Submit Search
Upload
データサイエンス業務と「ツール」
•
5 likes
•
2,784 views
The Japan DataScientist Society
Follow
データサイエンティスト協会 セミナー2016 第2回目 講演資料
Read less
Read more
Data & Analytics
Slideshow view
Report
Share
Slideshow view
Report
Share
1 of 25
Download now
Download to read offline
Recommended
Business Innovation cases driven by AI and BigData technologies
Business Innovation cases driven by AI and BigData technologies
DataWorks Summit/Hadoop Summit
データサイエンティストのリアル-2015年~2019年 一般(個人)会員アンケートより
データサイエンティストのリアル-2015年~2019年 一般(個人)会員アンケートより
The Japan DataScientist Society
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
The Japan DataScientist Society
データサイエンスの全体像
データサイエンスの全体像
The Japan DataScientist Society
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
Hirono Jumpei
20171201 deep learning lab albert
20171201 deep learning lab albert
Hirono Jumpei
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
Deep Learning Lab(ディープラーニング・ラボ)
[Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例
[Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例
Ridge-i
Recommended
Business Innovation cases driven by AI and BigData technologies
Business Innovation cases driven by AI and BigData technologies
DataWorks Summit/Hadoop Summit
データサイエンティストのリアル-2015年~2019年 一般(個人)会員アンケートより
データサイエンティストのリアル-2015年~2019年 一般(個人)会員アンケートより
The Japan DataScientist Society
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
The Japan DataScientist Society
データサイエンスの全体像
データサイエンスの全体像
The Japan DataScientist Society
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
Hirono Jumpei
20171201 deep learning lab albert
20171201 deep learning lab albert
Hirono Jumpei
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
Deep Learning Lab(ディープラーニング・ラボ)
[Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例
[Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例
Ridge-i
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
Daiyu Hatakeyama
分析手法のご紹介
分析手法のご紹介
Recruit Technologies
DMPの分析機能を実現する技術
DMPの分析機能を実現する技術
BrainPad Inc.
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
The Japan DataScientist Society
Dll講演資料 2017616
Dll講演資料 2017616
NORIKO HOSAKA
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
shakezo
「リクルートデータセット」 ~公開までの道のりとこれから~
「リクルートデータセット」 ~公開までの道のりとこれから~
Recruit Technologies
人と機械の協働によりデータ分析作業の効率化を目指す協働型機械学習技術(NTTデータ テクノロジーカンファレンス 2020 発表資料)
人と機械の協働によりデータ分析作業の効率化を目指す協働型機械学習技術(NTTデータ テクノロジーカンファレンス 2020 発表資料)
NTT DATA Technology & Innovation
DLL Community Update 10月版
DLL Community Update 10月版
Hirono Jumpei
分析せよ!と言われて困っているあなたへの処方箋
分析せよ!と言われて困っているあなたへの処方箋
The Japan DataScientist Society
マルチクラウドで実演するカスタマーセントリックな分析基盤
マルチクラウドで実演するカスタマーセントリックな分析基盤
Recruit Lifestyle Co., Ltd.
エンジニア勉強会資料_①ブレインパッドの中で僕たちは何を開発しているのか?
エンジニア勉強会資料_①ブレインパッドの中で僕たちは何を開発しているのか?
BrainPad Inc.
Machine Learning Casual Talks #4 ビッグデータチームを発足するにあたって気をつけておきたいn個のこと
Machine Learning Casual Talks #4 ビッグデータチームを発足するにあたって気をつけておきたいn個のこと
Naoto Tamiya
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
Hirono Jumpei
【20170414みんなのAI】機械学習の民主化を促進するAI活用術
【20170414みんなのAI】機械学習の民主化を促進するAI活用術
ナレッジコミュニケーション
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
ナレッジコミュニケーション
NRI事例に学ぶ、”検索”による大規模システム開発の生産性向上
NRI事例に学ぶ、”検索”による大規模システム開発の生産性向上
aslead
Business utilization of real estate image classification system using deep le...
Business utilization of real estate image classification system using deep le...
