第7回) 講演資料
東京国際大学 商学部 2015年度国際教養(第7回) 講演資料
 

More from Takashi J OZAKI

直感的な単変量モデルでは予測できない「ワインの味」を多変量モデルで予測する
直感的な単変量モデルでは予測できない「ワインの味」を多変量モデルで予測する直感的な単変量モデルでは予測できない「ワインの味」を多変量モデルで予測する
直感的な単変量モデルでは予測できない「ワインの味」を多変量モデルで予測する
Takashi J OZAKI
 
Taste of Wine vs. Data Science
Taste of Wine vs. Data ScienceTaste of Wine vs. Data Science
Taste of Wine vs. Data Science
Takashi J OZAKI
 
Granger因果による 時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による 時系列データの因果推定(因果フェス2015)
Takashi J OZAKI
 
Tech Lab Paak講演会 20150601
Tech Lab Paak講演会 20150601Tech Lab Paak講演会 20150601
Tech Lab Paak講演会 20150601
Takashi J OZAKI
 
なぜ統計学がビジネスの 意思決定において大事なのか?
なぜ統計学がビジネスの 意思決定において大事なのか?なぜ統計学がビジネスの 意思決定において大事なのか?
なぜ統計学がビジネスの 意思決定において大事なのか?
Takashi J OZAKI
 
Deep Learningと他の分類器をRで比べてみよう in Japan.R 2014
Deep Learningと他の分類器をRで比べてみよう in Japan.R 2014Deep Learningと他の分類器をRで比べてみよう in Japan.R 2014
Deep Learningと他の分類器をRで比べてみよう in Japan.R 2014
Takashi J OZAKI
 
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
Takashi J OZAKI
 
Jc 20141003 tjo
Jc 20141003 tjoJc 20141003 tjo
Jc 20141003 tjo
Takashi J OZAKI
 
Visualization of Supervised Learning with {arules} + {arulesViz}
Visualization of Supervised Learning with {arules} + {arulesViz}Visualization of Supervised Learning with {arules} + {arulesViz}
Visualization of Supervised Learning with {arules} + {arulesViz}
Takashi J OZAKI
 
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Takashi J OZAKI
 
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
Takashi J OZAKI
 
Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~ Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~
Takashi J OZAKI
 
Simple perceptron by TJO
Simple perceptron by TJOSimple perceptron by TJO
Simple perceptron by TJO
Takashi J OZAKI
 

More from Takashi J OZAKI (13)

直感的な単変量モデルでは予測できない「ワインの味」を多変量モデルで予測する
直感的な単変量モデルでは予測できない「ワインの味」を多変量モデルで予測する直感的な単変量モデルでは予測できない「ワインの味」を多変量モデルで予測する
直感的な単変量モデルでは予測できない「ワインの味」を多変量モデルで予測する
 
Taste of Wine vs. Data Science
Taste of Wine vs. Data ScienceTaste of Wine vs. Data Science
Taste of Wine vs. Data Science
 
Granger因果による 時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による 時系列データの因果推定(因果フェス2015)
 
Tech Lab Paak講演会 20150601
Tech Lab Paak講演会 20150601Tech Lab Paak講演会 20150601
Tech Lab Paak講演会 20150601
 
なぜ統計学がビジネスの 意思決定において大事なのか?
なぜ統計学がビジネスの 意思決定において大事なのか?なぜ統計学がビジネスの 意思決定において大事なのか?
なぜ統計学がビジネスの 意思決定において大事なのか?
 
Deep Learningと他の分類器をRで比べてみよう in Japan.R 2014
Deep Learningと他の分類器をRで比べてみよう in Japan.R 2014Deep Learningと他の分類器をRで比べてみよう in Japan.R 2014
Deep Learningと他の分類器をRで比べてみよう in Japan.R 2014
 
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
 
Jc 20141003 tjo
Jc 20141003 tjoJc 20141003 tjo
Jc 20141003 tjo
 
Visualization of Supervised Learning with {arules} + {arulesViz}
Visualization of Supervised Learning with {arules} + {arulesViz}Visualization of Supervised Learning with {arules} + {arulesViz}
Visualization of Supervised Learning with {arules} + {arulesViz}
 
