うとしん @s1ok69oo Twitter profile | Pikagi

Pikagi

うとしん

@s1ok69oo

7,898

Followers

219

Following

239

Media

7,457

Statuses

DataScientist @CyberAgent , inc．ABEMAの効果検証．発言はn=1の見解です．ブログ: 登壇資料:

https://t.co/Zn1zBI2tww

Joined February 2015

Don't wanna be here? Send us removal request.

Pinned Tweet

@s1ok69oo

うとしん

20 days

ABEMAのDSの長期インターン募集開始しました！効果検証あるいはML×因果推論みたいな領域に興味のある学生はぜひご応募いただけますと幸いです！因果推論/EDA｜サイエンスでABEMAを動かすデータサイエンティスト募集！ | サイバーエージェントグループの求人

Tweet card media

因果推論/EDA｜サイエンスでABEMAを動かすデータサイエンティスト募集！ | サイバーエージェントグループ

因果推論/EDA｜サイエンスでABEMAを動かすデータサイエンティスト募集！（サイバーエージェントグループ）の求人情報です。 | HRMOS

0

21

70

Last Seen Profiles

@kslibra

@knights_glenn

@joseanbengo

@StaxtoputaMadre

@WhopWitDaChop

@ibubohay2

@Lagalatzia

@AfocAfoc447810

@CopbkkRTP

@laGattaSakura

@khalidshahs

@kd_174

@brockingtonian

@LockedOnHeels

@TZuercher

@TekaAQW

@LumosNotNox

@Bromund

@myriamthm

@ColoradoCollege

@DutchBKate

@telestomato

@parker_shonts

@sugartacola

@Seveninsan2023

@DanytlawG

@OMATSU_UG

@0xsmac

@mrelonabmusk

@EfsaneKomik

@stwmaniax

@WitsGCI

@621nakata

@kryptcndaughter

@myemtv

@____Oo25t

@s1ok69oo

うとしん

10 months

高速で論文がバリバリ読める落合先生のフォーマットらしい。 1. どんなもの？ 2. 先行研究と比べてどこがすごい？ 3. 技術や手法のキモはどこ？ 4. どうやって有効だと検証した？ 5. 議論はある？ 6. 次に読むべき論文は？我流の限界を感じてるので実践してみる。

Tweet card media

高速で論文がバリバリ読める落合先生のフォーマットがいい感じだったのでメモ - 書架とラフレンツェ

(図書館学系の話題でもあるからちょっと悩んだけれど、文献読解全般に関する内容だからこちらへ) 既に日々論文をバリバリ読んでいるひとには今更な記事だろうけれど、分野ごとの違いもあって興味深かったのでざっくり記録する。論文を大量に読む際に、頭から几帳面に読んでいると時間がどれほどあっても足りないし、後から「こんなことが書…

lafrenze.hatenablog.com

0

328

3K

@s1ok69oo

うとしん

2 years

リクルート社のA/Bテストに関する研修資料。良書「A/Bテスト実践ガイド」の内容を、要点を絞ってまとめられていて非常に分かりやすかったです。

Tweet card media

A/Bテスト概論 / Introduction of ABTesting

2021年度・2022年度リクルートエンジニアコース新人研修の講義資料です

speakerdeck.com

2

225

2K

@s1ok69oo

うとしん

1 year

サイバーエージェント社の資料を漁っていたら、非常にタメになる資料を見つけた。データ活用が事業貢献していることを示すための取り組み - Speaker Deck

Tweet card media

データ活用が事業貢献していることを示すための取り組み

2023年2月16日開催、サイバーエージェントメディア事業部主催のデータ活用に関する勉強会「メディアサービスにおけるデータ・AIの活用事例 #2」登壇資料です。 https://cyberagent.connpass.com/event/270224/

speakerdeck.com

0

181

2K

@s1ok69oo

うとしん

2 years

リクルート社の「A/Bテスト」に関する研修資料。冒頭で「A/Bテストは量産する前に品質を担保する必要があります」との記述があるのですが、まさにその通りだなと。資料内で紹介されている書籍「A/Bテスト実践ガイド」も非常におすすめです。

Tweet card media

A/Bテスト概論 / Introduction of ABTesting

2021年度・2022年度リクルートエンジニアコース新人研修の講義資料です

speakerdeck.com

0

190

2K

@s1ok69oo

うとしん

2 years

機械学習プロジェクトは「社会実装」が求められるフェーズになってきているものの、機械学習の「社会実装」までのプロセスは非常に長く、そのプロセス上で生じる多くの「罠」とその解決策がまとめられた資料です。n回読んでもまだ読み足りない。

Tweet card media

機械学習を「社会実装」するということ 2022年版 / Social Implementation of Machine Learning 2022

機械学習を「社会実装」する際に待ち受けている罠と、その解決方法の考察 (2022年版) です。 ※この資料は、東京大学グローバル消費インテリジェンス寄付講座（GCI）2021 Winterの講義で使用したものです。 https://gci.t.u-tokyo.ac.jp/gci-2021-win…

speakerdeck.com

0

170

970

@s1ok69oo

うとしん

2 years

サイバーエージェント社の新卒データサイエンティスト研修資料。定期的に読み返していますが、ビジネス貢献に繋がる"データサイエンス"について勉強になる&考えさせられる内容です。

Tweet card media

新卒データサイエンティスト研修「DSOps研修」とは何か? | CyberAgent Developers Blog

AI事業本部では，3年ほど前からビジネスへの貢献や課題解決を，「実務者としてのデータサイエンティスト」の大まかな役割として設定し、さまざまな活動を行ってきました。本記事では、その中の中心的な活動の1つであるDSOps研修という新卒DS向けの研修についてご紹介します。

developers.cyberagent.co.jp

0

94

858

@s1ok69oo

うとしん

3 years

数理統計学の入門書で挫折しそうな方は、計量経済学の入門書で学習されることをおすすめします。数理統計の教科書よりも式変形や文章・具体例による説明が丁寧なことが多く、計量分析のアプローチはビジネス領域との相性も抜群です。特にこちらの4冊はおすすめです。

Tweet media one

Tweet media two

Tweet media three

Tweet media four

2

120

842

@s1ok69oo

うとしん

2 years

これめっちゃおもろい笑エンジニアじゃないけど、読んでるだけでやる気削がれた。笑

Tweet card media

エンジニアのやる気を削ぐ会議術 - Qiita

この記事はNuco Advent Calendar 2022の1日目の記事ですはじめにやる気を削ぐ会議術会議（かいぎ）は、関係者が集まり、特定の目的（議題）に関して意見交換・審議し、合意・施策…

0

302

809

@s1ok69oo

うとしん

2 years

機械学習で因果効果を予測する「反実仮想機械学習(CFML: Counterfactual Machine Learning)」についてまとめられたスライド資料。すごく勉強になりました。

Tweet card media

因果推論の先へ―機械学習で因果効果を予測する『反実仮想機械学習（Counterfactual Machine Learning）』入門 | 株式会社ARISE analytics（アライズ...