BrainPad Inc.
TIS 戦略技術センター AI技術推進室紹介
TIS 戦略技術センター AI技術推進室紹介
Takahiro Kubo
企業におけるデータ分析プロジェクトと求められるスキル
企業におけるデータ分析プロジェクトと求められるスキル
Rakuten Group, Inc.
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
The Japan DataScientist Society
データサイエンティスト協会 木曜勉強会#07『Ruby、R、HTML5を用いたデータ解析・データビジュアライゼーション』
データサイエンティスト協会 木曜勉強会#07『Ruby、R、HTML5を用いたデータ解析・データビジュアライゼーション』
The Japan DataScientist Society
More Related Content
What's hot
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
Daiyu Hatakeyama
分析手法のご紹介
分析手法のご紹介
Recruit Technologies
DMPの分析機能を実現する技術
DMPの分析機能を実現する技術
BrainPad Inc.
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
The Japan DataScientist Society
Dll講演資料 2017616
Dll講演資料 2017616
NORIKO HOSAKA
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
shakezo
「リクルートデータセット」 ~公開までの道のりとこれから~
「リクルートデータセット」 ~公開までの道のりとこれから~
Recruit Technologies
人と機械の協働によりデータ分析作業の効率化を目指す協働型機械学習技術(NTTデータ テクノロジーカンファレンス 2020 発表資料)
人と機械の協働によりデータ分析作業の効率化を目指す協働型機械学習技術(NTTデータ テクノロジーカンファレンス 2020 発表資料)
NTT DATA Technology & Innovation
DLL Community Update 10月版
DLL Community Update 10月版
Hirono Jumpei
分析せよ!と言われて困っているあなたへの処方箋
分析せよ!と言われて困っているあなたへの処方箋
The Japan DataScientist Society
マルチクラウドで実演するカスタマーセントリックな分析基盤
マルチクラウドで実演するカスタマーセントリックな分析基盤
Recruit Lifestyle Co., Ltd.
エンジニア勉強会資料_①ブレインパッドの中で僕たちは何を開発しているのか?
エンジニア勉強会資料_①ブレインパッドの中で僕たちは何を開発しているのか?
BrainPad Inc.
Machine Learning Casual Talks #4 ビッグデータチームを発足するにあたって気をつけておきたいn個のこと
Machine Learning Casual Talks #4 ビッグデータチームを発足するにあたって気をつけておきたいn個のこと
Naoto Tamiya
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
Hirono Jumpei
【20170414みんなのAI】機械学習の民主化を促進するAI活用術
【20170414みんなのAI】機械学習の民主化を促進するAI活用術
ナレッジコミュニケーション
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
ナレッジコミュニケーション
NRI事例に学ぶ、”検索”による大規模システム開発の生産性向上
NRI事例に学ぶ、”検索”による大規模システム開発の生産性向上
aslead
Business utilization of real estate image classification system using deep le...
Business utilization of real estate image classification system using deep le...
BrainPad Inc.
TIS 戦略技術センター AI技術推進室紹介
TIS 戦略技術センター AI技術推進室紹介
Takahiro Kubo
企業におけるデータ分析プロジェクトと求められるスキル
企業におけるデータ分析プロジェクトと求められるスキル
Rakuten Group, Inc.
What's hot
(20)
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
分析手法のご紹介
分析手法のご紹介
DMPの分析機能を実現する技術
DMPの分析機能を実現する技術
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
Dll講演資料 2017616
Dll講演資料 2017616
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
「リクルートデータセット」 ~公開までの道のりとこれから~
「リクルートデータセット」 ~公開までの道のりとこれから~
人と機械の協働によりデータ分析作業の効率化を目指す協働型機械学習技術(NTTデータ テクノロジーカンファレンス 2020 発表資料)
人と機械の協働によりデータ分析作業の効率化を目指す協働型機械学習技術(NTTデータ テクノロジーカンファレンス 2020 発表資料)
DLL Community Update 10月版
DLL Community Update 10月版
分析せよ!と言われて困っているあなたへの処方箋
分析せよ!と言われて困っているあなたへの処方箋
マルチクラウドで実演するカスタマーセントリックな分析基盤
マルチクラウドで実演するカスタマーセントリックな分析基盤
エンジニア勉強会資料_①ブレインパッドの中で僕たちは何を開発しているのか?
