Meta tags:
description= 渋谷駅前で働くデータサイエンティストのブログ, 道玄坂→銀座→東京→六本木→渋谷駅前, R, 統計学, 機械学習, データ分析, データマイニング, 尾崎隆;
keywords= データサイエンティスト, 渋谷駅前で働くデータサイエンティスト, 六本木で働くデータサイエンティスト, Data Scientist, データ分析, データマイニング, 統計学, 機械学習, R, Python, 計量時系列分析, 統計モデリング, ベイジアン, 尾崎隆;
author= Takashi J. OZAKI;
Headings (most frequently used words):
渋谷駅前で働くデータサイエンティストのブログ, 銀座, エンジニアとは何か, 人工知能, 機械学習, データサイエンティスト, tjoとは何者なのか, id, はじめに, 渋谷駅前, 六本木, 東京, 道玄坂, 初めてこのブログに来た方へ, です, 六本木で働くデータサイエンティスト, 元祖, 定番の書籍リスト, データ分析職の方々にお薦めしたいホットトピックス, 独断と偏見で選ぶ, 2024年版, を推測するということ, 因果, ビジネスの実務で, どのような場面で多重比較補正が必要なのか, データ分析を仕事にしたければ読むべき本は何か,
Text of the page (most frequently used words):
2019 (15), 2020 (13), 2016 (13), 2015 (13), 2014 (13), 2018 (13), 2017 (13), 2021 (13), 2022 (13), 2023 (13), 2013 (12), 2024 (10), #読者になる (9), tjo (6), 統計学 (5), #続きを読む (4), #広告を非表示にする (4), もっと読む (4), #機械学習 (4), #コメントを書く (4), #渋谷駅前で働くデータサイエンティストのブログ (4), #人工知能 (3), 統計的因果推論 (3), 閉じる (3), #linkedin (2), プロフィール (2), ozaki (2), bugs (2), #データサイエンティスト (2), takashi (2), 再現性問題 (2), stan (2), deep (2), learning (2), 時系列分析 (2), graph (2), network (2), python (2), マーケティング (2), 自己紹介 (2), 読者をやめる (2), ブログの中で取り上げられているデータ分析事例 (2), どのような場面で多重比較補正が必要なのか (2), 読者です (2), https (2), 誤りを見つけた場合はコメント欄などでお知らせいただけると有難いです (2), 見解を代表しません (2), 所属組織の意見 (2), 見解の表明であり (2), 2024年版 (2), 独断と偏見で選ぶ (2), データ分析職の方々にお薦めしたいホットトピックス (2), 定番の書籍リスト (2), ビジネスの実務で (2), 改変した事実は明示されることもあれば明示されないこともあります (2), を推測するということ (2), sql (2), ブログ記事内容は予告なく公開後に改変されることがあります (2), 分析上の知見など全ての記述は (2), いかなる個別の事例とも無関係です (2), 機関の (2), かなりはっきりと, という言葉は使われないにせよ, という課題があり, 今回のバージョンでは, 道玄坂, というスタイルを取ることとしました, 見識を提供してくれるであろう注目書籍をピックアップしたリストを提示する, あくまでも僕の独断と偏見で直近1年間のホットトピックスに沿った知識, その上で, 前回まで踏襲されていた定番書籍リストはバルクで提示すると同時に, 因果推論, 推薦書籍リストは定番化していて毎年あまり変更点がない, 中級向け, 六本木, 趣向をちょっと変えて, というパターンを僕の見聞の範囲における知見に基づいて例示してみようと思います, ビジネス実務の現場においても, 今回の記事では近年のビジネスシーンにおいてどのような課題に対して, 平たく言って, 毎年四の五の言いながら書いている推薦書籍リスト記事ですが, 何だかんだで今年も書くことにしました, なお昨年度版の記事を上にリンクしておきましたので, 以前のバージョンを読まれたい方はそちらをお読みください, というように分けました, そこで, を推測することが求められ, 一方で, 逆に直近のホットトピックスに関するテキストは毎年入れ替わりが激し過ぎて網羅しづらい, 