すべてのカテゴリ

2022年10月1日に受けた統計検定データサイエンス基礎について解説する動画です。最後まで見て頂ければ①どんな試験か②合格する為に何をすれば良いかを理解する事ができます。統計やデータサイエンスについて・良く知らないけど興味がある方・これから学習を始めようと思っている方にはぜひ見て欲しいです！動画が少しでも役に立った！と思った方はぜひチャンネル登録・高評価をよろしくお願いします！

こんにちは。ココナラ広報です。ココナラには、専門的な知識やスキルを生かして中小企業から大企業まで、あらゆる法人の課題解決をサポートしている出品者さんがいます。今回インタビューしたのは、希少人材であるITのデータ領域の人材として、ココナラで活躍しているぴろーさん。個人事業主や中小企業だけでなく、大企業からの依頼も受けているぴろーさんのサービスやスキルについてお話を伺いました。ぴろーさんのサービスURL【経歴・キャリア】エンジニアとして複数の会社でキャリアを積む新卒でシステムインテグレーターに入社し、主にデータベース関連のインフラエンジニアの仕事をしていました。その後、大手製造業にて、画像分類AIや歩留まり分析レポートの開発に従事し、現在は金融業界でデータ活用基盤の構築や運用を担当しています。具体的な仕事内容としては、社内で分散しているデータを一元化し、そのデータが分析に適した形式で利用できるようにしています。これにより、社内の全ての分析者が、必要な時にデータへ効率的かつ安全にアクセスできるような環境を実現しています。【出品をはじめたきっかけ】リスキリングのためのアウトプットの場としてココナラを活用エンジニアとして、技術の進化が凄まじい中で自己研鑽のためにインプットをする日々を過ごしていました。しかし、アウトプットの場が無ければ効果的ではないと常々思っており、自分のスキルアップやリスキリングを実現し、自己の価値を高めていける場は無いかと思っていました。職場でのアウトプットには時間と機会の制約があり、自分のペースで挑戦することが難しいことから、会社以外でスキル解放できる場を探しました

自己紹介 ・30代、男 ・現在は化学メーカーのデータサイエンティスト ・大学院の修士卒（理工系、化学専攻） ・新卒で電機メーカーに入社して、プロセス開発エンジニアとして約6年勤務 データ分析やプログラミング関連でご相談があれば以下からお願い致します。主な仕事内容 化学メーカーでマテリアルズインフォマティクス（MI：Materials Infomatics）の技術開発を行っています。データ分析を通じて、次にどのような条件で実験をしたらよいか提案したり、性能が良さそうな化合物を探索したりします。 なぜデータサイエンティストになろうと思ったのか？ 一言で言うならば「データサイエンスの面白さに気付き、可能性を実感した」からです。私はずっと実験科学者であり、プログラミングやAIなどとは無縁でした。きっかけはある時に参加したセミナーでした。そのセミナーではものづくりに機械学習を活用して、人では実現できないような成果を生み出していました。この講演を聞いて「嘘やん…機械学習ってこんなことできるの！？今の自分の実験テーマに適用したらきっと面白そう！！」と心躍り、機械学習のパワーに大きな驚きを受けました。そこから技術調査を始めたり、自分でプログラミングをやってみたりしながらデータサイエンスの世界に入っていきました。 転職活動については以下の記事で詳しく書いております。 まずは一言で感想 1年間働いた率直な感想は…「めっちゃ楽しい！！」これに尽きます。もちろん苦労はありますが、やりたかった仕事ができ、データサイエンスの面白さを実感する日々です。 実際に働いて感じたデータサイエンティストに対するギャッ