エンジニア勉強会資料_①ブレインパッドの中で僕たちは何を開発しているのか?
Machine Learning Casual Talks #4 ビッグデータチームを発足するにあたって気をつけておきたいn個のこと
Machine Learning Casual Talks #4 ビッグデータチームを発足するにあたって気をつけておきたいn個のこと
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
【20170414みんなのAI】機械学習の民主化を促進するAI活用術
【20170414みんなのAI】機械学習の民主化を促進するAI活用術
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
NRI事例に学ぶ、”検索”による大規模システム開発の生産性向上
NRI事例に学ぶ、”検索”による大規模システム開発の生産性向上
Business utilization of real estate image classification system using deep le...
Business utilization of real estate image classification system using deep le...
TIS 戦略技術センター AI技術推進室紹介
TIS 戦略技術センター AI技術推進室紹介
企業におけるデータ分析プロジェクトと求められるスキル
企業におけるデータ分析プロジェクトと求められるスキル
Viewers also liked
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
The Japan DataScientist Society
データサイエンティスト協会 木曜勉強会#07『Ruby、R、HTML5を用いたデータ解析・データビジュアライゼーション』
データサイエンティスト協会 木曜勉強会#07『Ruby、R、HTML5を用いたデータ解析・データビジュアライゼーション』
The Japan DataScientist Society
データサイエンティスト協会 木曜勉強会 #02『クレンジングからビジュアライズまで!実践!データ解析超入門!』
データサイエンティスト協会 木曜勉強会 #02『クレンジングからビジュアライズまで!実践!データ解析超入門!』
The Japan DataScientist Society
データサイエンティスト協会 木曜勉強会 #02 講演2:『ビッグデータの0次分析手法と適用例のご紹介 ~俯瞰から始まる企業内ビッグデータの活用~』
データサイエンティスト協会 木曜勉強会 #02 講演2:『ビッグデータの0次分析手法と適用例のご紹介 ~俯瞰から始まる企業内ビッグデータの活用~』
The Japan DataScientist Society
データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム~最適化の適用事例から見たデータ活用システムの現在と未来~』
データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム~最適化の適用事例から見たデータ活用システムの現在と未来~』
The Japan DataScientist Society
データサイエンティスト協会 木曜勉強会#01 『Pythonによるデータ分析および最適化』
データサイエンティスト協会 木曜勉強会#01 『Pythonによるデータ分析および最適化』
The Japan DataScientist Society
データサイエンティスト スキルチェックリスト
データサイエンティスト スキルチェックリスト
The Japan DataScientist Society
第二回データサイエンティスト木曜勉強会20141016
第二回データサイエンティスト木曜勉強会20141016
Koichiro Kondo
データサイエンティスト スキルチェックシート(抜粋版)
データサイエンティスト スキルチェックシート(抜粋版)
The Japan DataScientist Society
IoT開発のキホン‼〜IoT開発初心者必見~ハードウェアとwebの違いから説明します!by Pluto
IoT開発のキホン‼〜IoT開発初心者必見~ハードウェアとwebの違いから説明します!by Pluto