はじめに ARISE analytics の近藤です。本記事では、次世代の意思決定技術として注目されている反実 […]

www.ariseanalytics.com

0

111

769

@s1ok69oo

うとしん

3 years

データアナリストを目指す方におすすめの本4選です。 Pythonや機械学習のようなハードスキルに気持ちが行きがちですが、ソフトスキルのフレームワークのようなものも、課題解決には必要になってきます。

Tweet media one

Tweet media two

Tweet media three

Tweet media four

3

55

762

@s1ok69oo

うとしん

1 year

これ知らなかった！今度使ってみよう！

Tweet card media

Jupyter AIが出た！試した！！すごい！！！ - Qiita

2023/10/09更新Jupyter AIがAmazon Bedrockに対応しましたので早速試しました。Jupyter AI自体も完成度が増している印象です。https://moritalo…

0

90

731

@s1ok69oo

うとしん

1 year

因果推論100本ノック第一弾（10本）をアップしました！思いつきのまま急ピッチで作成したため，少し問題の設定が粗かったり，自分の想定とは違う部分もありますが，ぜひご参照いただけますと幸いです．次回は「回帰分析」についてノックを作成する予定です．

0

94

725

@s1ok69oo

うとしん

10 months

Netflix社の因果推論に関するTechブログ。こういうのもどんどん読んでいかなきゃ。

Tweet card media

A Survey of Causal Inference Applications at Netflix

At Netflix, we want to entertain the world through creating engaging content and helping members discover the titles they will love. Key to…

netflixtechblog.com

0

57

658

@s1ok69oo

うとしん

3 years

プログラミング初心者からデータアナリストを目指す方は、RやPythonより先にSQLを学習するのがおすすめです。理由としては・案件が圧倒的に多い・RやPythonよりは学習コストが低い・Googleアナリティクスやデータポータルとの連携がラクなどがあり、SQLの勉強にはこれらの本がおすすめです。

Tweet media one

Tweet media two

Tweet media three

2

85

611

@s1ok69oo

うとしん

9 months

高校1年生「普段は都内の私立高校に通いつつ、大規模言語モデルとHallucinationの研究をしています」 DS界隈、まじで若者がこわい...。データサイエンスにおける本質を理解することの重要性と難しさ #Qiita アドカレ #Qiita @Gorira_Tatsu より

Tweet card media

データサイエンスにおける本質を理解することの重要性と難しさ - Qiita

CA Tech Loungeの一期生ML/DSのGoriraTatsuです。この記事はCA Tech Lounge Advent Calendar 2023の8日目の記事になります。普段は都内の私立…

0

78

598

@s1ok69oo

うとしん

2 years

この動画は何度見ても見足りない。定期的にこの動画を見て「データサイエンティストなら統計学をちゃんと勉強せねば」と言い聞かせてます。京都大学大学院医学研究科聴講コース臨床研究者のための生物統計学「仮説検定とP値の誤解」佐藤俊哉医学研究科教授 - YouTube

Tweet card media

京都大学大学院医学研究科聴講コース臨床研究者のための生物統計学「仮説検定とP値の誤解」佐藤俊哉医学研究科教授

京都大学大学院医学研究科社会健康医学系専攻 AMED生物統計家育成支援事業聴講コース臨床研究者のための生物統計学https://ocw.kyoto-u.ac.jp/course/328/「仮説検定とP値の誤解」佐藤俊哉医学研究科教授2017年10月19日00:00 検定とP値のさまざまな誤解 13:43...

www.youtube.com

0

79

564

@s1ok69oo

うとしん

2 years

メルカリ社の「シンプルなセグメントを作って分析しましょう」というお話。昔Webマーケ企業のCRM担当でセグメント切るだけ切っていつまで経っても施策に繋げられなかったあの頃の自分に読ませてあげたい。

Tweet card media

Simple Data Analytics Leads impact

Presentation at 2018.11.14 Web Person's Summit in Tokyo https://webtan.impress.co.jp/events/201811 こちらにスライドの内容の解説記事があります https://note.mu/notes/n854…

speakerdeck.com

1

89

564

@s1ok69oo

うとしん

1 year

因果推論100本ノックたるものを作成しようと思う．内容はこんな感じを想定． - 潜在的結果変数の枠組み（10本） - 回帰分析（10本） - 傾向スコア（20本） - 操作変数法（10本） - 差分の差分法（10本） - パネルデータ分析（10本） - 回帰不連続デザイン（10本） - 機械学習×因果推論（20本）

1

52

560

@s1ok69oo

うとしん

2 years

因果関係を考えるためのアプローチが分かりやすくまとめられている良資料。

Tweet card media

「因果関係」をとらえるために / To grasp causal relationship

ブレインパッド社内勉強会での発表スライドを公開しました本スライドは #OpenBP の活動の一環として公開しています https://twitter.com/search?q=%23OpenBP&src=hashtag_click #OpenBPとは→ https://note.mu/ysd…

speakerdeck.com

0

99

536

@s1ok69oo

うとしん

9 months

昨日の資料に興味を持ってくださった方には、こちらの資料もおすすめです。

Tweet card media

効果検証入門から見直す「データサイエンス」

speakerdeck.com

2

47

535

@s1ok69oo

うとしん

5 months

これがインターン生のアウトプットか、、、インターンシップで挑戦した広告効果の推定方法の開発と実践 | CyberAgent Developers Blog

Tweet card media

インターンシップで挑戦した広告効果の推定方法の開発と実践 | CyberAgent Developers Blog

はじめに 2023年12月より協業リテールメディアdiv.にてインターンシップをしています。早稲田大 ...

developers.cyberagent.co.jp

0

54

525

@s1ok69oo

うとしん

2 years

「機械学習を解釈する上で有用なSHAPを用いて因果推論は可能なのか？」というテーマについて、Pythonによるシミュレーションを交えてまとめました。ぜひ、ご一読いただけますと幸いです。 SHAPで因果関係は説明できる？ - Qiita

