マガジンのカバー画像

データサイエンス入門講座

21
データを活用してエビデンスに基づいた経営判断を行いたいと考えるすべての人に。「データでもっと儲ける方法 ~経営とマーケティングのためのアナリティクスデザイン~(著:西内啓/発行:… もっと読む
運営しているクリエイター

#データサイエンス

第21回 社内政治を乗り越えろ(2)

シティズンデータサイエンスラボは「データサイエンスを全ての人に」を掲げる株式会社データビ…

第20回 社内政治を乗り越えろ(1)

シティズンデータサイエンスラボは「データサイエンスを全ての人に」を掲げる株式会社データビ…

第19回 ズルのできない予測精度の検証方法(2)

シティズンデータサイエンスラボは「データサイエンスを全ての人に」を掲げる株式会社データビ…

第17回 AI開発における適切な課題設定とは(2)

シティズンデータサイエンスラボは「データサイエンスを全ての人に」を掲げる株式会社データビ…

第16回 AI開発における適切な課題設定とは(1)

シティズンデータサイエンスラボは「データサイエンスを全ての人に」を掲げる株式会社データビ…

第15回 何をデータで予測させるべきか(2)

シティズンデータサイエンスラボは「データサイエンスを全ての人に」を掲げる株式会社データビ…

第14回 何をデータで予測させるべきか(1)

シティズンデータサイエンスラボは「データサイエンスを全ての人に」を掲げる株式会社データビークル(https://www.dtvcl.com/)が運営する公式noteです。 何の予測モデルを作るべきか予測モデルとAIの使い分けが理解できたら、それぞれについて「何を予測させるべきか」を考えてみましょう。予測モデルの価値とは(人間以上に)予測精度の改善できることそれ自体だと述べました。とするならば、何を予測させるかを決めることというのが予測モデルについてのリサーチデザインに該当す

スキ
11

第13回 予測モデルとAIの使い分け

シティズンデータサイエンスラボは「データサイエンスを全ての人に」を掲げる株式会社データビ…

第12回 洞察・予測・最適化〜AI開発で同様のところと違うところ

シティズンデータサイエンスラボは「データサイエンスを全ての人に」を掲げる株式会社データビ…

第11回 何がその違いと関係しているのか〜基本的なデータ分析の読み方(2)

シティズンデータサイエンスラボは「データサイエンスを全ての人に」を掲げる株式会社データビ…

第10回 何がその違いと関係しているのか〜基本的なデータ分析の読み方(1)

シティズンデータサイエンスラボは「データサイエンスを全ての人に」を掲げる株式会社データビ…

第9回 解析単位を決めるための4つのルール

シティズンデータサイエンスラボは「データサイエンスを全ての人に」を掲げる株式会社データビ…

第8回 アウトカムを設定するコツ(2)

シティズンデータサイエンスラボは「データサイエンスを全ての人に」を掲げる株式会社データビ…

第4回 抜け漏れ・異常値・表記の揺れにどう対処するか

シティズンデータサイエンスラボは「データサイエンスを全ての人に」を掲げる株式会社データビークル(https://www.dtvcl.com/)が運営する公式noteです。 数値化や再分類を阻む「データの汚れ」前節では日付やフリーワード、「あまりに細かすぎる区分をするID」などは、数値化や再分類といった加工をすれば「活用のためのデータ」に採用できることを学びました。この作業を困難にし、活用の際に意図しない誤りを生み出すのが、「データの汚れ」です。データが抜けていたり、異常値が

スキ
2