leverages_event
データサイエンティスト協会スキル委員会2ndシンポジウム講演資料
データサイエンティスト協会スキル委員会2ndシンポジウム講演資料
The Japan DataScientist Society
Rubyと機械学習の現状
Rubyと機械学習の現状
Aki Ariga
Ibm data science experience
Ibm data science experience
IBM Analytics Japan
データサイエンティスト協会 木曜勉強会 #04 『クラスター分析の基礎と総合通販会社での活用例 〜 ビッグデータ時代にクラスター分析はどう変わるか 〜』
データサイエンティスト協会 木曜勉強会 #04 『クラスター分析の基礎と総合通販会社での活用例 〜 ビッグデータ時代にクラスター分析はどう変わるか 〜』
The Japan DataScientist Society
Viewers also liked
(14)
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
データサイエンティスト協会 木曜勉強会#07『Ruby、R、HTML5を用いたデータ解析・データビジュアライゼーション』
データサイエンティスト協会 木曜勉強会#07『Ruby、R、HTML5を用いたデータ解析・データビジュアライゼーション』
データサイエンティスト協会 木曜勉強会 #02『クレンジングからビジュアライズまで!実践!データ解析超入門!』
データサイエンティスト協会 木曜勉強会 #02『クレンジングからビジュアライズまで!実践!データ解析超入門!』
データサイエンティスト協会 木曜勉強会 #02 講演2:『ビッグデータの0次分析手法と適用例のご紹介 ~俯瞰から始まる企業内ビッグデータの活用~』
データサイエンティスト協会 木曜勉強会 #02 講演2:『ビッグデータの0次分析手法と適用例のご紹介 ~俯瞰から始まる企業内ビッグデータの活用~』
データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム~最適化の適用事例から見たデータ活用システムの現在と未来~』
データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム~最適化の適用事例から見たデータ活用システムの現在と未来~』
データサイエンティスト協会 木曜勉強会#01 『Pythonによるデータ分析および最適化』
データサイエンティスト協会 木曜勉強会#01 『Pythonによるデータ分析および最適化』
データサイエンティスト スキルチェックリスト
データサイエンティスト スキルチェックリスト
第二回データサイエンティスト木曜勉強会20141016
第二回データサイエンティスト木曜勉強会20141016
データサイエンティスト スキルチェックシート(抜粋版)
データサイエンティスト スキルチェックシート(抜粋版)
IoT開発のキホン‼〜IoT開発初心者必見~ハードウェアとwebの違いから説明します!by Pluto
IoT開発のキホン‼〜IoT開発初心者必見~ハードウェアとwebの違いから説明します!by Pluto
データサイエンティスト協会スキル委員会2ndシンポジウム講演資料
データサイエンティスト協会スキル委員会2ndシンポジウム講演資料
Rubyと機械学習の現状
Rubyと機械学習の現状
Ibm data science experience
Ibm data science experience
データサイエンティスト協会 木曜勉強会 #04 『クラスター分析の基礎と総合通販会社での活用例 〜 ビッグデータ時代にクラスター分析はどう変わるか 〜』
データサイエンティスト協会 木曜勉強会 #04 『クラスター分析の基礎と総合通販会社での活用例 〜 ビッグデータ時代にクラスター分析はどう変わるか 〜』
Similar to データサイエンス業務と「ツール」
機械学習に取り組んでいる企業の紹介
機械学習に取り組んでいる企業の紹介
Kazuma Kadomae
Machine Learning 15 minutes! とあるデザイン会社の中の人にとってのA.I.
Machine Learning 15 minutes! とあるデザイン会社の中の人にとってのA.I.
