ビジネスデータサイエンスの現場から思考する

問題設定のアンチパターン（続・データアナリストの頭の中）

昨日は、「データアナリストの頭の中」と題して、データ分析の問題設定のコツをお伝えしました…

武田邦敬｜Kunihiro TAKEDA

3週間前

38

データアナリストの頭の中（問題設定のコツ）

データ分析の問題設定はとても楽しいもので、悩みながらもやりがいを持って取り組んできました…

武田邦敬｜Kunihiro TAKEDA

3週間前

44

素晴らしい実践例。エンタープライズ検索と質問応答の市場は激変するでしょう。

もちろん、セキュリティは丁寧に検討すべきですが、この分野が根本的に変わったことを実感しています。

https://tech.connehito.com/entry/2023/11/14/221416

武田邦敬｜Kunihiro TAKEDA

7か月前

17

問題設定の困難さと面白さ（データ分析・機械学習）

データ分析や機械学習のタスクの中で面白いのはどのフェーズ？とたずねられたら、私の場合は…

武田邦敬｜Kunihiro TAKEDA

9か月前

20

データ分析・機械学習の利用シーンを考えるための「デジタル技術利用検討マトリックス…

ビジネスシーンでデータ分析や機械学習を利用することは特別なことでなくなってきました。決し…

武田邦敬｜Kunihiro TAKEDA

10か月前

22

そのデータ分析・機械学習タスク、進めてもいいの？

AIブームは過ぎ去ってしまいましたが、データを活用して業務プロセスを改善したいという要望は…

武田邦敬｜Kunihiro TAKEDA

2年前

6

データ分析・機械学習タスクの問題設定力を高める30の問い。

データ分析や機械学習のタスクでは問題設定が重要かつ面白いところだと考えています。以前の記事に書いたように、問題設定はビジネスと技術と言う異質なものの接点を見つけるプロセスであり、暗黙的なノウハウが必要になります。問題設定ではクライアントとの会話の中で解くべき問題を発見することが何よりも重要です。ひとたび問題が発見されれば、データ分析の実験デザインなどに落とし込めるようになります。例えば、以前紹介したフレームを使って整理することも可能です。この問題設定というプロセスは技

今の仕事（技術チームのマネジメント）

4月からポジションから変わってマネジメント色が強くなり、手に取る本も大きく変わりました。…

武田邦敬｜Kunihiro TAKEDA

2年前

13

2021年に読んでよかったと思うデータサイエンス本とその周辺

気がつけば年末ですね。今年も一年があっという間に過ぎていった気がします。仕事ではピープル…

武田邦敬｜Kunihiro TAKEDA

2年前

14

データ分析のテーマを整理するためのフレームワーク（TIHAM）

最近、次のような質問をいただくことが増えてきました。「データ分析を始める時にどのような…

武田邦敬｜Kunihiro TAKEDA

2年前

67

データサイエンティスト生活でお世話になった本

みなさんこんにちは。くにです。データ分析の世界に足を踏み入れてから9年が過ぎました。分…

武田邦敬｜Kunihiro TAKEDA

3年前

209

〈データ分析〉ビジネスデータ活用の方向性〜4つのシナリオ〜

こちらの記事は一時ブログに移していましたがNoteに戻しました。 Noteのエディタの方が書きや…

武田邦敬｜Kunihiro TAKEDA

4年前

21

データサイエンスは今後ビジネスでどのように貢献するのか？

こんにちは。くにです。みなさん、ビジネスでデータサイエンスの実践をされていますか？ここ…

武田邦敬｜Kunihiro TAKEDA

3年前

9

データ分析者の暗黙知をどのように伝えるか。

データ分析者を育てるにあたって、自分の暗黙知をどのように初学者に伝えるのか――。今、このテーマと格闘しています。特に伝えるのが難しいのが、EDA、問題設定、特徴量設計の勘所ですね。それに、実験デザインや前処理のTipsも大小様々あって、一度に伝えることができないことも多いです。育成については、これまでチーム内でいろいろな方法を試してきました。例えば、以下のようなものです。・EDAをテーマにした勉強会を実施する。・タスクや人に合わせて本を推薦する。・タスクに関連す

#機械学習

問題設定のアンチパターン（続・データアナリストの頭の中）

データアナリストの頭の中（問題設定のコツ）

問題設定の困難さと面白さ（データ分析・機械学習）

データ分析・機械学習の利用シーンを考えるための「デジタル技術利用検討マトリックス…

そのデータ分析・機械学習タスク、進めてもいいの？

データ分析・機械学習タスクの問題設定力を高める30の問い。

今の仕事（技術チームのマネジメント）

2021年に読んでよかったと思うデータサイエンス本とその周辺

データ分析のテーマを整理するためのフレームワーク（TIHAM）

データサイエンティスト生活でお世話になった本

〈データ分析〉ビジネスデータ活用の方向性〜4つのシナリオ〜

データサイエンスは今後ビジネスでどのように貢献するのか？

データ分析者の暗黙知をどのように伝えるか。