Tweet card media

SHAPで因果関係を説明できる？ - Qiita

はじめに予測モデル（機械学習モデル）を解釈するのに有用なSHAPを用いて因果関係を説明することができるか、についてPythonによるシミュレーションを交えてまとめました。内容に誤り等ございましたら…

1

82

520

@s1ok69oo

うとしん

3 years

データ分析や機械学習は「データの前処理が大変」などと言われますが、前処理するデータがあるだけありがたいんですよね。そもそも"欲しいデータがない"ことなんて往々にしてあるのが現実です。

2

72

512

@s1ok69oo

うとしん

7 months

知人の会社でエンジニア向けのLTをしてほしいと言われたので「データエンジニアがいないと（私のような）DSは何もできないので，みんなデータエンジニアになってください」という話をしてきました（ツッコミどころの多い資料ですがご容赦ください）データエンジニアのススメ

Tweet card media

データエンジニアのススメ

株式会社var社のLT会でデータエンジニア��ついてお話しました。主観とデータサイエンティストとしてのポジショントークが入り混じった内容になってますので、ツッコミが多い内容だとは思いますが、そこはご容赦いただけますと幸いです。株式会社var社の会社概要: https://var.co.jp/ …

speakerdeck.com

0

50

492

@s1ok69oo

うとしん

2 years

ちょっと偉い人が「dxをインテグレートして高い次元の経営を実現」とか言ってて、積分の話でもしてるのかと思ったらDX戦略の話だった。

0

131

482

@s1ok69oo

うとしん

2 years

社内で「統計的因果推論の理論と実装」の輪読会が始まり、初回の発表を担当しました。こちら発表資料です。

Tweet card media

統計的因果推論の理論と実装「潜在的結果変数の枠組み」

社内勉強会の発表資料です。高橋先生の「統計的因果推論の理論と実装」のChapter1と2の内容についてまとめています。参考リンク（マイメディア） - 相関関係と因果関係と疑似相関 https://zenn.dev/s1ok69oo/articles/3d748c399da774 - …

speakerdeck.com

1

61

474

@s1ok69oo

うとしん

1 year

MCMCの神動画を見つけた！緑本の久保先生の講義動画で，1時間半でMCMCと階層ベイズの概要を理解できる最高の講義動画だった．階層ベイズ＆MCMC講義（久保拓弥）　難易度★★ @YouTube より

Tweet card media

階層ベイズ＆MCMC講義（久保拓弥）　難易度★★

久保拓弥氏（北大）による階層ベイズ法とマルコフ連鎖モンテカルロ法の応用についての講義です。前半は最尤推定やGLMなど入門的なことがらから解き明かしています。　参考文献　「データ解析のための統計モデリング入門: 一般化線形モデル・階層ベイズモデル・MCMC」（岩波書店、 2012）※ニコニコ生放送におけるコメントは...

www.youtube.com

0

58

473

@s1ok69oo

うとしん

2 years

「Ridge回帰やLasso回帰を用いると推定値の不偏性が損なわれるので因果効果をうまく推定できない」ということをPythonによるシミュレーションを交えてまとめました。ご一読いただけますと幸いです。リッジ回帰とラッソ回帰で因果推論してみる - Qiita

Tweet card media

リッジ回帰やラッソ回帰で因果推論できるのか？ - Qiita

はじめに因果推論を行う手法の1つとして、線形回帰が挙げられます。今回は、その線形回帰の拡張とも言えるリッジ回帰(Ridge回帰)やラッソ回帰(Lasso回帰)を用いて因果効果を推定してみるとどうな…

2

56

472

@s1ok69oo

うとしん

3 years

RやPython、統計解析や機械学習に強いデータアナリストは一定数いますが、Linux, Dockerをはじめとしたインフラ周りに強いアナリストはあまりいない印象です。インフラの知見が最優先事項ではありませんが、チームに1人でもインフラに強い人がいると、分析生産性がかなり向上すると思います。

1

75

458

@s1ok69oo

うとしん

2 years

エムスリー社のA/Bテストに関するテックブログ。検索エンジンのA/Bテストでランダム化単位と分析単位が異なる際に生じる問題と、その問題を解決するためのデルタ法や問題に気づくためのA/Aテストについて平易かつ簡潔な記述で紹介されていて、非常に読みやすい記事でした。

Tweet card media

検索エンジンのABテストで発生するユーザー内相関を突破する - エムスリーテックブログ

私が検索エンジンのABテストでハマってしまったユーザー内相関の落とし穴を突破する方法を紹介します。

www.m3tech.blog

0

44

415

@s1ok69oo

うとしん

1 year

以前，Qiitaで執筆した「SHAPで因果関係を説明できる？」という記事の内容について社内でLTしました．ぜひ，ご一読いただけますと幸いです．

Tweet card media

SHAPで因果関係を説明できる？

2023年6月19日に社内で発表したLT資料です． SHAPでありがちなミスリーディングや，特徴量が予測に与える影響（因果効果）を推定できるケースについて紹介しました．資料内で出てくるリンクは以下です（参照日: 2023年6月13日） https://arxiv.org/abs/2011.0…

speakerdeck.com

1

28

395

@s1ok69oo

うとしん

1 year

私も新卒でブレインパッドに入社したかった、と思うくらいにはDSのファーストキャリアとして良い会社だと思う。新卒データサイエンティスト1年目の過ごし方ーアンケート結果から見える入社後の働き方ー - Platinum Data Blog by BrainPad

0

20

396

@s1ok69oo

うとしん

1 year

データサイエンスやエンジニアリングについて，よく「好きでやってる人には敵わない」的な主張を目にするけど，技術大好き人間よりも「そこまで技術が好きなわけではないけど，必要に応じて素早くキャッチアップできてその勉強が苦でもない」くらいの人の方がなんやかんやで出世してる印象がある．

1

42

397

@s1ok69oo

うとしん

2 years

学部卒からなんやかんやあってデータサイエンティスト(DS)の職種についた身からすると、DS志望で大学院に行く選択肢があるなら迷わず院進をおすすめなんですよね。経済系でも情報系でも何でもいいので。学部卒のDSはやはりマイノリティですし、マイノリティであることにはそれなりの理由があるかと。

