記事一覧
Python機械学習プログラミング：第1章
下記の本を購入しました。
データサイエンティストを目指す者として、勉強したことをアウトプットしていこうと思います。
初回ということで第1章の内容をを噛み砕いて記載します。
第1章：「データから学習する能力」をコンピュータに与えるこの章では「機械学習の全体像」が説明されており、最初に3種類の機械学習についての解説です。
教師あり学習
教師なし学習
強化学習
それぞれ簡単に解説します。
前処理大全：第10章
今回は第10章のコードをまとめて記載します。参考にして頂ければ嬉しいです。
＊Pythonのみでのコードになります。
第10章：日時型10-1：日時型、日付型への変換
Q：日時型、日付型の変換
予約テーブルのreserve_datetimeを日時型と日付型に変換しましょう。また、checkin_dateとcheckin_timeを合わせて日時型に変換し、checkin_dateを日付型に変換
前処理大全：第6,7,8章
今回も前処理大全のコードを記載します。6~8章までの内容をまとめてますので参考にして頂けたらと思います。
＊Pythonのみでの記載になります。
第6章：生成6-1：アンダーサンプリングによる不均衡データの調整
本書では上記についてコードが紹介されてません。データの削減（重複データの削減等）ということで、生成とは少し違うのに加え、アンダーサンプリングを行うことは稀だそうです。
6-2：オーバ
前処理大全：第1章~第2章
この記事は書籍「前処理大全」の第1章と第2章のcodeをまとめたものです。
データサイエンス初学者で、データの前処理を学びたい人にとっての参考になればと思います。ちなみに環境は「ANACONDA」から「Jupter Notebook」を使ってます。簡単に環境構築できるので勉強用にはおすすめです。
尚、本書では「SQL・R・Python」それぞれで前処理のcodeが記載されてますが、本記事ではPy
「データ分析の力・因果関係に迫る思考法」を読んでの感想
今回は「データ分析の力・因果関係に迫る思考法」の感想を記載します。
この本を一言で言うと「因果関係の超入門書」でした。
因果関係について数式を使わずに、
生活に馴染みのある例を使って説明されてます。
気になった方は購入して読んでみてください。
そもそも因果関係とは
一言で言うと「原因と結果の関係」です。
Aが原因のときBが変動する、と表現できます。
因果関係にある代表的な例としては「気温
高卒からIT企業に転職したい人が気をつけるべきこと
このブログを読んでくださってる方は下記のように思ってる人が多いと思います。
私は秋田の工業卒からIT企業に転職し、約4年ほどIT業界で働いてます。
今でこそ安定した精神で働いてますが、転職した当初は「IT業界に転職しなきゃ良かった」と思ってました。
転職して良かったとか良くなかったとかは突き詰めると個人の問題じゃんと思われるかも知れませんが、僕は下記のように思えます。
IT業界に関する事前知
伊藤信之介の自己紹介
このブログを読んで頂いた方で、「この記事を書いてる人はどんな人なんだ？」と思った方に向けて自己紹介の記事を書きます。
興味のある方だけ見て頂ければと思います。
職歴2023/01/09現在、26歳で中野区に住んでる男です。
出身は秋田県で最新学歴は高卒(工業高校卒)で、職歴としては下記の順番です。
①：エレベーターの保守会社(3年半)
②：IT会社(2年)
③：フリーター(1年)
⇨ダー