Suche senden
Hochladen
ビジネスの現場のデータ分析における理想と現実
•
59 gefällt mir
•
26,282 views
Takashi J OZAKI
Folgen
Zansa第17回勉強会・社会人枠での発表です。データ分析の話は全くしてません(笑)。
Weniger lesen
Mehr lesen
Technologie
Melden
Teilen
Melden
Teilen
1 von 52
Empfohlen
DeNAの分析を支える分析基盤
DeNAの分析を支える分析基盤
Kenshin Yamada
継続的なモデルモニタリングを実現するKubernetes Operator
継続的なモデルモニタリングを実現するKubernetes Operator
Yahoo!デベロッパーネットワーク
サイエンス領域におけるMLOpsの取り組み #yjtc
サイエンス領域におけるMLOpsの取り組み #yjtc
Yahoo!デベロッパーネットワーク
アンサンブル学習
アンサンブル学習
Hidekazu Tanaka
分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~
Hideki Tsunashima
Apache Sparkに手を出してヤケドしないための基本 ~「Apache Spark入門より」~ (デブサミ 2016 講演資料)
Apache Sparkに手を出してヤケドしないための基本 ~「Apache Spark入門より」~ (デブサミ 2016 講演資料)
NTT DATA OSS Professional Services
データ分析基盤について
データ分析基盤について
Yuta Inamura
AI と個人情報 ~AI 学習用データとしての個人情報と AI 処理対象としての個人情報~
AI と個人情報 ~AI 学習用データとしての個人情報と AI 処理対象としての個人情報~
Deep Learning Lab(ディープラーニング・ラボ)
Empfohlen
DeNAの分析を支える分析基盤
DeNAの分析を支える分析基盤
Kenshin Yamada
継続的なモデルモニタリングを実現するKubernetes Operator
継続的なモデルモニタリングを実現するKubernetes Operator
Yahoo!デベロッパーネットワーク
サイエンス領域におけるMLOpsの取り組み #yjtc
サイエンス領域におけるMLOpsの取り組み #yjtc
Yahoo!デベロッパーネットワーク
アンサンブル学習
アンサンブル学習
Hidekazu Tanaka
分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~
Hideki Tsunashima
Apache Sparkに手を出してヤケドしないための基本 ~「Apache Spark入門より」~ (デブサミ 2016 講演資料)
Apache Sparkに手を出してヤケドしないための基本 ~「Apache Spark入門より」~ (デブサミ 2016 講演資料)
NTT DATA OSS Professional Services
データ分析基盤について
データ分析基盤について
Yuta Inamura
AI と個人情報 ~AI 学習用データとしての個人情報と AI 処理対象としての個人情報~
AI と個人情報 ~AI 学習用データとしての個人情報と AI 処理対象としての個人情報~
Deep Learning Lab(ディープラーニング・ラボ)
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
大規模データ活用向けストレージレイヤソフトのこれまでとこれから(NTTデータ テクノロジーカンファレンス 2019 講演資料、2019/09/05)
大規模データ活用向けストレージレイヤソフトのこれまでとこれから(NTTデータ テクノロジーカンファレンス 2019 講演資料、2019/09/05)
NTT DATA Technology & Innovation
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
Yahoo!デベロッパーネットワーク
信頼できるAIシステム開発の勘どころ ~AI開発方法論×AI品質保証~(NTTデータ テクノロジーカンファレンス 2020 発表資料)
信頼できるAIシステム開発の勘どころ ~AI開発方法論×AI品質保証~(NTTデータ テクノロジーカンファレンス 2020 発表資料)
NTT DATA Technology & Innovation
ナレッジグラフとオントロジー
ナレッジグラフとオントロジー
University of Tsukuba
ログ解析基盤におけるストリーム処理パイプラインについて
ログ解析基盤におけるストリーム処理パイプラインについて
cyberagent
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
NTT DATA Technology & Innovation
アサヒのデータ活用基盤を支えるデータ仮想化技術
アサヒのデータ活用基盤を支えるデータ仮想化技術
Denodo
Active Learning と Bayesian Neural Network
Active Learning と Bayesian Neural Network
Naoki Matsunaga
データ分析概略
データ分析概略
Daiyu Hatakeyama
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
Tokoroten Nakayama
推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから
cyberagent
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
mlm_kansai
楽天のデータサイエンス/AIによるビッグデータ活用
楽天のデータサイエンス/AIによるビッグデータ活用
Rakuten Group, Inc.