1

43

393

@s1ok69oo

うとしん

9 months

Japan.RでLTしてきました！本日の発表資料はこちらです！ #JapanR

Tweet card media

効果検証入門に物申してみた_JapanR_2023

2023年12月2日に開催されたJapan.RのLT資料です。処置と割当の不一致や効果の異質性によって効果が検出できない際に、操作変数を用いて効果を推定する方法を紹介しています。因果推論・効果検証に興味のある方は、ぜひご一読いただけますと幸いです。

speakerdeck.com

1

67

391

@s1ok69oo

うとしん

2 years

データサイエンティストの何が難しいかって「データサイエンスでビジネス課題を解決するぞ！統計学でも機械学習でも何でも聞いてください！」と意気込むものの、いざクライアントと対峙すると「売上を上げたいんだけど、どうすればいい？」って聞いてこられるところなんですよね。

1

66

365

@s1ok69oo

うとしん

3 years

データアナリストの業務のうち、Pythonでモデルをfitしてpredictする時間の割合は1割にも満たないです。 Pythonでデータサイエンスしたいのであれば、機械学習だけでなく・アルゴリズムとデータ構造・データの前処理や可視化・Excelの自動化やDBとの連携なども学習することをおすすめします。

2

46

355

@s1ok69oo

うとしん

1 year

社内の勉強会で「統計的因果推論の理論と実装」の傾向スコアの章を発表しました．統計的因果推論手法の内容に加えて，テキストの範囲外ではありますが「機械学習×傾向スコア」のトピックについても少し触れてみたので，ぜひご一読いただけますと幸いです．

Tweet card media

統計的因果推論の理論と実装「傾向スコア」

社内勉強会の発表資料です．高橋先生の「統計的因果推論の理論と実装」のChapter11・12の内容（傾向スコアマッチングや層化解析法，逆確率重み付け法）についてまとめています．参考リンク - 因果推論で推薦システムを問い直す https://qiita.com/usaito/items/…

speakerdeck.com

1

36

351

@s1ok69oo

うとしん

2 years

チームの方がみんなPyTorch使ってるので、こんな時間からですがPyTorchに入門します。日本語訳版チュートリアルがあるのすごくありがたい...。

0

34

349

@s1ok69oo

うとしん

2 years

OJTでチームに入ってきた新卒が立て続けに「大学院で物理学を研究してました。趣味はkaggleです」みたいな感じだったので（イマドキの新卒はみんなこうなのか...）と恐れ慄いていたけど、他の新卒に聞いてみたら「彼らは特殊です。僕らの趣味はお酒とかスポーツとかです」と返ってきてホッとした...。

0

41

333

@s1ok69oo

うとしん

1 year

「マーケティングの統計モデル」等を書いてる佐藤さんのペーパー。時間を見つけて読まなきゃ。 J-STAGE Articles - 経営学のためのデータサイエンスの周辺：計量経営学のすすめ

Tweet card media

経営学のためのデータサイエンスの周辺：計量経営学のすすめ

本稿は，計量経営学の進展を狙いとし，その要素技術になるデータサイエンスの基本事項を紹介することを目的とする．本稿では，まずデータサイエンスの入力となる「データ」の特性を述べ，「モデル化に対する基本姿勢」を紹介したうえで，主要なツールとなる「統計モデル」と「機械学習モデル」の概要を説明する．また，経 …

www.jstage.jst.go.jp

1

51

340

@s1ok69oo

うとしん

2 years

東大GCIで毎年お話されている「機械学習の"社会実装"」に関する講演資料2023年版。機械学習プロジェクトを推進していくには「What・Why・How」をしっかり考える必要があるようです。

Tweet card media

機械学習を「社会実装」するということ 2023年版 / Social Implementation of Machine Learning 2023

機械学習を「社会実装」する際に待ち受けている罠と、その解決方法の考察 (2023年版) です。今回は、機械学習プロジェクトに取り組む私たちに何ができるか？といった内容を盛り込みました。 ※この資料は、東京大学メタバース工学部リスキリング工学教育プログラム GCI 2022 Winterの講義で使用…

speakerdeck.com

0

64

336

@s1ok69oo

うとしん

3 years

数理統計学の入門書に挫折したという方は、計量経済学の入門書を学習されることをおすすめします。文系出身の読者を想定されていることが多いため、数数理統計の入門書よりも式変形や文章・具体例の説明が丁寧なのに加え、実証分析のアプローチはビジネス領域との相性も抜群です。

2

48

337

@s1ok69oo

うとしん

2 years

Pythonでデータサイエンスをしたいのであれば、まずは・NumPy ・Pandas ・Matplotlib の3つのライブラリを重点的に学習することをおすすめします。統計解析や機械学習に意識が行きがちですが、まずはデータの前処理や要約・可視化ができないことにはデータ分析は始まらないんですよね。

4

26

324

@s1ok69oo

うとしん

2 years

データ分析は「常に直感に反する結果をデータから導出できる」と思われがちですが、意外と「直感やドメイン知識に間違いがないことを数理的に裏付けする」という側面の方が多いんですよね。基本的に「直感に反する"おもしろい"分析結果」が得られた時は、分析過程に誤りがある場合が多い気がします。

2

47

321

@s1ok69oo

うとしん

2 years

「データサイエンティストの"ビジネス貢献"とは何か」について考えさせられる記事でした。定期的に立ち返って考える必要のあるテーマだなと。新卒データサイエンティスト研修「DSOps研修」とは何か? | CyberAgent Developers Blog

Tweet card media

新卒データサイエンティスト研修「DSOps研修」とは何か? | CyberAgent Developers Blog

AI事業本部では，3年ほど前からビジネスへの貢献や課題解決を，「実務者としてのデータサイエンティスト」の大まかな役割として設定し、さまざまな��動を行ってきました。本記事では、その中の中心的な活動の1つであるDSOps研修という新卒DS向けの研修についてご紹介します。

developers.cyberagent.co.jp

0

30

325

@s1ok69oo

うとしん

7 months

（直感的に）相関があるはずの目的変数と説明変数には相関が見られないが、目的変数とその説明変数のSHAP値をみると相関が見られたとのこと。これは実務でも使えそう。機械学習回帰におけるShapley値の理論説明と事例紹介（DEIM2022 チュートリアル T2 ） @YouTube より

Tweet media one

0

34

325

@s1ok69oo

うとしん

1 year

メルカリ社の効果検証に関する記事．効果検証のアプローチがフローチャート化されているのが印象的でした．

Tweet card media

より良い意思決定の支援をするための"効果検証虎の巻"｜Mercari Analytics Blog

今回は、メルカリのAnalyticsチームの中でも主にビジネス分析やマーケティング分析を行うGrowth Analytics Teamからの記事です。 Analyticsチームは、以下のミッションを通じて事業に貢献するチームです。 Provide actionable insights and help people make better decisions（実行可能なインサイトを提供し、...

