すっとん_データサイエンスやプログラミングの仕事をしてる人 (@akiyory) header
すっとん_データサイエンスやプログラミングの仕事をしてる人 (@akiyory) profile picture

データサイエンティスト&プログラマー&博士(データサイエンス)&2児の父&30代【資格】 将棋アマ1級 【代表著書】 スッキリ分かるPython入門、スッキリ分かるPythonによる機械学習

日本
Joined September 2012
A合格者は25年度までで12人で、0.5年で3人ペースらしいから現在で18人ぐらい。 ワイ、選ばれし18人って考えたらすごいなっ!^ω^
データサイエンスエキスパートって、S合格者は累計で2人しか居ないのか。 統計検定1級2科目同時S合格とどっちが難しいのだろうか。 誰か検証してください!僕にはムリなので笑
1
7
4,040
機能の提供者と利用者の間で、「この機能を使いたかったら、こうやって呼び出してね。そしたらこんな形式で結果を返すよ」という取り決めを明文化したものがAPI。 その具体例が、他の人たちが言っている内容
まじで、API一生イメージつかないんだけど AIで作ってもらったAPIは.pyだから、PythonとかJavaとか色んな言語で書けるんだろうけど 謎だな、アプリ間のやりとりルールって認識してるけどさ 応用情報でも出てこないんだよねAPI
8
2,815
明日新橋で呑む^ω^ まだ参加受け付けているので、FF外でもお気兼ねなく連絡くださいましー(現在私含め3人でしっぽりご飯とお酒を飲み食べする感じです)
というわけで、他にDS ・IT飲み会に来たい人がいたらリプライでもDMでも良いので連絡待ってますー (DSやIT好きなら初対面でもウェルカムですー( ^ω^ )だいすけさんはコミュ強だからご安心ください)
6
382
統計検定の難易度がインフレしているらしいけど、IRT使って、過去の試験の難易度と同じぐらいになるように合格ラインや配点を調整してるんじゃないかなぁ??? 国内の民間資格でそこまでするかと思う一方で、天下の日本統計学会だしちょちょちょっとできるんじゃないかと思っている。
18
1,094
IRT(項目反応理論)は奥が深くて面白いけど、1級ぐらいのレベルで筆記試験として出せる問題は限定的だから試験としては対策しやすいと思う。 試験2ヶ月前ぐらいにIRT勉強合宿ひらけば小遣い稼ぎできそう??笑 ※ ワイ、昔IRTの研究してたので全統計学徒の中でも知識は上側だと思う。
統計応用を全分野解いたけど今年は難易度の甲乙は付け難いな。。 強いて言うなら、人文が相対的に易しめ(それでも普通にむずい)で他は同等に難しかった印象です。項目反応理論読みだった方はおめでとうございますという感じ
19
1,972
統計検定、難化したらしいから早く解いてみたいなぁ。 (本番での緊張感を換算して)制限時間10パー減のデバフかけて、データサイエンス博士が解いてみた→55点、爆死_:(´ཀ`」 ∠):プギャァ とかやってみたい。
1
19
1,425
というわけで、他にDS ・IT飲み会に来たい人がいたらリプライでもDMでも良いので連絡待ってますー (DSやIT好きなら初対面でもウェルカムですー( ^ω^ )だいすけさんはコミュ強だからご安心ください)
Replying to @ALeX_EXVS
了解です。 まだ0人なので、明日の夜までに追加で1人以上集まったら18(水)に開催しましょう( ^ω^ )
1
7
1,614
明日から2泊3日で東京出張することになった。 会える人も知ったら、晩飯でも食べましょう( ^ω^ )
1
12
1,598
Streamlit撲滅委員会ワイ、激しく同意。 生成AI時代において 『でも、試作品にちゃんとしたwebappフレームワーク使うの面倒じゃないですか?』 は最早理由にならず、streamlitを利用する弊害が圧倒的に強くなると思う
PythonのStreamlitでポートフォリオ作るのよく見かけますがやめた方がいいです。 StreamlitはもともとPythonは書けるけど、フロントエンドは書けない人が手軽に画面を作るためのライブラリ。分析結果を社内で見せるような用途には便利でも、Webアプリとして見ると画面の自由度にも動作の速さにも限界があって、現場のプロダクト開発ではほとんど使われていない。 AI寄りのWebアプリを一通り作れる人として見てもらうなら、最低限このくらいは要る。 ・フロント:TypeScript(React)で書いて画面を作る。 ・バックエンド:APIとDBを自分で設計して、仕様書と設計書を書く。 ・インフラ:AWSやGCPなどのクラウドにデプロイする。 以前ならフロントまで手が回らないからStreamlitという選び方も分かった。でもClaude CodeやCodexで開発するのが当たり前になって、Reactで画面を作るハードルはかなり下がっている。ポートフォリオにStreamlitを選ぶ理由は、もうほとんど残っていない。
3
8
1
89
13,428
ZとWがそれぞれ正規分布に従うと言うこと、期待値と分散が0と1になると言う事は自明。 多変量正規分布の場合、共分散が0ならば独立であると言う事実を使ってCOV(Z.W)いこーるぜろを示してふぃにっしゅ
1
27
3,381
お気持ち理解としては、 (因子分解定理より)各サンプルの具体的な値が分からなくても、そのサンプル使って計算できるある統計量(サンプルを入力とした関数)の値が分かれば、その統計量の値を使ってパラメータの最尤推定値を計算できる。そんな統計量! って理解するとよい。
十分統計量のイメージ (ポアソン分布の尤度関数より) #統計検定1級
2
24
1,689
生成AIと壁撃ちしながら統計検定1級相当の模擬問題作ってみました。 酒のツマミにして解いてください。 ※ 誤植や不備があったらごめんなさい🙇‍♀️
1
3
1
58
3,931
イオンに来るプリキュアショー(平日夕方)のために、整理券配る1時間前から並んだワイ(^_^) なお、仕事は2週間前ぐらいから計画的に調整した。 人生初のプリキュアショーで、目がキュルン(*☻-☻*)となった娘の顔は今でも忘れない。
This quoted post is unavailable.