BlackBox モデルの説明性・解釈性技術の実装
BlackBox モデルの説明性・解釈性技術の実装
Deep Learning Lab(ディープラーニング・ラボ)
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
変数同士の関連_MIC
変数同士の関連_MIC
Shushi Namba
Apache Avro vs Protocol Buffers
Apache Avro vs Protocol Buffers
Seiya Mizuno
MLflowで学ぶMLOpsことはじめ
MLflowで学ぶMLOpsことはじめ
Kenichi Sonoda
データ活用を俊敏に進めるためのDataOps実践方法とその高度化のためのナレッジグラフ活用の取り組み(NTTデータ テクノロジーカンファレンス 2020 ...
データ活用を俊敏に進めるためのDataOps実践方法とその高度化のためのナレッジグラフ活用の取り組み(NTTデータ テクノロジーカンファレンス 2020 ...
NTT DATA Technology & Innovation
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
2016年6月版データマエショリスト入門
2016年6月版データマエショリスト入門
Yuya Matsumura
Weitere ähnliche Inhalte
Was ist angesagt?
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
大規模データ活用向けストレージレイヤソフトのこれまでとこれから(NTTデータ テクノロジーカンファレンス 2019 講演資料、2019/09/05)
大規模データ活用向けストレージレイヤソフトのこれまでとこれから(NTTデータ テクノロジーカンファレンス 2019 講演資料、2019/09/05)
NTT DATA Technology & Innovation
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
Yahoo!デベロッパーネットワーク
信頼できるAIシステム開発の勘どころ ~AI開発方法論×AI品質保証~(NTTデータ テクノロジーカンファレンス 2020 発表資料)
信頼できるAIシステム開発の勘どころ ~AI開発方法論×AI品質保証~(NTTデータ テクノロジーカンファレンス 2020 発表資料)
NTT DATA Technology & Innovation
ナレッジグラフとオントロジー
ナレッジグラフとオントロジー
University of Tsukuba
ログ解析基盤におけるストリーム処理パイプラインについて
ログ解析基盤におけるストリーム処理パイプラインについて
cyberagent
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
NTT DATA Technology & Innovation
アサヒのデータ活用基盤を支えるデータ仮想化技術
アサヒのデータ活用基盤を支えるデータ仮想化技術
Denodo
Active Learning と Bayesian Neural Network
Active Learning と Bayesian Neural Network
Naoki Matsunaga
データ分析概略
データ分析概略
Daiyu Hatakeyama
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
Tokoroten Nakayama
推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから
cyberagent
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
mlm_kansai
楽天のデータサイエンス/AIによるビッグデータ活用
楽天のデータサイエンス/AIによるビッグデータ活用
Rakuten Group, Inc.
BlackBox モデルの説明性・解釈性技術の実装
BlackBox モデルの説明性・解釈性技術の実装
Deep Learning Lab(ディープラーニング・ラボ)
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
変数同士の関連_MIC
変数同士の関連_MIC
Shushi Namba
Apache Avro vs Protocol Buffers
Apache Avro vs Protocol Buffers
Seiya Mizuno
MLflowで学ぶMLOpsことはじめ
MLflowで学ぶMLOpsことはじめ
Kenichi Sonoda
データ活用を俊敏に進めるためのDataOps実践方法とその高度化のためのナレッジグラフ活用の取り組み(NTTデータ テクノロジーカンファレンス 2020 ...