0

39

320

@s1ok69oo

うとしん

1 month

TLで私の記事がちょいバズりしてるのを観測したので、スライドも紹介。私の経験上、MLモデル作成する/しようとすると、高い確率でビジネス/クライアントサイドから特徴量の説明が求められるので、この辺の知見は意外と役に立つ場面があるのでは？というお気持ち。

Tweet card media

SHAPで因果関係を説明できる？

2023年6月19日に社内で発表したLT資料です． SHAPでありがちなミスリーディングや，特徴量が予測に与える影響（因果効果）を推定できるケースについて紹介しました．資料内で出てくるリンクは以下です（参照日: 2023年6月13日） https://arxiv.org/abs/2011.0…

speakerdeck.com

0

43

320

@s1ok69oo

うとしん

2 years

TLで「反実仮想機械学習(CFML)」が話題になってるので復習。

Tweet card media

因果推論の先へ―機械学習で因果効果を予測する『反実仮想機械学習（Counterfactual Machine Learning）』入門 | 株式会社ARISE analytics（アライズ...

はじめに ARISE analytics の近藤です。本記事では、次世代の意思決定技術として注目されている反実 […]

www.ariseanalytics.com

0

45

313

@s1ok69oo

うとしん

1 year

そろそろ時系列分析もちゃんと勉強しようと思ってたときに良さげな本が出版されてるのを見つけた。沖本本は昔チラッと読んだことあるけど、いきなり沖本本は私には難しすぎたので、少し落ち着いたらこちらに手をつけてみよう。

Tweet card media

Pythonによる時系列分析: 予測モデル構築と企業事例

時系列データを上手く活用し、ビジネス成果を生み出す!! 時系列データを上手く調理することは、これらの問に何かしら解を与えることができます。特に予測モデルを上手く活用すると、過去を振り返り、未来を予測し、現在すべきことを導きだし、成果へと繋げることができます。いくら高精度な予測モデルを手にしても、どう活用すべきかわからないと成果は生まれません。そこで本書ではどのように扱うかを、実際のデータを用...

www.amazon.co.jp

2

34

314

@s1ok69oo

うとしん

2 years

計量経済学を勉強するのであれば、ヘタに200〜300ページの分量で特定の情報だけが載っているテキストを何冊か手を出すよりも700ページある「計量経済学（西山他）」を1冊しっかり読み込むことをおすすめします。網羅性に富み、数式の展開も丁寧なので辞書としても重宝します。

Tweet media one

1

27

303

@s1ok69oo

うとしん

2 years

計量経済学を網羅的に学習したい方におすすめの1冊。具体例や練習問題も豊富で、基礎的な数学・統計学からミクロ計量やマクロ計量まで幅広く取り扱われています。分量が多くファーストブックには不向きですが、これを1冊読み込んだら普通の経済学部卒より圧倒的に計量経済学に詳しくなれるかと。

Tweet media one

1

29

303

@s1ok69oo

うとしん

2 years

データサイエンティストの業務は「データの前処理が大変」などと言われますが、前処理するデータがあるだけありがたいんですよね。そもそも"欲しいデータがない"ことなんて往々にしてあるのが現実です。

0

30

302

@s1ok69oo

うとしん

2 years

近年"Python×データ分析"について学習できる書籍はたくさんありますが、Pythonの基本文法の学習を終えた初学者の方には「実践データ分析100本ノック」をおすすめしています。データ加工や機械学習、最適化問題から画像・自然言語処理まで幅広いテーマに触れることができます。

Tweet media one

1

20

301

@s1ok69oo

うとしん

1 year

先日，職場で分位点回帰の話が出てきたので，復習がてら分位点回帰についてまとめてみた．例えば，マーケティングだと「売上上位10%の顧客に影響を与えている変数を分析する」みたいな使い方ができそう．

Tweet card media

Pythonで分位点回帰してみた - Qiita

はじめに線形モデルの分位点回帰についてPythonによる実装を交えてまとめました．内容に誤りがありましたら，ご指摘いただけますと幸いです．分位点回帰とは分位点回帰とは，分位点について回帰モデル…

0

28

295

@s1ok69oo

うとしん

1 year

『機械学習を「社会実装」するということ』の資料がアップデートされてる！

Tweet card media

機械学習を「社会実装」するということ 2023年7月版 / Social Implementation of Machine Learning July 2023 Version

機械学習を「社会実装」する際に待ち受けている罠と、その解決方法の考察 (2023年7月版) です。今回は、LLM等の生成AIの進化が加速し実用化フェーズを迎えた激動の時代において、機械学習プロジェクトに取り組む私たちに何ができるか？といった内容を盛り込みました。 ※この資料は、東京大学メタバース工…

speakerdeck.com

0

37

290

@s1ok69oo

うとしん

1 year

因果推論100本ノック第2弾のテーマは回帰分析です！手元にある変数から複数のモデルを構築し，評価するノックを作成しました．ぜひ，ご参照いただけますと幸いです．次回は（おそらく）DIDに関するノックを作成する予定です．

1

20

287

@s1ok69oo

うとしん

2 years

因果推論の「Pearl流の構造的な考え方」と「Rubin流の差分的な考え方」の概要と、結局これって奥の方で繋がってるから統合的に理解しましょうという内容がまとめられている資料。めちゃめちゃ良い。

Tweet card media

統計��因果推論、構造から見るか? 差分から見るか?：非巡回有向グラフ(DAG)、潜在反応モデル、そして構造的 (関数)因果モデルによる両者の統合的理解

応用数理学会ものづくり研究会（2020/12/18）で発表機会をいただいた、「因果推論の諸理論の統合的理解」をテーマとした発表です。Rubinの潜在反応モデルとPearlの構造的因果モデルの統合的理解がテーマです。（大きなテーマを60分枠に詰め込んだので、ややギチギチした作りになっています。大部分は過去…

speakerdeck.com

0

51

280

@s1ok69oo

うとしん

2 years

メルカリ社のA/Bテスト自動化に関する記事。A/Bテストの自動化（型化）による工数の削減や分析の質の担保だけでなく、Institutional memoryまで考慮された親切設計になっているようです。また、説明の具体性が高く、記事自体も読み手に対してとても親切設計でした。