3
446
何故か知らないけど、毎年11月の上旬に統計検定の話をするとめちゃくちゃいいねもらえるんだけど、一体何があるんだ!?!?
初めて過去問解いた時、 こんなん、『統計学という皮を被った定積分選手権』じゃねえか!! と思って食器並んだちゃぶ台をひっくり返した。
15
1,254
迷う人は時期の問題で結局いずれ進学する。 あと、下手にメリデメ考えたり評価関数立てて最適化するより、自分の心から湧き上がる情熱に従った方が予後が良い。 なんかの研究で、人間はした後悔よりしなかった後悔がより強く残るみたいな報告があった気がする。
私は今まさに博士進学を迷っているので、博士課程に関する一連の投稿を読んだのだが、正直博士課程というだけで余程のネガティブなイメージを持つ人がかなりの数いるということに驚いた。予想進学確率は11ポイント下落し63%となった。
2
3
26
4,111
初めて過去問解いた時、 こんなん、『統計学という皮を被った定積分選手権』じゃねえか!! と思って食器並んだちゃぶ台をひっくり返した。
ふと思ったが統計検定って阪大理系以上の大学生にとっては準1級より1級の方が受かりやすいんじゃないか?
1
13
1
165
13,941
すっとん_データサイエンスやプログラミングの仕事をしてる人 retweeted
今年は技術士 情報工学部門への感心も高いんですが、その理由となったIPA試験の制度変更の話で、一つ面白いのを見つけましてね。 デジタル人材育成に関する取組について(経済産業省) digital.go.jp/assets/content… 何が面白いって、新試験に高度を冠した後も、まだ諦めてないらしいですよ、論述試験。
1
52
8
520
137,474
次なる統計炎上ネタですね^_^
他のプロたちもコメントしてるけど、これは初学者が間違った知識を得ることになるので非常にマズイ・・・ 統計量で補完するのは極論最も最悪な結果を導く結果とされているし、線形回帰も筋が悪いし、安易に削除するのもダメ。そもそもそのデータでの欠損値の意味を確認してから対処を考えるべきで
35
5,484
地元のパン屋さんがこんな感じの画像認識会計システムを導入してて、しかも、客側もノンストレスの速度感で運用してる! パンとかだとやりやすいんかな
大学の食堂でで画像処理でメニューを認識して決済する端末の導入が始まったんだけど、思うように動かずスナッフさんが謝り倒してた - メニューが変わるたびにデータ用意して学習回すの大変そう - RFIDで小鉢=N円、どんぶり=N円みたいな決めの方が運用に優しだろうし認識早い corp.bb-brain.co.jp/packages…
6
736
話題の2標本の検定に関して、検定によってpowerがどう変わるか、次のシミュレーション実験を行った! 1. 2つの異なる正規分布に従う乱数を生成(n=15) 対照群: N(5, 1) 治療群: N(6.185116, 1.224745^2) Welch t検定を行う場合の理論的なpower (非心t分布による近似): 0.7990 (1/3)
2
20
3,458
2. 乱数を対数正規分布に従うように変換: 対照群: 平均=244.691932, 標準偏差=320.750136 治療群: 平均=1027.738492, 標準偏差=1917.686515 対 ※ 対数正規分布の母平均差 / プールした母標準偏差: 0.569552 (2/3)
1
3
633
3. 対数正規標本に対し、仮定を無視した4種類の検定を繰り返した際に棄却された割合(alpha=0.05) ↓ Student t検定の棄却率: 0.6090 Welch t検定の棄却率: 0.5730 Mann–Whitney U検定の棄却率: 0.7780 Brunner–Munzel検定の棄却率: 0.8020 予想通り、正規性を無視してt検定したら文字数 (fin)
3
619