データ活用を俊敏に進めるためのDataOps実践方法とその高度化のためのナレッジグラフ活用の取り組み(NTTデータ テクノロジーカンファレンス 2020 ...
NTT DATA Technology & Innovation
Was ist angesagt?
(20)
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
大規模データ活用向けストレージレイヤソフトのこれまでとこれから(NTTデータ テクノロジーカンファレンス 2019 講演資料、2019/09/05)
大規模データ活用向けストレージレイヤソフトのこれまでとこれから(NTTデータ テクノロジーカンファレンス 2019 講演資料、2019/09/05)
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
信頼できるAIシステム開発の勘どころ ~AI開発方法論×AI品質保証~(NTTデータ テクノロジーカンファレンス 2020 発表資料)
信頼できるAIシステム開発の勘どころ ~AI開発方法論×AI品質保証~(NTTデータ テクノロジーカンファレンス 2020 発表資料)
ナレッジグラフとオントロジー
ナレッジグラフとオントロジー
ログ解析基盤におけるストリーム処理パイプラインについて
ログ解析基盤におけるストリーム処理パイプラインについて
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
アサヒのデータ活用基盤を支えるデータ仮想化技術
アサヒのデータ活用基盤を支えるデータ仮想化技術
Active Learning と Bayesian Neural Network
Active Learning と Bayesian Neural Network
データ分析概略
データ分析概略
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
楽天のデータサイエンス/AIによるビッグデータ活用
楽天のデータサイエンス/AIによるビッグデータ活用
BlackBox モデルの説明性・解釈性技術の実装
BlackBox モデルの説明性・解釈性技術の実装
全力解説!Transformer
全力解説!Transformer
変数同士の関連_MIC
変数同士の関連_MIC
Apache Avro vs Protocol Buffers
Apache Avro vs Protocol Buffers
MLflowで学ぶMLOpsことはじめ
MLflowで学ぶMLOpsことはじめ
データ活用を俊敏に進めるためのDataOps実践方法とその高度化のためのナレッジグラフ活用の取り組み(NTTデータ テクノロジーカンファレンス 2020 ...
データ活用を俊敏に進めるためのDataOps実践方法とその高度化のためのナレッジグラフ活用の取り組み(NTTデータ テクノロジーカンファレンス 2020 ...
Andere mochten auch
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
2016年6月版データマエショリスト入門
2016年6月版データマエショリスト入門
Yuya Matsumura
「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
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
Shohei Hido
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
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
Takashi J OZAKI
不均衡データのクラス分類
不均衡データのクラス分類
Shintaro Fukushima
「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
Andere mochten auch
(8)
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”
2016年6月版データマエショリスト入門
2016年6月版データマエショリスト入門
「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
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
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
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
不均衡データのクラス分類
不均衡データのクラス分類
「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
Ähnlich wie ビジネスの現場のデータ分析における理想と現実
Thinking datascientist itself
Thinking datascientist itself
HiroyukiOtsubo
セグメンテーションの考え方・使い方 - TokyoR #44
セグメンテーションの考え方・使い方 - TokyoR #44
horihorio
アクションマイニングを用いた最適なアクションの導出
アクションマイニングを用いた最適なアクションの導出
Shintaro Fukushima
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
Shohei Hido
20120326 zansa勉強会発表資料 (公開用) 02 04-38
20120326 zansa勉強会発表資料 (公開用) 02 04-38
tetsuro ito
OpenDataの知見共有とビジネス化
OpenDataの知見共有とビジネス化
Satoshi Iida
Thank you communication network in organization 感謝ネットワークからみる組織のコミュニケーションの形
Thank you communication network in organization 感謝ネットワークからみる組織のコミュニケーションの形
Hiroko Onari
データジャーナリズム―異業種のコラボレーションがニュースを変える― (2013年12月)
データジャーナリズム―異業種のコラボレーションがニュースを変える― (2013年12月)
yuzoakakura
JPA2019 Symposium 1
JPA2019 Symposium 1
Jun Kashihara
teaming and weak internal information
teaming and weak internal information
Hiroko Onari
リクルートライフスタイル流!分析基盤との賢い付き合い方
リクルートライフスタイル流!分析基盤との賢い付き合い方
Recruit Lifestyle Co., Ltd.