Yohsuke Itoh
「IoTビジネスの嘘とホント~必要な検討事項と技術検証~」Developer Summit kansai 20160915
「IoTビジネスの嘘とホント~必要な検討事項と技術検証~」Developer Summit kansai 20160915
知礼 八子
日本におけるIT自動化導入の特殊な事情 - 菅原 亮、株式会社NTTデータ
日本におけるIT自動化導入の特殊な事情 - 菅原 亮、株式会社NTTデータ
Puppet
2016年12月期 決算説明資料
2016年12月期 決算説明資料
SIOS Corporation
20150127 イデア•コンサルティング ビジネスに役立つデータ活用事例 セミナー資料
20150127 イデア•コンサルティング ビジネスに役立つデータ活用事例 セミナー資料
Hisashi Igarashi
スタートアップが始める機械学習はじめの一歩
スタートアップが始める機械学習はじめの一歩
Kimitaka Nakazawa
Yahoo!プロモーション広告のビックデータ基盤を支える技術と今後の展望
Yahoo!プロモーション広告のビックデータ基盤を支える技術と今後の展望
Yahoo!デベロッパーネットワーク
Keywordmap for sns
Keywordmap for sns
KotaroTamai
AI求人票採点サービス-Findy Score(ファインディ スコア)の説明資料
AI求人票採点サービス-Findy Score(ファインディ スコア)の説明資料
Yuichiro "Philip" Yamada
Wordpressもくもく勉強会11th mautic
Wordpressもくもく勉強会11th mautic
Kuniyoshi Takenaka
20141018 osc tokyo2014講演(配布用)
20141018 osc tokyo2014講演(配布用)
マジセミ by (株)オープンソース活用研究所
Financial Planner の為のITの活用
Financial Planner の為のITの活用
Kenichi Takeuchi
[社内合同勉強会]インフラ業務を開発エンジニアへ移譲して 移譲前-移譲後-そして今-
[社内合同勉強会]インフラ業務を開発エンジニアへ移譲して 移譲前-移譲後-そして今-
Takahiro Moteki
AI-OCR 導入最前線 (AI inside)
AI-OCR 導入最前線 (AI inside)
Shotaro Umeda
2016年度コーポレートフェローシップ活動報告(山本さん)
2016年度コーポレートフェローシップ活動報告(山本さん)
Code for Japan
The stumbling block of team development in the growth phase
The stumbling block of team development in the growth phase
ssuser1e9374
Datawatch Monarch for Ibm Analyticsのご紹介
Datawatch Monarch for Ibm Analyticsのご紹介
IBM Analytics Japan
20171030 #miyagisap
20171030 #miyagisap
Masahiro Furusawa
転職潜在層採用のためのダイレクトリクルーティング&タレントプール
転職潜在層採用のためのダイレクトリクルーティング&タレントプール
Kentaro Someya
Similar to データサイエンス業務と「ツール」
(20)
機械学習に取り組んでいる企業の紹介
機械学習に取り組んでいる企業の紹介
Machine Learning 15 minutes! とあるデザイン会社の中の人にとってのA.I.
Machine Learning 15 minutes! とあるデザイン会社の中の人にとってのA.I.
「IoTビジネスの嘘とホント~必要な検討事項と技術検証~」Developer Summit kansai 20160915
「IoTビジネスの嘘とホント~必要な検討事項と技術検証~」Developer Summit kansai 20160915
日本におけるIT自動化導入の特殊な事情 - 菅原 亮、株式会社NTTデータ
日本におけるIT自動化導入の特殊な事情 - 菅原 亮、株式会社NTTデータ
2016年12月期 決算説明資料
2016年12月期 決算説明資料
20150127 イデア•コンサルティング ビジネスに役立つデータ活用事例 セミナー資料
20150127 イデア•コンサルティング ビジネスに役立つデータ活用事例 セミナー資料
スタートアップが始める機械学習はじめの一歩
スタートアップが始める機械学習はじめの一歩
Yahoo!プロモーション広告のビックデータ基盤を支える技術と今後の展望
Yahoo!プロモーション広告のビックデータ基盤を支える技術と今後の展望
Keywordmap for sns
Keywordmap for sns
AI求人票採点サービス-Findy Score(ファインディ スコア)の説明資料
AI求人票採点サービス-Findy Score(ファインディ スコア)の説明資料
Wordpressもくもく勉強会11th mautic
Wordpressもくもく勉強会11th mautic
20141018 osc tokyo2014講演(配布用)
20141018 osc tokyo2014講演(配布用)
Financial Planner の為のITの活用
Financial Planner の為のITの活用
[社内合同勉強会]インフラ業務を開発エンジニアへ移譲して 移譲前-移譲後-そして今-
[社内合同勉強会]インフラ業務を開発エンジニアへ移譲して 移譲前-移譲後-そして今-
AI-OCR 導入最前線 (AI inside)