はじめまして、藤井工藝を運営している藤井と申します。藤井工藝を立ち上げる以前は、製造業の企業で3社を経験し、ハードウェアエンジニア、データサイエンティスト、クラウドエンジニア、AIプロンプトエンジニアといった多様な役割を担ってきました。特に印象的だったのは、IoTシステムの構築において、ハード設計から組み込みソフト、データ分析、ツール化までを一貫して一人で手がけた経験です。それぞれの現場で得たスキルは、広く浅くではなく、今も活きる“芯のある知見”として私の仕事に根付いています。「ここなら」での活動を始める前は、会社員としてデータ活用業務に携わりながら、プライベートでは自動車部品の設計・開発を行っていました。車好きが高じて、サーキット走行用の部品が廃盤になっていたことをきっかけに、独学でCAD設計をし、電子・機械部品の開発を進めていました。ある日サーキットで整備をしていたとき、「このパーツ、どこで買えるんですか？」と聞かれたのが、オーダーメイドの受注制作を始めるきっかけとなりました。最初は自分のために作っていたものが、他の人の役に立つ。それが嬉しくて、ものづくりの面白さと社会とのつながりを実感するようになりました。今では、自分の技術で誰かの課題を解決することに自信とやりがいを持っています。会社員時代には、機械学習アルゴリズムやシステム設計に関する特許も多数取得しており、特に愛知県の大手自動車部品メーカー在籍時には、3年間で15件の特許を取得することができました。「発明家気質」な一面も自分の特徴かもしれません。私の中で「データを扱うこと」と「ものを作ること」に大きな隔たりはありませ

こんにちは。現役データサイエンティストのまつおと申します。最近外向けにデータサイエンティストとしての活動を始めたのです、具体的にどういったサービスを提供できるか、どういったシーンでデータサイエンティストを頼れるのかを整理します。気になった方はご一読いただけると嬉しいです。前提：データサイエンティストのバックグラウンド多くのデータサイエンティストは大前提として「統計学」に関する知識があります。流石に舐めすぎか、当たり前ですね。次に、統計学を世の中に実装（アウトプット）していくためには、コーディングのスキルが必要になります。そのためコーディングは基本スキルになります。データサイエンティスト（DS）の仕事詳細は割愛しますが、DSの仕事は大きく以下の3つに分類されます。・（データベース周辺）・データの前処理・統計解析・クライアントへの説明・（プロダクトへの実装など）（）内の業務は企業などによって異なるため、最大公約数的にDSが担うものは（）をつけていないです。この順番は概ね仕事における順番とも一致しています。学生の方へデータサイエンティストの多くは基本的に統計の知識があります。また、分析以前のデータの前処理の方法などについても詳しく知っています。したがって以下のようなご相談に乗れると思っています。【ご相談例】・データ分析ってなんですか？！・データの作り方・データの前処理の方法のご相談・統計解析・データ分析の方法についてのご相談・大学の授業に関するご相談・レポートの作成手伝い・データサイエンティストの仕事についてのご質問・キャリアのご相談社会人の方私と同じ社会人の方にとっては、レポートの

1.はじめに🐎 「エルムステークス」は、人気馬の信頼があまり高くありません🥺 凡走している人気馬がどのようなタイプなのかを分析します！ 2.人気別の成績：まずは定説の確認 過去10年の人気別成績は以下の通りです！ 👉1〜3番人気と4〜6番人気で複勝率がほぼ同じ。 これは「人気＝信頼」ではないことを示しており、人気馬でも凡走するリスクが高いことがわかります🧐 3.人気馬で凡走する馬の特徴🐴 過去の傾向では、前走マリーンステークス組が好成績を残していました！ しかし、それ以外の前走レースから臨んだ人気馬は、信頼度が極端に低い傾向があります！ 👉 人気馬でも「前走がマリーンS以外」なら、凡走する可能性が高い... 4.マリーンステークスの着順別成績 さらに、マリーンS組の中でも着順によって成績が大きく異なります！ 👉マリーンS組でも「3着以内」でなければ好走は難しい。 今年の出走馬では、該当するのはテーオードレフォンのみ🐴 そのため、今年はマリーンS組を軸にするのは危険で、他ローテからの好走馬を探す必要があります！ 5.前走グレード別成績 マリーンSを除いた前走グレード別の成績は以下の通りです！ 👉GⅠ・GⅡといった“格上ローテ”は凡走傾向が強く、むしろGⅢや特別競走の方が複勝率は高い。 「格」よりも「適性」が重要ということが見えてきます！ 6.前走距離別の成績 前走距離別の成績を見ると、1900m組が最も好成績を残しています！ 👉札幌1700mに対して、1900mからの距離短縮がプラスに働いている可能性があります👏 7.平安ステークスの着順別成績 今年の出走馬にも複数いる平安S組。

AIを支える技術を9つの知的活動で整理し、それに属する主な技術、及び最新技術の動向をまとめました。