Tweet card media

メルカリにおけるA/Bテスト分析自動化の取り組み

こんにちは、メルカリのレコメンデーションチームで Software Engineer をしている @yaginuuun です。主に推薦を通じたホーム画面における体験改善に取り組んでいます。元々はデータアナリストとしてデータ分析関連の業務を担

engineering.mercari.com

0

39

278

@s1ok69oo

うとしん

1 year

メルカリ社の「シンプルなセグメントを作って分析しましょう」というお話。この「シンプルに考える思考様式」はCRMに限った話ではなくて、ビジネス全般の分析タスクで重要なことが多いのですが、これが非常に難しい。 Simple Data Analytics Leads impact - Speaker Deck

Tweet card media

Simple Data Analytics Leads impact

Presentation at 2018.11.14 Web Person's Summit in Tokyo https://webtan.impress.co.jp/events/201811 こちらにスライドの内容の解説記事があります https://note.mu/notes/n854…

speakerdeck.com

0

23

273

@s1ok69oo

うとしん

2 years

A/Bテストの評価をベイズ統計でやってみたい！と思いました。てかもっとベイズも勉強しよう。

Tweet card media

A/Bテストの評価をベイズ統計でやってみない？ - tdualのブログ

遊びでA/Bテストの評価をベイズ統計でやってみたら、思いのほか面白かったので記事に残します。用語の定義コンバージョンコンバージョン率 A/Bテストコンバージョンの確率分布なぜベイズ統計を使うのか割合の問題点尤度と最尤法尤度最尤法ベイズ統計ベイズの定理共役事前分布ベータ分布事後分布の導出事後…

tdual.hatenablog.com

0

27

270

@s1ok69oo

うとしん

2 years

データ分析は「常に直感に反する結果をデータから導出できる」と思われがちですが、実は「直感に間違いがないことを裏付けして、意思決定の"質"を上げる」という側面の方が多いです。そして「直感に反する"おもしろい"分析結果」が得られた際は、より慎重な原因究明や分析過程の精査が必要になります。

0

34

273

@s1ok69oo

うとしん

1 year

因果推論100本ノック第3弾（21~30本目）をアップしました．集計ベースや回帰分析ベースのDID，CausalImpactなどを利用して因果効果を推定する構成になっています．ぜひご一読いただけますと幸いです．

0

31

274

@s1ok69oo

うとしん

2 years

リクルート社の「アナリティクスエンジニア」というポジションの紹介記事。最近「アナリティクスエンジニア」という単語を耳にすることが多かったものの、あまりピンときていなかったので調べてみたのですが、その重要性や機体役割が非常に分かりやすかった。

Tweet card media

アナリティクスエンジニアの募集を始めました

こんにちは、データテクノロジーユニット D3M 部の @beniyama こと山邉と申します。 D3M とは Data Driven Decision Making の略で、下記の組織概要にありますように『

blog.recruit.co.jp

1

29

271

@s1ok69oo

うとしん

1 year

本日が現職ブレインパッドの最終出社日でした！同僚や上司、クライアントにも恵まれ、楽しく充実した毎日でした。本当に感謝しかないです！来月からはサイバー��ージェントのDSとして、効果検証を主軸にABEMAのグロースに尽力していきますので、関係者の方々、引き続きよろしくお願いいたします！

11

10

272

@s1ok69oo

うとしん

3 years

Pythonのライブラリ使って機械学習をするのは、正直Excelを使いこなすよりもハードルが低いです。それよりもデータを適切に前処理したり、分析結果を解釈してステークホルダーの意思決定に寄与したり、フワッとしたビジネス課題をいかに定量的な分析に落とし込むかの方が相当難しい&重要です。

1

22

265

@s1ok69oo

うとしん

2 years

データ分析業務をしていると、課題解決のための思考様式やレポーティング力などのソフトスキルも重要になってきます。そのようなソフトスキルを学べるビジネス書はたくさんあると思いますが、僕はこちらの4冊がおすすめです。

Tweet media one

Tweet media two

Tweet media three

Tweet media four

0

23

264

@s1ok69oo

うとしん

2 years

今年の締め括りにDML(Double Machine Learning)についての記事を作成しました。ぜひご一読いただけますと幸いです。機械学習で因果推論~Double Machine Learning~

Tweet card media

機械学習で因果推論~Double Machine Learning~

0

41

254

@s1ok69oo

うとしん

8 months

2024年版が出てる！機械学習を「社会実装」するということ 2024年版 / Social Implementation of Machine Learning 2024 - Speaker Deck

Tweet card media

機械学習を「社会実装」するということ 2024年版 / Social Implementation of Machine Learning 2024

機械学習を「社会実装」する際に待ち受けている罠と、その解決方法の考察 (2024年版) です。今回は、生成AI時代とも呼ばれる昨今において、我々は機械学習プロジェクトをどのように捉え、どのように向き合えばよいか？の羅針盤になる内容を盛り込みました。 ※この資料は、東京大学メタバース工学部リスキリン…

speakerdeck.com

0

25

255

@s1ok69oo

うとしん

3 years

データサイエンティスト志望の方がGitやDockerを学習するのは賛成派なのですが、優先順位で言ったら圧倒的にSQL・Python・統計学・Linuxの方が高いと思います。少なくとも「GitやDocker分かるけどSQL書けません」という人に需要があることはかなり稀かと（0ではないですが）

0

36

249

@s1ok69oo

うとしん

2 years

Pythonで因果推論・効果検証手法を実装するzennの記事を書いています。また、LTや勉強会の発表資料もまとめてますので、ぜひご一読いただきたいです。また、内容に誤りがございましたら、DMやコメント等でご指摘いただけますと幸いです。

Tweet card media

うとしんさんの記事一覧

データサイエンティスト．「Python×データ分析」をメインテーマに執筆しています．内容について誤り等がありましたら．ご指摘いただけますと幸いです．

1

24

255

@s1ok69oo

うとしん

3 years

データアナリスト案件の面談を複数受けてきましたが、「コミュニケーション問題ない？」「PowerPointちゃんと使える？」という質問が多いです。もちろん過去の業務実績が前提にありますが、「分析手法や機械学習の理解」より「社内調整や資料作成力」を確認されることの方が多い気がします。

3

51

248

@s1ok69oo

うとしん

2 years

自分は「統計学を勉強せずに機械学習を勉強するのは悪手」というスタンスなんだけど、そう言う自分も「ミクロ経済学（市場メカニズム）をちゃんと勉強せずにゲーム理論を勉強しようとして同じ轍を踏んでた」ことに気づいた。応用分野に目が行きがちだけど、基礎を飛ばすと基礎の部分で躓くんですよね。