AI-OCR 導入最前線 (AI inside)
2016年度コーポレートフェローシップ活動報告(山本さん)
2016年度コーポレートフェローシップ活動報告(山本さん)
The stumbling block of team development in the growth phase
The stumbling block of team development in the growth phase
Datawatch Monarch for Ibm Analyticsのご紹介
Datawatch Monarch for Ibm Analyticsのご紹介
20171030 #miyagisap
20171030 #miyagisap
転職潜在層採用のためのダイレクトリクルーティング&タレントプール
転職潜在層採用のためのダイレクトリクルーティング&タレントプール
More from The Japan DataScientist Society
学生から見たデータサイエンティスト
学生から見たデータサイエンティスト
The Japan DataScientist Society
データサイエンティストの就労意識
データサイエンティストの就労意識
The Japan DataScientist Society
AI・データ利活用継続の鍵はビジネススキル
AI・データ利活用継続の鍵はビジネススキル
The Japan DataScientist Society
コニカミノルタにおけるデータドリブンPLMの取り組み
コニカミノルタにおけるデータドリブンPLMの取り組み
The Japan DataScientist Society
企業が求めるデータサイエンティスト人材像-データサイエンティスト 国内企業動向調査(2019)より
企業が求めるデータサイエンティスト人材像-データサイエンティスト 国内企業動向調査(2019)より
The Japan DataScientist Society
エントリー層向けセミナー#04『はじめての最適化』
エントリー層向けセミナー#04『はじめての最適化』
The Japan DataScientist Society
基礎から学ぶ! インダストリアルIoTの実現に必須のセンサ計測と予知保全の動向
基礎から学ぶ! インダストリアルIoTの実現に必須のセンサ計測と予知保全の動向
The Japan DataScientist Society
機械学習の先端センシングへの適用と展望
機械学習の先端センシングへの適用と展望
The Japan DataScientist Society
『機械学習による故障予測・異常検知 事例紹介とデータ分析プロジェクト推進ポイント』
『機械学習による故障予測・異常検知 事例紹介とデータ分析プロジェクト推進ポイント』
The Japan DataScientist Society
データサイエンティスト協会 会員制度説明資料
データサイエンティスト協会 会員制度説明資料
The Japan DataScientist Society
スキルチェックリスト 2017年版
スキルチェックリスト 2017年版
The Japan DataScientist Society
データサイエンティスト協会スキル委員会4thシンポジウム講演資料
データサイエンティスト協会スキル委員会4thシンポジウム講演資料
The Japan DataScientist Society
基礎から学ぶ!インダストリアルIoTの実現に必須のセンサ計測とエッジコンピューティング
基礎から学ぶ!インダストリアルIoTの実現に必須のセンサ計測とエッジコンピューティング
The Japan DataScientist Society
データサイエンスの全体像とデータサイエンティスト
データサイエンスの全体像とデータサイエンティスト
The Japan DataScientist Society
More from The Japan DataScientist Society
(14)
学生から見たデータサイエンティスト
学生から見たデータサイエンティスト
データサイエンティストの就労意識
データサイエンティストの就労意識
AI・データ利活用継続の鍵はビジネススキル
AI・データ利活用継続の鍵はビジネススキル
コニカミノルタにおけるデータドリブンPLMの取り組み
コニカミノルタにおけるデータドリブンPLMの取り組み
企業が求めるデータサイエンティスト人材像-データサイエンティスト 国内企業動向調査(2019)より
企業が求めるデータサイエンティスト人材像-データサイエンティスト 国内企業動向調査(2019)より
エントリー層向けセミナー#04『はじめての最適化』
エントリー層向けセミナー#04『はじめての最適化』
基礎から学ぶ! インダストリアルIoTの実現に必須のセンサ計測と予知保全の動向
基礎から学ぶ! インダストリアルIoTの実現に必須のセンサ計測と予知保全の動向
機械学習の先端センシングへの適用と展望
機械学習の先端センシングへの適用と展望
『機械学習による故障予測・異常検知 事例紹介とデータ分析プロジェクト推進ポイント』
『機械学習による故障予測・異常検知 事例紹介とデータ分析プロジェクト推進ポイント』
データサイエンティスト協会 会員制度説明資料
データサイエンティスト協会 会員制度説明資料
スキルチェックリスト 2017年版
スキルチェックリスト 2017年版
データサイエンティスト協会スキル委員会4thシンポジウム講演資料
データサイエンティスト協会スキル委員会4thシンポジウム講演資料
基礎から学ぶ!インダストリアルIoTの実現に必須のセンサ計測とエッジコンピューティング
基礎から学ぶ!インダストリアルIoTの実現に必須のセンサ計測とエッジコンピューティング
データサイエンスの全体像とデータサイエンティスト
データサイエンスの全体像とデータサイエンティスト
データサイエンス業務と「ツール」
1.