僕自身がその流れについていけておらず完全に浦島太郎状態ですので, 万人向けに等しくウケるようなリストを作るのは今回をもって完全に諦めたというのが実態です, 注目分野, 特に2点目についてはあまりにもデータサイエンス関連書籍の新規刊行が多過ぎる, を明らかに出来るか, 何故こうしたかというと, またどうしたらその, 公式のプロフィールは, についての知見もしくは説明可能性が求められるようになってきた, とは何者なのか, 初めてこのブログに来た方へ, お読み下さると有難いです, 以上の点をご理解の上, 中にはその見かけとは全く別の真の目的をもって書かれた記事もあります, 利便を考えてweb上に公開しているだけという位置付けのものです, このブログはあくまでも僕自身にとっての備忘録であり, エンジニアとは何か, いずれも特別に明記されていない限りはいかなる実在する企業, データ分析を仕事にしたければ読むべき本は何か, で以下のような質疑がありました, querie, 先日のことですが, これは僕が懇意にさせていただいているマクリン謙一郎さんがコメントしていた件に関連する話題だと思われます, 恐らくですが, タセット, 後学のため, に掲載しております, はじめに, これは初めてこのブログに来た方々向けのトップ固定記事です, 最新記事の更新状況に応じて随時更新されます, 学術書, オーソライズ, 誤りもまた多いはずです, このブログの内容は個人の意見, むしろ僕自身の学習のプロセスを記録しているだけの備忘録的記事が多いため, された資料を併せてご参照ください, や論文などの, 技術的コンテンツを求めて来訪された方は, 学術的, またブログ記事の内容の正確性については一切保証いたしません, wjnk5mnkcj, という印象が個人的にはあります, 僕個人にとってもまた因果推論と言えば馴染み深い概念になってきたという感があります, 最近復活させました, 六本木で働くデータサイエンティスト, 分野でも扱うテーマが複雑化するにつれて注目が高まり続けているトピックスという印象があります, 分野ではお馴染みのアプローチになった感があり, 統計的因果推論と言えばすっかり, このブログでも2016年ぐらいから因果推論に関する記事をちらほら書くようになり, と分かる話なんですが, ということなのかもしれません, をはっきりさせたいという願望が浮かび上がってきた, 相関だけからは見えてこない, だけなら簡単に見つけられるようになったことで, それは良くも悪くもdxブームでありとあらゆるビジネスに関わる事由がデータ化され, 分かる人が見れば, 被説明変数は一緒だから複数の説明変数を試して有意になったやつを報告するのと構造は一緒, mcalinn, してるわけだから多重検定になる, 同じストーリーを別のデータで何度も解析, 実際は, たしかにこれではないからharkingとはちょっと違うと思うんだけど, 2024年3月11日, kenmcalinn, ken, 普段から意識していないと意外と見落とされがちなポイントだと思うんですよね, 最近ネタ切れなのを糊塗する目的も兼ねて, 何なりとご指摘くださると幸いですm, 記事中に僕の理解不足や誤解などがありましたら, なおいつもながらですが, 今回の記事では簡単にこの話題を改めてサクッと深掘ってみようと思います, ということで, 典型的な多重比較補正問題だ, 技術評論社, 次のページ, データ分析実践編, hadoop, アナリティクス, テキストマイニング, カンファレンス, matlab, お知らせ, 異常検知, 状態空間, automl, dlm, 機械学習の自動化, 最適化計画, excel, 生tensowflow七転八倒記, 機械学習エンジニア, deeplearning実践シリーズ, 回顧録, mcmc, エイプリルフール, サンプルデータで試す機械学習シリーズ, llmで試すシリーズ, 旅行記, hive, facebook, キャリア, 月別アーカイブ, 限定公開記事のため引用できません, 引用をストックできませんでした, 再度お試しください, ログイン, 引用するにはまずログインしてください, ストック一覧を見る, 引用をストックしました, powered, ブログを報告する, hatena, blog, 忍者アナライズ, ビジネスにサイエンスを持ち込むということ, 機械学習で時系列予測はできるのか, 論議がtransformerと共に帰ってきた, データセットの本質的な性質を踏まえないデータ分析には, 大抵何の意味もない, causalimpactは実装によって中身に重大な差異がある, 仮説ドリブン, という名の甘い罠, ヒトだからこそ価値を出せる余地は, aiやデータサイエンスの, の本質への関わり方にある, 