Gaiaxセミナー資料20111216
Gaiaxセミナー資料20111216
ITmedia_HR(人事・採用)
Gaiaxセミナー20111216「採用現場が考えるソーシャル」
Gaiaxセミナー20111216「採用現場が考えるソーシャル」
URANO HEIYA
20131213 itサービスに求められる人材像
20131213 itサービスに求められる人材像
jun_suto
20131221 次世代共創マーケティング
20131221 次世代共創マーケティング
晴生(作成中) 山崎
20220422佐賀銀行新入行員研修
20220422佐賀銀行新入行員研修
KazuhitoKitamura
Ähnlich wie ビジネスの現場のデータ分析における理想と現実
(16)
Thinking datascientist itself
Thinking datascientist itself
セグメンテーションの考え方・使い方 - TokyoR #44
セグメンテーションの考え方・使い方 - TokyoR #44
アクションマイニングを用いた最適なアクションの導出
アクションマイニングを用いた最適なアクションの導出
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
20120326 zansa勉強会発表資料 (公開用) 02 04-38
20120326 zansa勉強会発表資料 (公開用) 02 04-38
OpenDataの知見共有とビジネス化
OpenDataの知見共有とビジネス化
Thank you communication network in organization 感謝ネットワークからみる組織のコミュニケーションの形
Thank you communication network in organization 感謝ネットワークからみる組織のコミュニケーションの形
データジャーナリズム―異業種のコラボレーションがニュースを変える― (2013年12月)
データジャーナリズム―異業種のコラボレーションがニュースを変える― (2013年12月)
JPA2019 Symposium 1
JPA2019 Symposium 1
teaming and weak internal information
teaming and weak internal information
リクルートライフスタイル流!分析基盤との賢い付き合い方
リクルートライフスタイル流!分析基盤との賢い付き合い方
Gaiaxセミナー資料20111216
Gaiaxセミナー資料20111216
Gaiaxセミナー20111216「採用現場が考えるソーシャル」
Gaiaxセミナー20111216「採用現場が考えるソーシャル」
20131213 itサービスに求められる人材像
20131213 itサービスに求められる人材像
20131221 次世代共創マーケティング
20131221 次世代共創マーケティング
20220422佐賀銀行新入行員研修
20220422佐賀銀行新入行員研修
Mehr von 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
Takashi J OZAKI
Taste 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)
Takashi J OZAKI
Tech 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?
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 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
Takashi J OZAKI
Jc 20141003 tjo
Jc 20141003 tjo
Takashi J OZAKI
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
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」
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~
Takashi J OZAKI
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
Simple perceptron by TJO
Simple perceptron by TJO
Takashi J OZAKI
Mehr von Takashi J OZAKI
(14)
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 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)
Tech 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?
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 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
Jc 20141003 tjo
Jc 20141003 tjo
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)
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~
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」
Simple perceptron by TJO
Simple perceptron by TJO
Kürzlich hochgeladen
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
Atomu Hidaka
PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000
Shota Ito
UPWARD_share_company_information_20240415.pdf
UPWARD_share_company_information_20240415.pdf
furutsuka
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory
osamut
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
iPride Co., Ltd.
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
iPride Co., Ltd.
Kürzlich hochgeladen
(9)
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000
UPWARD_share_company_information_20240415.pdf
UPWARD_share_company_information_20240415.pdf
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
ビジネスの現場のデータ分析における理想と現実
1.