0

40

243

@s1ok69oo

うとしん

7 months

昨日のハイライト私「部署でどんな分析やってるんです？」隣の部署のマネージャー「回帰分析でhogehoge」「プライシングをfugafuga」「弾力性がfoo」私「めっちゃ経済学っぽいアプローチ使ってますね！いつ勉強されたんですか？」マ「私、経済学博士なんすよ」私「！！！？！��」 😇😇😇

0

12

242

@s1ok69oo

うとしん

2 years

最近TLでよく見かける「因果推論の科学」で有名なPearl氏の「入門統計的因果推論」のすごくざっくりとした概要と実務への活用イメージについて社内でLTしました！

Tweet card media

Pearl「入門統計的因果推論」の概要と活用イメージ

2022年度前期、社内で「Pearl(2019)『入門統計的因果推論』朝倉書店」を輪読しました。その活動を踏まえて、テキストの概要と活用イメージについて考察し、LT資料にまとめました。参考リンク（マイメディア） - DoWhyとEconMLによる因果推論の実装 https://speak…

speakerdeck.com

0

26

236

@s1ok69oo

うとしん

1 year

私の場合，因果推論がそうなのですが，"データサイエンス"の領域って勉強し始めたときは「これ最強じゃん！」と興奮するけど，勉強するにつれてその領域の可能性よりも限界の方が目につくようになって「"データサイエンス"って意外と使えないな...？」となることは往々にしてあるなと．

1

26

237

@s1ok69oo

うとしん

2 years

ベイジアンネットワークの構造学習手法が紹介されているサーベイ。内容をちゃんと読んだわけではないですが、こんなにたくさんの手法があると知って驚愕してる...。 [2109.11415] A survey of Bayesian Network structure learning

Tweet media one

0

30

239

@s1ok69oo

うとしん

2 years

身も蓋もないことを言えば、データサイエンティストはRもPythonも書けた方がいいですし、統計学も機械学習も最適化も詳しい方がいい。GitもDockerもクラウドも使えた方がいいし、なんならWeb開発もできた方がいいんです。結局、目標とするDS像を明確にし、優先順位をつけて学習することが重要かと。

0

30

233

@s1ok69oo

うとしん

2 years

ネットでたまたま見つけた記事ですが、データから因果関係を求めるための前提条件がとても分かりやすく説明されていておすすめです。このクオリティでここまで分かりやすく書かれている記事やテキストはなかなかないと思います。

Tweet card media

データから因果関係をどう導く？：統計的因果推論の基本、「反事実モデル」をゼロから - Unboundedly

データに基づく因果推論がどのように行われるのか、詳しく説明していきます。因果の定義、因果推論に必要な条件、RCTの意義などいろいろまとめていたら、例のごとくすごいボリュームになってしまいました。なお、本記事で使われる用語は、「疫学」の因果推論で使われているものが基本です。同じコンセプトでも分野によって呼び方が違うので、…

www.krsk-phs.com

0

22

235

@s1ok69oo

うとしん

2 years

昨日はパナソニックさんの勉強会にて講師として登壇させていただきました！マーケティング活動に合った評価指標の選定の重要性や評価のためのデータサイエンス手法についてお話させていただきました。遅い時間までありがとうございました！

Tweet card media

マーケティング指標におけるデータサイエンス入門

Panasonic様の有志団体の勉強会でお話させていただいた登壇資料です（資料は一部変更しています）ビジネス領域で効果検証（因果推論）をしていく上で必要なマーケティング指標へのアプローチやデータサイエンス手法の応用例についてまとめています。参考リンク（マイメディア） - A/Bテス…

speakerdeck.com

1

33

233

@s1ok69oo

うとしん

2 years

統計検定2級レベルの学習を終えた方におすすめの1冊。数式の展開や説明が比較的丁寧で、非常に易しく多変量解析の手法を数式に具体例を添えて説明してくれています。

Tweet media one

1

25

235

@s1ok69oo

うとしん

3 years

Pythonでデータサイエンスしたい人は、下記3つのエンジニアリングスキルは必須になると思います。・Linux, Git ・SQL(DB) ・クラウド(AWS, GCPなど) Pythonを書けるだけでは実務はスタートすらしないことが多々あるので、この辺のエンジニアリングスキルも最低限キャッチアップする必要があるかと。

0

33

230

@s1ok69oo

うとしん

2 years

クーポン施策を例に、回帰不連続デザインや操作変数法を応用した効果検証についてまとめました。ぜひ、ご一読いただけますと幸いです。マーケティング施策の効果検証における回帰不連続デザインの応用 - Qiita

Tweet card media

マーケティング施策の効果検証における回帰不連続デザインの応用 - Qiita

はじめにクーポン施策を例に、マーケティング施策の効果検証に回帰不連続デザイン(RDDあるいはRD)を応用する手法について、Pythonによるシミュレーションを交えてまとめました。内容に誤り等ござい…

0

27

225

@s1ok69oo

うとしん

3 years

僕はデータアナリストですが、実務ではPython操作や機械学習・最適化のモデル・パラメータ選定よりも、Linux・Docker・Web周りで躓くことが多いです。データアナリストでは、Linux・Docker・Webの知見の優先度が高いとは言いませんが、ここの知見が強いと役に立つのは間違いないと思います。

@usdatascientist

かめ@日本一のAI講座/コミュニティ"DataScienceHub"やってます

@usdatascientist

3 years

「全くのゼロからAI開発になりたい」という人に大抵進める勉強内容↓ -タッチタイピング -Docker&Linux -Git -Python&C++orGo -SQL -基本的なアルゴリズム&データ構造 -微積&線形代数&(偏)微分方程式 -確率統計 -機械学習&最適化問題 -Web開発 -深層学習 -(深層)強化学習あと英語 ...全部講座作る！

7

186

1K

3

25

223

@s1ok69oo

うとしん

7 months

なつかしい資料見つけた。現職に入社したときに「こんな分析やってます」みたいな感じで紹介されたんだけど、分析のストーリーがしっかりしてて、DTE（Distributional Treatment Effect）とか見てて「すげー！」ってなってたのを思い出す。 ABEMAにおける効果検証