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
 
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
 
Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~ Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~
 
Simple perceptron by TJO
Simple perceptron by TJOSimple perceptron by TJO
Simple perceptron by TJO
 

Recently uploaded

BoyScouts how to use slack(To make slack usefull)
BoyScouts how to use slack(To make slack usefull)BoyScouts how to use slack(To make slack usefull)
BoyScouts how to use slack(To make slack usefull)
takuseifu
 
ルイヴィトン×リペアをなぜ学ぶ必要があるのか?ルイヴィトン物販のプロが徹底解説!
ルイヴィトン×リペアをなぜ学ぶ必要があるのか?ルイヴィトン物販のプロが徹底解説!ルイヴィトン×リペアをなぜ学ぶ必要があるのか?ルイヴィトン物販のプロが徹底解説!
ルイヴィトン×リペアをなぜ学ぶ必要があるのか?ルイヴィトン物販のプロが徹底解説!
atsushisushi1014
 
アップロードのテスト用に公開するスライド。内容に特に意味はない。パワポのテンプレートをそのままPDF化しただけ。
アップロードのテスト用に公開するスライド。内容に特に意味はない。パワポのテンプレートをそのままPDF化しただけ。アップロードのテスト用に公開するスライド。内容に特に意味はない。パワポのテンプレートをそのままPDF化しただけ。
アップロードのテスト用に公開するスライド。内容に特に意味はない。パワポのテンプレートをそのままPDF化しただけ。
csishizaki2013
 
会社概要説明資料2025卒 株式会社プラス 東京都品川区西五反田 ITエンジニア
会社概要説明資料2025卒 株式会社プラス 東京都品川区西五反田 ITエンジニア会社概要説明資料2025卒 株式会社プラス 東京都品川区西五反田 ITエンジニア
会社概要説明資料2025卒 株式会社プラス 東京都品川区西五反田 ITエンジニア
plusgeneral21
 
wp-introduction-LM-SS-Sponsored-by-Link-and-Motivation.pdf
wp-introduction-LM-SS-Sponsored-by-Link-and-Motivation.pdfwp-introduction-LM-SS-Sponsored-by-Link-and-Motivation.pdf
wp-introduction-LM-SS-Sponsored-by-Link-and-Motivation.pdf
katsuhiroshi
 
共有_企業様向けご提案資料_大手企業開拓ならSaleshub.pdfSaleshub
共有_企業様向けご提案資料_大手企業開拓ならSaleshub.pdfSaleshub共有_企業様向けご提案資料_大手企業開拓ならSaleshub.pdfSaleshub
共有_企業様向けご提案資料_大手企業開拓ならSaleshub.pdfSaleshub
株式会社Saleshub
 
株式会社VISIONARY JAPAN_エンジニアチーム 採用ピッチ資料(ver2.1).pdf
株式会社VISIONARY JAPAN_エンジニアチーム 採用ピッチ資料(ver2.1).pdf株式会社VISIONARY JAPAN_エンジニアチーム 採用ピッチ資料(ver2.1).pdf
株式会社VISIONARY JAPAN_エンジニアチーム 採用ピッチ資料(ver2.1).pdf
recruit9
 
ツキイチAsana勉強会第7回「ルーティン業務をうまくやる」2024年6月25日
ツキイチAsana勉強会第7回「ルーティン業務をうまくやる」2024年6月25日ツキイチAsana勉強会第7回「ルーティン業務をうまくやる」2024年6月25日
ツキイチAsana勉強会第7回「ルーティン業務をうまくやる」2024年6月25日
Masa Hagiwara
 
PROFILE - AIDEDO JOINT STOCK COMPANY.pdf
PROFILE - AIDEDO JOINT STOCK COMPANY.pdfPROFILE - AIDEDO JOINT STOCK COMPANY.pdf
PROFILE - AIDEDO JOINT STOCK COMPANY.pdf
aidedoweb
 