入試に数学を課さないデータサイエンス学部, は是か非か, 最新記事, llm, scientist, 特に明記されていない限りは, citations, ご質問など, quora, amazon, 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, 講演依頼, 書籍執筆依頼, メディア取材及び出演依頼等は全てお断りしております, 悪しからずご了承ください, データセット, いずれもいかなる実在する企業, google, ブログの内容は個人の意見, またブログ内容の正確性については一切保証いたしません, このブログには, のもとで配布されている製作物が含まれています, apache, 0ライセンス, english, hatenablog, com, data, scholar, 業績一覧, tensorflow, 年末回顧, 109, ビジネス, データ分析, データサイエンス, 177, kaken, 155, 159, カテゴリー, このブログについて, copyright, all, rights, reserved, ご連絡はlinkedinメッセージでお願いいたします, 科研費情報, 渋谷駅前,
Text of the page (random words):
渋谷駅前で働くデータサイエンティストのブログ 渋谷駅前で働くデータサイエンティストのブログ 読者になる 渋谷駅前で働くデータサイエンティストのブログ 元祖 六本木で働くデータサイエンティスト です 道玄坂 銀座 東京 六本木 渋谷駅前 2019 03 03 初めてこのブログに来た方へ 自己紹介 これは初めてこのブログに来た方々向けのトップ固定記事です 最新記事の更新状況に応じて随時更新されます はじめに 公式のプロフィールは linkedin に掲載しております このブログの内容は個人の意見 見解の表明であり 所属組織の意見 見解を代表しません またブログ記事の内容の正確性については一切保証いたしません 学術的 技術的コンテンツを求めて来訪された方は 必ず 学術書 や論文などの オーソライズ された資料を併せてご参照ください むしろ僕自身の学習のプロセスを記録しているだけの備忘録的記事が多いため 誤りもまた多いはずです 後学のため 誤りを見つけた場合はコメント欄などでお知らせいただけると有難いです また ブログの中で取り上げられているデータ分析事例 デー タセット 分析上の知見など全ての記述は いずれも特別に明記されていない限りはいかなる実在する企業 組織 機関の いかなる個別の事例とも無関係です ブログ記事内容は予告なく公開後に改変されることがあります 改変した事実は明示されることもあれば明示されないこともあります このブログはあくまでも僕自身にとっての備忘録であり 利便を考えてweb上に公開しているだけという位置付けのものです 中にはその見かけとは全く別の真の目的をもって書かれた記事もあります 以上の点をご理解の上 お読み下さると有難いです id tjo とは何者なのか データサイエンティスト 機械学習 人工知能 エンジニアとは何か データ分析を仕事にしたければ読むべき本は何か 続きを読む 2019 03 03 19 05 読者になる 広告を非表示にする もっと読む コメントを書く 2024 03 18 どのような場面で多重比較補正が必要なのか 統計学 再現性問題 r 先日のことですが querie 1 で以下のような質疑がありました 恐らくですが これは僕が懇意にさせていただいているマクリン謙一郎さんがコメントしていた件に関連する話題だと思われます たしかにこれではないからharkingとはちょっと違うと思うんだけど 実際は 同じストーリーを別のデータで何度も解析 してるわけだから多重検定になる 被説明変数は一緒だから複数の説明変数を試して有意になったやつを報告するのと構造は一緒 https t co wjnk5mnkcj ken mcalinn kenmcalinn 2024年3月11日 分かる人が見れば 典型的な多重比較補正問題だ と分かる話なんですが 普段から意識していないと意外と見落とされがちなポイントだと思うんですよね ということで 最近ネタ切れなのを糊塗する目的も兼ねて 今回の記事では簡単にこの話題を改めてサクッと深掘ってみようと思います なおいつもながらですが 記事中に僕の理解不足や誤解などがありましたら 何なりとご指摘くださると幸いですm _ _ m 1 最近復活させました 続きを読む tjo 2024 03 18 17 30 読者になる 広告を非表示にする もっと読む コメントを書く 2024 02 28 ビジネスの実務で 因果 を推測するということ マーケティング 統計学 統計的因果推論 時系列分析 統計的因果推論と言えばすっかり 統計学 分野ではお馴染みのアプローチになった感があり また 機械学習 分野でも扱うテーマが複雑化するにつれて注目が高まり続けているトピックスという印象があります このブログでも2016年ぐらいから因果推論に関する記事をちらほら書くようになり 僕個人にとってもまた因果推論と言えば馴染み深い概念になってきたという感があります 一方で ビジネス実務の現場においても 因果推論 という言葉は使われないにせよ かなりはっきりと 因果 についての知見もしくは説明可能性が求められるようになってきた という印象が個人的にはあります それは良くも悪くもdxブームでありとあらゆるビジネスに関わる事由がデータ化され 相関 だけなら簡単に見つけられるようになったことで 相関だけからは見えてこない 因果 をはっきりさせたいという願望が浮かび上がってきた ということなのかもしれません そこで 今回の記事では近年のビジネスシーンにおいてどのような課題に対して 因果 を推測することが求められ またどうしたらその 因果 を明らかに出来るか というパターンを僕の見聞の範囲における知見に基づいて例示してみようと思います 続きを読む tjo 2024 02 28 17 48 読者になる 広告を非表示にする もっと読む コメントを書く 2024 02 23 2024年版 独断と偏見で選ぶ データ分析職の方々にお薦めしたいホットトピックス 定番の書籍リスト 書籍 書評 統計学 統計的因果推論 機械学習 deep learning r python sql bugs stan graph network ai 人工知能 毎年四の五の言いながら書いている推薦書籍リスト記事ですが 何だかんだで今年も書くことにしました なお昨年度版の記事を上にリンクしておきましたので 以前のバージョンを読まれたい方はそちらをお読みください 今回のバージョンでは 趣向をちょっと変えて 定番 と 注目分野 というように分けました 何故こうしたかというと 平たく言って 初級 中級向け 推薦書籍リストは定番化していて毎年あまり変更点がない 逆に直近のホットトピックスに関するテキストは毎年入れ替わりが激し過ぎて網羅しづらい という課題があり 特に2点目についてはあまりにもデータサイエンス関連書籍の新規刊行が多過ぎる 僕自身がその流れについていけておらず完全に浦島太郎状態ですので 万人向けに等しくウケるようなリストを作るのは今回をもって完全に諦めたというのが実態です その上で 前回まで踏襲されていた定番書籍リストはバルクで提示すると同時に あくまでも僕の独断と偏見で直近1年間のホットトピックスに沿った知識 見識を提供してくれるであろう注目書籍をピックアップしたリストを提示する というスタイルを取ることとしました 続きを読む tjo 2024 02 23 18 46 読者になる 広告を非表示にする もっと読む コメントを書く 次のページ プロフィール id tjo takashi j ozaki ph d data scientist 尾崎 隆 english https tjo en hatenablog com このブログには apache 2 0ライセンス のもとで配布されている製作物が含まれています ブログの内容は個人の意見 見解の表明であり 所属組織の意見 見解を代表しません またブログ内容の正確性については一切保証いたしません 誤りを見つけた場合はコメント欄などでお知らせいただけると有難いです また ブログの中で取り上げられているデータ分析事例 データセット 分析上の知見など全ての記述は 特に明記されていない限りは いずれもいかなる実在する企業 組織 機関の いかなる個別の事例とも無関係です ブログ記事内容は予告なく公開後に改変されることがあります 改変した事実は明示されることもあれば明示されないこともあります 現在 講演依頼 書籍執筆依頼 メディア取材及び出演依頼等は全てお断りしております 悪しからずご了承ください 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 作者 尾崎 隆 技術評論社 amazon プロフィール linkedin ご質問など quora 業績一覧 google scholar citations 科研費情報 kaken ご連絡はlinkedinメッセージでお願いいたします copyright takashi j ozaki 2013 all rights reserved 読者です 読者をやめる 読者になる 読者になる このブログについて 検索 カテゴリー r 159 再現性問題 6 統計学 155 統計的因果推論 21 