Tweet card media

ABEMAにおける効果検証

speakerdeck.com

0

24

223

@s1ok69oo

うとしん

2 years

「マーケターに必要なデータ活用の視点」というタイトルだけど、データサイエンティストを含むアナリスト全般に必要な視点で溢れてた。

Tweet card media

データ分析って何したらいいの？マーケターに必要な「データ活用７つの視点」 | 【レポート】デジタルマーケターズサミット2021

データ活用で利益を上げることが求められるデジタルマーケター。現場で必要な視点を、Q＆A形式で解説する。

webtan.impress.co.jp

0

25

218

@s1ok69oo

うとしん

7 months

これは買います。読みます。反実仮想機械学習～理論と実践斎藤優太(著/文) - 技術評論社 | 版元ドットコム

Tweet card media

反実仮想機械学習～機械学習と因果推論の融合技術の理論と実践齋藤優…

反実仮想（Counterfactual）─ 起こり得たけれども実際には起こらなかった状況 ─ に関する正確な情報を得ることは、機械学習や意思決定最適化の応用において必要不可欠です。例えば、「現在運用して… - 引用：版元ドットコム

www.hanmoto.com

0

20

219

@s1ok69oo

うとしん

4 months

> 因果推論を勉強していることによって、かえって誤った分析をしてしまっているという光景わかりみが深い（自戒も込めて）【宣伝】『Pythonで学ぶ効果検証』という本を書きました｜Ito Hirotake @abogadoron #note

Tweet card media

【宣伝】『Pythonで学ぶ効果検証入門』という本を書きました｜Ito Hirotake

5月21日に『Pythonで学ぶ効果検証入門』という本を上梓することになりました。僭越ながらその紹介をさせてください！ Pythonで学ぶ効果検証入門 | 安井翔太, 伊藤寛武, 金子雄祐 |本 | 通販 | Amazon Amazonで安井翔太, 伊藤寛武, 金子雄祐のPythonで学ぶ効果検証入門。アマゾンならポイント還元本が多数。安 amzn.asia どのような本か...

0

25

219

@s1ok69oo

うとしん

9 months

いつかこんな記事書こうと思ってた（てか半分くらい書いてる笑）線形回帰において「多重共線性があると推定が不安定になる」とは？〜図と理論で理解する〜

Tweet card media

線形回帰において「多重共線性があると推定が不安定になる」とは？〜図と理論で理解する〜

0

24

218

@s1ok69oo

うとしん

1 year

マネージャーが「分析をしていて1度"これだ！"と思ってしまうとゼロベースで考えることがなかなかできなくなってしまうので、分析結果に愛着が湧く前にレビュー依頼した方がいい」と言ってたんだけど、思い当たる節がありすぎてめちゃめちゃ刺さった。肝に銘じとこう。

0

15

215

@s1ok69oo

うとしん

1 year

リクルート社の推薦ロジックの話。双方のユーザーのimplicit feedbackデータから真の嗜好度に基づくランキング指標を推定するらしい。双方向ってとこがポイント。論文のリンクもあったので読まなきゃ。 Recruit Data Blog | 双方向の表示順バイアスを考慮したランキング指標

双方向の表示順バイアスを考慮したランキング指標

はじめにデータマイニング分野の国際会議KDD2023のワークショップである Causal Inference and Machine Learning in Practice にて、リクルートの翁と西村、東京

blog.recruit.co.jp

0

28

218

@s1ok69oo

うとしん

2 years

機械学習モデルを利用して因果効果を推定する手法の1つである「Domain Adaptation Learner」について、Pythonの実装を交えてまとめました！ぜひご一読いただけますと幸いです。 PythonによるDA-Learnerの実装

Tweet card media

PythonによるDomain Adaptation Learnerの実装

0

34

215

@s1ok69oo

うとしん

9 months

積読してた本サッと読んでみたけど、実証例とか結果の解釈とか丁寧に書かれてて勉強になった。一方で理論の説明は1回読んだだけじゃ理解できなかったから年内にもう1周読みたい。データサイエンスの経済学　調査・実験，因果推論・機械学習が拓く行動経済学

Tweet card media

データサイエンスの経済学調査・実験，因果推論・機械学習が拓く行動経済学

データサイエンスの経済学調査・実験，因果推論・機械学習が拓く行動経済学

www.amazon.co.jp

0

21

213

@s1ok69oo

うとしん

4 months

最近サボってたけど、NetflixのTechブログとかもっと漁らなきゃ。 Interpreting A/B test results: false positives and statistical significance by Netflix Technology Blog

Tweet card media

Interpreting A/B test results: false positives and statistical significance

Martin Tingley with Wenjing Zheng, Simon Ejdemyr, Stephanie Lane, and Colin McFarland

netflixtechblog.com

0

22

211

@s1ok69oo

うとしん

2 years

統計的因果推論における反事実モデルに基づく媒介分析について、CDEとNDE/NIEの定義から目的の違いまで非常に易しくまとめられている記事でした。分かりやすすぎて、Pearlを読む前に出会いたかった...。笑

Tweet card media

因果効果のメカニズムを検討する：媒介分析(Causal Mediation Analysis)入門②～反事実モデルに基づく媒介効果の定義～ - Unboundedly

媒介分析シリーズ、第二段です。前回は、よく使われる媒介分析の手法の問題点についてまとめました。今回は、これらの問題を克服するべく考案された因果媒介分析（Causal Mediation Analysis)を紹介するイントロとして、そもそも「媒介効果」なるものをどうやって定義するのかについてまとめます。話の性質上、少し…

www.krsk-phs.com

0

24

208

@s1ok69oo

うとしん

2 years

計量経済学の入門書に手をつける前に読んで欲しい超入門書2冊。数式が少なく、身近な具体例をもって分かりやすく計量分析でどんなことをやっているのかを説明してくれています。

Tweet media one

Tweet media two

0

13

203

@s1ok69oo

うとしん

1 year

DSやりたいならまじで大学院行っとけ、って老害のごとく学部DS志望の方に言ってる。博士卒は言うまでもなく、修士卒でもちゃんと勉強していた修士卒DSは学部卒のDSとはデータサイエンスの土台のレベルが本当に違うんですよね。

0

19

199

@s1ok69oo

うとしん

2 years

データサイエンスのテキストの学習で1冊を2・3周は学習しないと定着しないのは分かっているものの、1周もしない間に気になる関連テキストが何冊も増え、「興味関心の赴くままに違うテキストに手を出す」vs「消化不良は悪手として目の前のテキストに向き合い続ける」と葛藤するのは僕だけじゃないはず。

0

3

194

@s1ok69oo

うとしん

1 year

因果推論100ノック第4弾（31~40本目）をアップしました．シャープな回帰不連続デザインをテーマにクーポン配布キャンペーンの効果を推定する問題を取り扱っています．ぜひ，ご一読いただけますと幸いです．

0

29

200