信頼できる情報とAIで、 事業のお悩みを スピーディに解決! スピーダのご提案資料です
信頼できる情報とAIで、 事業のお悩みを スピーディに解決! スピーダのご提案資料です信頼できる情報とAIで、 事業のお悩みを スピーディに解決! スピーダのご提案資料です
信頼できる情報とAIで、 事業のお悩みを スピーディに解決! スピーダのご提案資料です
zhijiepan2
 
テストテストテストテストテストテストテストテストテスト20240709_ポーターズ様採用資料.pdf
テストテストテストテストテストテストテストテストテスト20240709_ポーターズ様採用資料.pdfテストテストテストテストテストテストテストテストテスト20240709_ポーターズ様採用資料.pdf
テストテストテストテストテストテストテストテストテスト20240709_ポーターズ様採用資料.pdf
sumi944993
 
空調特化 節電・省エネシステム「Ai-Glies」のご案内_株式会社NLNジャパン
空調特化 節電・省エネシステム「Ai-Glies」のご案内_株式会社NLNジャパン空調特化 節電・省エネシステム「Ai-Glies」のご案内_株式会社NLNジャパン
空調特化 節電・省エネシステム「Ai-Glies」のご案内_株式会社NLNジャパン
tamagawahiroshi
 
【2024年7月】株式会社ミライのゲンバ 会社紹介資料___________
【2024年7月】株式会社ミライのゲンバ 会社紹介資料___________【2024年7月】株式会社ミライのゲンバ 会社紹介資料___________
【2024年7月】株式会社ミライのゲンバ 会社紹介資料___________
shoheikurosu
 
「AI解析」×「プロによる個別トレーニング」で 売れるセールスを早期に立ち上げる
「AI解析」×「プロによる個別トレーニング」で 売れるセールスを早期に立ち上げる「AI解析」×「プロによる個別トレーニング」で 売れるセールスを早期に立ち上げる
「AI解析」×「プロによる個別トレーニング」で 売れるセールスを早期に立ち上げる
aikanishi
 
株式会社NLNジャパン_空調特化 節電省エネシステム_Ai-Gliesのご提案_240712_v4
株式会社NLNジャパン_空調特化 節電省エネシステム_Ai-Gliesのご提案_240712_v4株式会社NLNジャパン_空調特化 節電省エネシステム_Ai-Gliesのご提案_240712_v4
株式会社NLNジャパン_空調特化 節電省エネシステム_Ai-Gliesのご提案_240712_v4
tamagawahiroshi
 
【採用ピッチ資料】ポーターズ株式会社御中採用ピッチ資料_20240717.pdf
【採用ピッチ資料】ポーターズ株式会社御中採用ピッチ資料_20240717.pdf【採用ピッチ資料】ポーターズ株式会社御中採用ピッチ資料_20240717.pdf
【採用ピッチ資料】ポーターズ株式会社御中採用ピッチ資料_20240717.pdf
sumi944993
 
【レントラ便】脱下請けのための新規事業開発~株式会社ハーツの新たな運送サービスはどのように生まれたのか~
【レントラ便】脱下請けのための新規事業開発~株式会社ハーツの新たな運送サービスはどのように生まれたのか~【レントラ便】脱下請けのための新規事業開発~株式会社ハーツの新たな運送サービスはどのように生まれたのか~
【レントラ便】脱下請けのための新規事業開発~株式会社ハーツの新たな運送サービスはどのように生まれたのか~
株式会社ハーツ
 
ご担当者様へ(2.研修とコンサルティングをハイブリッド_トレーニングコンサルティング)_final.pdf
ご担当者様へ(2.研修とコンサルティングをハイブリッド_トレーニングコンサルティング)_final.pdfご担当者様へ(2.研修とコンサルティングをハイブリッド_トレーニングコンサルティング)_final.pdf
ご担当者様へ(2.研修とコンサルティングをハイブリッド_トレーニングコンサルティング)_final.pdf
bizhousejp
 
会社概要説明資料 株式会社プラス 東京都品川区西五反田 ITエンジニア システムエンジニア
会社概要説明資料 株式会社プラス 東京都品川区西五反田 ITエンジニア システムエンジニア会社概要説明資料 株式会社プラス 東京都品川区西五反田 ITエンジニア システムエンジニア
会社概要説明資料 株式会社プラス 東京都品川区西五反田 ITエンジニア システムエンジニア
plusgeneral21
 