時系列分析 51 マーケティング 21 書評 42 sql 2 python 40 書籍 53 graph network 9 deep learning 32 bugs stan 25 機械学習 177 ai 人工知能 6 データサイエンス 44 人材 58 データ分析 99 ビジネス 98 データサイエンティスト 109 年末回顧 8 tensorflow 17 研究 4 論文 16 キャリア 18 llm 5 旅行記 16 llmで試すシリーズ 1 サンプルデータで試す機械学習シリーズ 19 エイプリルフール 10 雑感 29 mcmc 14 回顧録 10 deeplearning実践シリーズ 11 私事 8 機械学習エンジニア 29 生tensowflow七転八倒記 13 最適化計画 3 データ分析実践編 5 機械学習の自動化 6 dlm 9 automl 4 状態空間 2 自己紹介 3 異常検知 4 お知らせ 8 pr 4 matlab 2 カンファレンス 8 テキストマイニング 1 日常 3 アナリティクス 10 hadoop 2 hive 2 excel 1 facebook 2 it 1 最新記事 どのような場面で多重比較補正が必要なのか ビジネスの実務で 因果 を推測するということ 2024年版 独断と偏見で選ぶ データ分析職の方々にお薦めしたいホットトピックス 定番の書籍リスト 入試に数学を課さないデータサイエンス学部 は是か非か ヒトだからこそ価値を出せる余地は aiやデータサイエンスの 外側 の本質への関わり方にある 仮説ドリブン という名の甘い罠 causalimpactは実装によって中身に重大な差異がある データセットの本質的な性質を踏まえないデータ分析には 大抵何の意味もない 機械学習で時系列予測はできるのか 論議がtransformerと共に帰ってきた ビジネスにサイエンスを持ち込むということ 月別アーカイブ 2024 2024 3 2024 2 2024 1 2023 2023 12 2023 11 2023 10 2023 9 2023 8 2023 7 2023 6 2023 5 2023 4 2023 3 2023 2 2023 1 2022 2022 12 2022 11 2022 10 2022 9 2022 8 2022 7 2022 6 2022 5 2022 4 2022 3 2022 2 2022 1 2021 2021 12 2021 11 2021 10 2021 9 2021 8 2021 7 2021 6 2021 5 2021 4 2021 3 2021 2 2021 1 2020 2020 12 2020 11 2020 10 2020 9 2020 8 2020 7 2020 6 2020 5 2020 4 2020 3 2020 2 2020 1 2019 2019 12 2019 11 2019 10 2019 9 2019 8 2019 7 2019 6 2019 5 2019 4 2019 3 2019 2 2019 1 2018 2018 12 2018 11 2018 10 2018 9 2018 8 2018 7 2018 6 2018 5 2018 4 2018 3 2018 2 2018 1 2017 2017 12 2017 11 2017 10 2017 9 2017 8 2017 7 2017 6 2017 5 2017 4 2017 3 2017 2 2017 1 2016 2016 12 2016 11 2016 10 2016 9 2016 8 2016 7 2016 6 2016 5 2016 4 2016 3 2016 2 2016 1 2015 2015 12 2015 11 2015 10 2015 9 2015 8 2015 7 2015 6 2015 5 2015 4 2015 3 2015 2 2015 1 2014 2014 12 2014 11 2014 10 2014 9 2014 8 2014 7 2014 6 2014 5 2014 4 2014 3 2014 2 2014 1 2013 2013 12 2013 11 2013 10 2013 9 2013 8 2013 7 2013 6 2013 5 2013 4 2013 3 忍者アナライズ 渋谷駅前で働くデータサイエンティストのブログ powered by hatena blog ブログを報告する 引用をストックしました ストック一覧を見る 閉じる 引用するにはまずログインしてください ログイン 閉じる 引用をストックできませんでした 再度お試しください 閉じる 限定公開記事のため引用できません 読者です 読者をやめる 読者になる 読者になる
|