ビジネスの現場の データ分析における 理想と現実 株式会社リクルートコミュニケーションズ データサイエンティスト 尾崎 隆
(Takashi J. OZAKI, Ph. D.) 2013/11/28 1
2.
一応、自己紹介を… ブログ&Twitterやってます 2013/11/28 2
3.
一応、自己紹介を… ブログ&Twitterやってます 2013/11/28 3
4.
一応、自己紹介を… 現在は… 2013/11/28 4
5.
一応、自己紹介を… 現在は… リクルートグループ全体のマーケティングにおける データ分析を担当するデータサイエンティスト 2013/11/28 5
6.
本日のお品書き データサイエンティストが思い描く「理想」 ビジネスの現場における「現実」
「理想」と「現実」の折り合いをうまくつけて、データ分析で価値 を発揮していくには? 2013/11/28 6
7.
おことわり 今日は分析手法の話とか、 難しい話は一切いたしません 2013/11/28 7
8.
おことわり 今日はアドホック分析業務の 現場でよくある話をします ※学生の方が多い会だと聞いてきたもので… 2013/11/28 8
9.
本日のお品書き データサイエンティストが思い描く「理想」 ビジネスの現場における「現実」
「理想」と「現実」の折り合いをうまくつけて、データ分析で価値 を発揮していくには? 2013/11/28 9
10.
データサイエンティストが思い描く「理想」 仕事の進め方では… できる限り面白い仕事がしたいよね あんまり煩雑なルーチンワークには 時間を取られたくないし もちろんカンファレンスとかも出たいし OSSとかにもコミットしたいな データサイエンティスト 2013/11/28 10
11.
データサイエンティストが思い描く「理想」 具体的な分析のやり方では… 基本通りp < 0.05じゃないと 表には出せないよね バシッと機械学習使って厳密な 結果を出してナンボでしょ MCMC使えば複雑なモデルを組み合わ せて正確なパラメータ推定できるよ データサイエンティスト 2013/11/28 やっぱりHadoop上でアルゴリズムを 分散させて一気に大容量でやりたいな 11
12.
データサイエンティストが思い描く「理想」 データサイエンティストという立場の人々が 往々にして思い描く理想、それは… 2013/11/28 12
13.
データサイエンティストが思い描く「理想」 「知的好奇心を満たせる仕事」 ※昨年尾崎がポスドクを辞めて転職した際に、とある企業で 面談して下さった部長氏(素粒子物理Ph.D.出身)の言葉 2013/11/28 13
14.
本日のお品書き データサイエンティストが思い描く「理想」 ビジネスの現場における「現実」
「理想」と「現実」の折り合いをうまくつけて、データ分析で価値 を発揮していくには? 2013/11/28 14
15.
ビジネスの現場における「現実」 初めて分析業務の現場を見て… データサイエンティスト 2013/11/28 15
16.
ビジネスの現場における「現実」 初めて分析業務の現場を見て… ・・・・・・・・・・・・・・ データサイエンティスト 2013/11/28 16
17.
ビジネスの現場における「現実」 彼(彼女)は何を見たのか? 2013/11/28 17
18.
ビジネスの現場における「現実」 前処理 分析 レポート これが一般的な流れですが… 2013/11/28 18
19.
ビジネスの現場における「現実」 現実には… 2013/11/28 19
20.
ビジネスの現場における「現実」 前処理 分析 レポート これぐらいの比率だったりする 2013/11/28 20
21.
ビジネスの現場における「現実」 つまり… データサイエンティスト 2013/11/28 21
22.
ビジネスの現場における「現実」 つまり… データサイエンティスト 2013/11/28 22
23.
ビジネスの現場における「現実」 つまり… マエショリスト 2013/11/28 23
24.
ビジネスの現場における「現実」 「前処理が全工数の9割以上を占める」 カラム定義が揃ってない複数テーブル間にデータが 分散していたり
NAだらけだけど0を入れて補完するとまずいような データが1TBぐらいあったり 外注したデータなのでDBから取ってくるのではなく 全てCSVでン百GBぐらい降ってきたり 2013/11/28 24
25.