Recently uploaded (20)

BoyScouts how to use slack(To make slack usefull)
BoyScouts how to use slack(To make slack usefull)BoyScouts how to use slack(To make slack usefull)
BoyScouts how to use slack(To make slack usefull)
 
ルイヴィトン×リペアをなぜ学ぶ必要があるのか?ルイヴィトン物販のプロが徹底解説!
ルイヴィトン×リペアをなぜ学ぶ必要があるのか?ルイヴィトン物販のプロが徹底解説!ルイヴィトン×リペアをなぜ学ぶ必要があるのか?ルイヴィトン物販のプロが徹底解説!
ルイヴィトン×リペアをなぜ学ぶ必要があるのか?ルイヴィトン物販のプロが徹底解説!
 
アップロードのテスト用に公開するスライド。内容に特に意味はない。パワポのテンプレートをそのままPDF化しただけ。
アップロードのテスト用に公開するスライド。内容に特に意味はない。パワポのテンプレートをそのままPDF化しただけ。アップロードのテスト用に公開するスライド。内容に特に意味はない。パワポのテンプレートをそのままPDF化しただけ。
アップロードのテスト用に公開するスライド。内容に特に意味はない。パワポのテンプレートをそのままPDF化しただけ。
 
会社概要説明資料2025卒 株式会社プラス 東京都品川区西五反田 ITエンジニア
会社概要説明資料2025卒 株式会社プラス 東京都品川区西五反田 ITエンジニア会社概要説明資料2025卒 株式会社プラス 東京都品川区西五反田 ITエンジニア
会社概要説明資料2025卒 株式会社プラス 東京都品川区西五反田 ITエンジニア
 
wp-introduction-LM-SS-Sponsored-by-Link-and-Motivation.pdf
wp-introduction-LM-SS-Sponsored-by-Link-and-Motivation.pdfwp-introduction-LM-SS-Sponsored-by-Link-and-Motivation.pdf
wp-introduction-LM-SS-Sponsored-by-Link-and-Motivation.pdf
 
共有_企業様向けご提案資料_大手企業開拓ならSaleshub.pdfSaleshub
共有_企業様向けご提案資料_大手企業開拓ならSaleshub.pdfSaleshub共有_企業様向けご提案資料_大手企業開拓ならSaleshub.pdfSaleshub
共有_企業様向けご提案資料_大手企業開拓ならSaleshub.pdfSaleshub
 
株式会社VISIONARY JAPAN_エンジニアチーム 採用ピッチ資料(ver2.1).pdf
株式会社VISIONARY JAPAN_エンジニアチーム 採用ピッチ資料(ver2.1).pdf株式会社VISIONARY JAPAN_エンジニアチーム 採用ピッチ資料(ver2.1).pdf
株式会社VISIONARY JAPAN_エンジニアチーム 採用ピッチ資料(ver2.1).pdf
 
ツキイチAsana勉強会第7回「ルーティン業務をうまくやる」2024年6月25日
ツキイチAsana勉強会第7回「ルーティン業務をうまくやる」2024年6月25日ツキイチAsana勉強会第7回「ルーティン業務をうまくやる」2024年6月25日
ツキイチAsana勉強会第7回「ルーティン業務をうまくやる」2024年6月25日
 
PROFILE - AIDEDO JOINT STOCK COMPANY.pdf
PROFILE - AIDEDO JOINT STOCK COMPANY.pdfPROFILE - AIDEDO JOINT STOCK COMPANY.pdf
PROFILE - AIDEDO JOINT STOCK COMPANY.pdf
 
信頼できる情報とAIで、 事業のお悩みを スピーディに解決! スピーダのご提案資料です
信頼できる情報とAIで、 事業のお悩みを スピーディに解決! スピーダのご提案資料です信頼できる情報とAIで、 事業のお悩みを スピーディに解決! スピーダのご提案資料です
信頼できる情報とAIで、 事業のお悩みを スピーディに解決! スピーダのご提案資料です
 