データサイエンス業務と「ツール」 2016年7月19日 株式会社金融エンジニアリング・グループ 事業開発推進本部 齊藤 和幸 データサイエンティスト協会 セミナー2016
第2回 ©2016 Financial Engineering Group Inc. 不許複製
2.
©2016 Financial Engineering
Group Inc. 不許複製 1 自己紹介 齊藤 和幸 Kazuyuki Saito 株式会社金融エンジニアリング・グループ 事業開発推進本部 事業開発部 • 2007年入社 • 入社から4~5年は金融機関向けの与信審査モデル作成に 従事 • 入社5年目以降は、大手IT企業にてWebマーケティング 関連の業務に従事
3.
1. はじめに – 株式会社金融エンジニアリング・グループとは 2.
データサイエンス業務と「ツール」 – 「ツール」にまつわる実世界 3. まとめ – 経験してきたからこそ思うこと 本日お話しさせていただきたいこと ©2016 Financial Engineering Group Inc. 不許複製 2
4.
©2016 Financial Engineering
Group Inc. 不許複製 3 1. はじめに – 株式会社金融エンジニアリング・グループとは
5.
©2016 Financial Engineering
Group Inc. 不許複製 4 FEG:会社概要 商号:株式会社金融エンジニアリング・グループ(Financial Engineering Group,Inc.) 呼称: FEG(フェグ) 所在地:〒104-0033 東京都中央区新川2丁目27-1 東京住友ツインビルディング(東館)10F 設立:1984年4月 代表者:宮村幸夫(代表取締役) 社員数:81名(2016年4月1日現在) 資本金:99百万円(新日鉄住金ソリューションズ100%) 売上高:3,071百万円(2016年3月期) 主要取引先:主要都市銀行、地方銀行およびクレジットカード会社など金融機 関および、通信キャリアや大手小売業など。
6.
FEGのご紹介:業務内容 ©2016 Financial Engineering
Group Inc. 不許複製 5 FEGは、金融分野の数理分析及びデータマイニングを中心とする調査・分析・ コンサルティング並びにソフトウェア開発を主たる業務としており、その内容 は以下のとおり多岐に及びます。 リスクマネージメント領域の問題 ・・・与信リスク管理・債権リスク評価・市場リスク管理・統合リスク管理など 金融商品に関する問題 ・・・預金・クレジットカード・保険・証券など 金融マーケティング領域の問題 ・・・顧客ターゲティング・顧客リテンション・データベース構築など さらにはネットオークション詐欺検知や「オレオレ詐欺」利用口座検知など、 不正検知の分野でも目覚ましい結果を残しております。 これら諸問題を解決していくうえで、当社の核となっているのが、データマイ ニング技術、金融工学技術です。それに加え、金融実務知識、統計解析知識、 データベース構築技術、IT/ソフトウェアエンジニアリング技術、そしてデー タの実作業で培ってきた数多くのノウハウです。 また、FEGはこのような基礎技術を生かし、通信・流通・情報サービス産業な どをクライエントとした非金融分野においても、分析・コンサルティング・シ ステム開発事業を行っております。
7.
6©2016 Financial Engineering
Group Inc. 不許複製 写真: https://www.flickr.com/photos/126543328@N07/ データマイニング国際コンテストで2位:KDD CUP 2015 KDD2015(SIGKDDが毎年開催する国際会議)のオープニン グセッション KDD2015@Sydney – 参加者:1,182人(大学と企業が約1:1)
8.