ビジネスの現場における「現実」 現場にありがちなもう一つの仕事 データサイエンティスト 2013/11/28 25
26.
ビジネスの現場における「現実」 現場にありがちなもう一つの仕事 うひー・・・ データサイエンティスト データ分析基盤の保守運用 2013/11/28 26
27.
ビジネスの現場における「現実」 「え?crontabぐらい設定できるよね?」 バッチ集計のスクリプトをコミットしたり
バックエンド分析処理のコードをビルドしたり アラートメール出てたらリモートでログインして復旧 作業入ったり ・・・つまり「普通にエンジニア仕事もやる」という 2013/11/28 27
28.
ビジネスの現場における「現実」 適応すべきは自分の影響が 及ぶ範囲だけではない データサイエンティスト 2013/11/28 28
29.
ビジネスの現場における「現実」 適応すべきは自分の影響が 及ぶ範囲だけではない 分析よろしくー あ、はい・・・ データサイエンティスト 2013/11/28 ビジネスマネージャー 29
30.
ビジネスの現場における「現実」 ビジネス側の人とデータ分析の話をすると… は?機械学習?統計的検定?p値?AIC?重回 帰分析?何それ?ちょっと説明してくれる? データ分析データ分析っていうけど、要は Excelの関数うまく使いこなすことでしょ? まだるっこしいこと言うなぁ。Aの平均の方が Bの平均よりも大きいんだからAでいいじゃん 数学苦手だったからさぁ、ぶっちゃけ算数 より難しいもの見ても分からないんだよね ビジネスマネージャー ※弊社および弊グループではビジネス側の人たちでも データ分析諸系統に通じている人が沢山いるのでご安心を 2013/11/28 30
31.
ビジネスの現場における「現実」 これくらい認識に差のある相手と 会話をしなければいけません 2013/11/28 31
32.
ビジネスの現場における「現実」 なので、色々な悲喜劇が起きる 2013/11/28 32
33.
ビジネスの現場における「現実」 決定木で一番良さそうなサイト 導線を選んでみました 決定木って何?この図全然見慣れ なくて読みにくいよ。こんな変な もの持ってこないで、普通にExcel で集計したシート持ってきて ・・・・・・・・・ ビジネスマネージャー データサイエンティスト 2013/11/28 ※これはフィクションです 33
34.
ビジネスの現場における「現実」 これさぁ、Excelで割合計算した結果 と食い違ってるじゃん。おかしいで しょ?変に難しいことに手を出すと 危ないよ、やり直して (単相関と偏相関の 違いなんだけど…) 重回帰分析の結果出ました。 偏回帰係数を見るとですね… ビジネスマネージャー データサイエンティスト 2013/11/28 ※これはフィクションです 34
35.
ビジネスの現場における「現実」 何でそんなに時間かかってるの? データ渡したのだいぶ前だよね? こんなの1日で終わるでしょ? (前処理に時間か かった上にSVM回し 終わるのに3日かか るよ、そもそもあの データ量だし…) お待たせしてすみません、 機械学習にかけた結果です ビジネスマネージャー データサイエンティスト 2013/11/28 ※これはフィクションです 35
36.
ビジネスの現場における「現実」 あーあ、小難しいことは言わずに黙ってサクッと1日で言われ た通りに売上が伸びる改善施策につながる分析結果持ってき てくれるデータサイエンティストどこかにいないかなー ・・・・・・・・・・・・ ビジネスマネージャー データサイエンティスト 2013/11/28 ※これはフィクションです 36
37.
ビジネスの現場における「現実」 不幸なすれ違いが続くと 危ないのは、恋愛と同じ 2013/11/28 37
38.