テストテストテストテストテストテストテストテストテスト20240709_ポーターズ様採用資料.pdf
テストテストテストテストテストテストテストテストテスト20240709_ポーターズ様採用資料.pdfテストテストテストテストテストテストテストテストテスト20240709_ポーターズ様採用資料.pdf
テストテストテストテストテストテストテストテストテスト20240709_ポーターズ様採用資料.pdf
 
空調特化 節電・省エネシステム「Ai-Glies」のご案内_株式会社NLNジャパン
空調特化 節電・省エネシステム「Ai-Glies」のご案内_株式会社NLNジャパン空調特化 節電・省エネシステム「Ai-Glies」のご案内_株式会社NLNジャパン
空調特化 節電・省エネシステム「Ai-Glies」のご案内_株式会社NLNジャパン
 
【2024年7月】株式会社ミライのゲンバ 会社紹介資料___________
【2024年7月】株式会社ミライのゲンバ 会社紹介資料___________【2024年7月】株式会社ミライのゲンバ 会社紹介資料___________
【2024年7月】株式会社ミライのゲンバ 会社紹介資料___________
 
「AI解析」×「プロによる個別トレーニング」で 売れるセールスを早期に立ち上げる
「AI解析」×「プロによる個別トレーニング」で 売れるセールスを早期に立ち上げる「AI解析」×「プロによる個別トレーニング」で 売れるセールスを早期に立ち上げる
「AI解析」×「プロによる個別トレーニング」で 売れるセールスを早期に立ち上げる
 
株式会社NLNジャパン_空調特化 節電省エネシステム_Ai-Gliesのご提案_240712_v4
株式会社NLNジャパン_空調特化 節電省エネシステム_Ai-Gliesのご提案_240712_v4株式会社NLNジャパン_空調特化 節電省エネシステム_Ai-Gliesのご提案_240712_v4
株式会社NLNジャパン_空調特化 節電省エネシステム_Ai-Gliesのご提案_240712_v4
 
【採用ピッチ資料】ポーターズ株式会社御中採用ピッチ資料_20240717.pdf
【採用ピッチ資料】ポーターズ株式会社御中採用ピッチ資料_20240717.pdf【採用ピッチ資料】ポーターズ株式会社御中採用ピッチ資料_20240717.pdf
【採用ピッチ資料】ポーターズ株式会社御中採用ピッチ資料_20240717.pdf
 
【レントラ便】脱下請けのための新規事業開発~株式会社ハーツの新たな運送サービスはどのように生まれたのか~
【レントラ便】脱下請けのための新規事業開発~株式会社ハーツの新たな運送サービスはどのように生まれたのか~【レントラ便】脱下請けのための新規事業開発~株式会社ハーツの新たな運送サービスはどのように生まれたのか~
【レントラ便】脱下請けのための新規事業開発~株式会社ハーツの新たな運送サービスはどのように生まれたのか~
 
ご担当者様へ(2.研修とコンサルティングをハイブリッド_トレーニングコンサルティング)_final.pdf
ご担当者様へ(2.研修とコンサルティングをハイブリッド_トレーニングコンサルティング)_final.pdfご担当者様へ(2.研修とコンサルティングをハイブリッド_トレーニングコンサルティング)_final.pdf
ご担当者様へ(2.研修とコンサルティングをハイブリッド_トレーニングコンサルティング)_final.pdf
 
会社概要説明資料 株式会社プラス 東京都品川区西五反田 ITエンジニア システムエンジニア
会社概要説明資料 株式会社プラス 東京都品川区西五反田 ITエンジニア システムエンジニア会社概要説明資料 株式会社プラス 東京都品川区西五反田 ITエンジニア システムエンジニア
会社概要説明資料 株式会社プラス 東京都品川区西五反田 ITエンジニア システムエンジニア
 
siori2407090000000000000000000000000.pdf
siori2407090000000000000000000000000.pdfsiori2407090000000000000000000000000.pdf
siori2407090000000000000000000000000.pdf
 

21世紀で最もセクシーな職業!?「データサイエンティスト」の実像に迫る