本日のお品書き データサイエンティストが思い描く「理想」 ビジネスの現場における「現実」
「理想」と「現実」の折り合いをうまくつけて、データ分析で価値 を発揮していくには? 2013/11/28 38
39.
折り合いをつけて、データ分析で価値を発揮していくには? 1. 2013/11/28 39
40.
折り合いをつけて、データ分析で価値を発揮していくには? 1. そもそも話の通じるビジネス側 の人が多い他部署・他社に移る やってられっかチクショー データサイエンティスト ※身も蓋もないが、仕方ない場合も世の中にはある 2013/11/28 40
41.
折り合いをつけて、データ分析で価値を発揮していくには? 2. 2013/11/28 41
42.
折り合いをつけて、データ分析で価値を発揮していくには? 2. 日頃からビジネス側の人たちと 会話を密にする いやぁ、この前の前処理5日も食っ ちゃいましたよ、アハハハハ そうか、全然知らなかったよ・・・ 今度から余裕を持たせて依頼するよ ビジネスマネージャー データサイエンティスト ※ランチの席とかでネタっぽく実情を訴えるとか(笑) 2013/11/28 42
43.
折り合いをつけて、データ分析で価値を発揮していくには? 3. 2013/11/28 43
44.
折り合いをつけて、データ分析で価値を発揮していくには? 3. 科学コミュニケーションをする つもりで対話せよ 簡単に言えば、この数字が大きい ほどより○○だと思ってOKです なるほどー。ってことは、そっちの別 の数字との関係性を見るには・・・ ビジネスマネージャー データサイエンティスト ※デキるビジネス系の人ほど頭の回転が速いので、 こういう「概念」の理解も早い(経験的に) 2013/11/28 44
45.
折り合いをつけて、データ分析で価値を発揮していくには? 4. 2013/11/28 45
46.
折り合いをつけて、データ分析で価値を発揮していくには? 4. 相手のビジネス視点を自分の ものにして話すべし この分析結果から言って、来月のKPI○○ は××との相乗効果で売上高への・・・ そうそう、そこが知りたかったんだよ。 これが分かれば予算配分決められるし ビジネスマネージャー データサイエンティスト ※ビジネス系の人はビジネスの話をしたいのです 2013/11/28 46
47.
折り合いをつけて、データ分析で価値を発揮していくには? 5. 2013/11/28 47
48.
折り合いをつけて、データ分析で価値を発揮していくには? 5. 分析に少しでも詳しい人を見つ けて味方にしてしまう Aの方が説得力 ありますね 分析結果から言うと Aの方が良さそうです そうか、2人とも同意見 なら大丈夫そうだな ビジネス側の人 ビジネスマネージャー データサイエンティスト 2013/11/28 ※持つべきものは味方。そして意外と大学が 経済学系出身とかで詳しい人は多いもの 48
49.
折り合いをつけて、データ分析で価値を発揮していくには? 6. 2013/11/28 49
50.
折り合いをつけて、データ分析で価値を発揮していくには? 6. 価値さえ認めてもらえるように なれば、色々チャレンジできる 素晴らしい成果が出たし、今回 使ったネタでトップカンファレ ンス出してみたら? 喜んで!頑張ってきます! データサイエンティスト こうなったらもっとR&Dにも 力を入れて行かなきゃね ビジネスマネージャー ※NIPSとかKDDとか行かせてもらえることも (弊社および弊グループにおける実例) 2013/11/28 50
51.
ということで、「理想」と「現実」のせめぎ合いを見てきました データサイエンティストが思い描く「理想」 ビジネスの現場における「現実」
「理想」と「現実」の折り合いをうまくつけて、データ分析で価値 を発揮していくには? 2013/11/28 51
52.
最後に まだビッグデータ系のデータ分析部門は どこも立ち上がったばかりなので、 自分好みの組織に作り上げてやりたい ことをやろうと志す若い学生の皆さんに とっては今がチャンスですよ! 2013/11/28 52