©2016 Financial Engineering
Group Inc. 不許複製 7 2. データサイエンス業務と「ツール」 – 「ツール」にまつわる実世界
9.
©2016 Financial Engineering
Group Inc. 不許複製 8 最初に「ツール」の意味を確認 ツール(tool) 言い換えると – 道具 まとめると – 何かを達成しようとした時に使う道具であり、手段である – 決して、目的ではない 最も大切なことは ツール≠目的 という理解を持つこと
10.
©2016 Financial Engineering
Group Inc. 不許複製 9 どんな「ツール」を使えばよいのか? 自分の置かれている環境にあるものを使えば良い DBにアクセスしたいな… 集計作業をしたいな… モデル作成をしたいな… SQL SQL,python,etc python,etc
11.
©2016 Financial Engineering
Group Inc. 不許複製 10 想起しやすい「ツール」の分類 無料有料 複数機能 単機能 ※ごく一部の抜粋
12.
©2016 Financial Engineering
Group Inc. 不許複製 11 「ツール」と基盤は切り離せない関係 基盤 ex:windows,linux,Hadoop,HBase,Spark ,etc ツール ex:SAS,SPSS,python,etc データサイ エンス業務 基盤がなければ「ツール」は利用できない!! 「ツール」を使 うためには 「ツール」の理 解が必要 「ツール」を使う ためには、基盤の 理解も「ツール」 と同じくらい必要 案外大変だ…
13.
©2016 Financial Engineering
Group Inc. 不許複製 12 私が利用してきた「ツール」 2007年 2011年 2016年 有 料 無 料 2011年まで 2014年まで 現在も使用 現在も使用 現在も使用 2013年まで ※ごく一部の抜粋 与信審査モデル作成業務 Webマーケティング業務
14.
©2016 Financial Engineering
Group Inc. 不許複製 13 私が利用してきた「ツール」と基盤 2007年 2011年 2016年 有 料 無 料 2011年まで 2014年まで 現在も使用 現在も使用 現在も使用 2013年まで ※ごく一部の抜粋 与信審査モデル作成業務 Webマーケティング業務 Windows Linux Hadoop HBase etc…
15.
確認 作成運用 準備 ©2016 Financial Engineering
Group Inc. 不許複製 14 業務と「ツール」 データサイエンス 業務 • 環境 • データ取得 • DBアクセス • データクリーニング • データ集計 • データマート作成 • BI • アクセス解析 • 統計モデル • 商用活用 • モニタリング • チューニング Hive,etc Hive,SAS,SPSS,python,R,etc SAS,SPSS,python,R,tableau, etc Jave,Hive,bash,SAS,SPSS, pyhton,Retc 業務の場面によって使い分ける必要がある
16.
©2016 Financial Engineering
Group Inc. 不許複製 15 「ツール」と私 ~最初に~ 私の社会人スタート時の状況は… 出身学部 経済学部 経済学科 学部時代にプログラミング経験 なし!! 学部時代にPCを活用していたか レポートを書くときくらい Internetも実はあまり使っていなかった いかにして私が「ツール」と向き合ってきたか… これからどんな体験をしていくか、以降でお話しします
17.
DBアクセス データ取得 環境 ©2016 Financial Engineering
Group Inc. 不許複製 16 「ツール」と私 ~準備編~ 2007年 2011年 2016年 与信審査モデル作成業務 Webマーケティング業務 • WindowsPCを自分でセットアップ • クライアントから受領したフラット ファイルを自力でSASへ読み込む • 基本的にすべてSASで完結 • Windowsだけでなく、linux、 Hadoop、HBaseと様々 • 今はmacユーザー • フラットファイルを自力で読む • 今やSqoopにてRDBからのデータ連 携が主となっている • 初期の頃はmodelerで共有サーバー 上のファイルを読んでいた • 今はHadoopへHiveにてアクセス
18.
データマート作成 データ集計 データクリーニング ©2016 Financial Engineering
Group Inc. 不許複製 17 「ツール」と私 ~確認編~ 2007年 2011年 2016年 与信審査モデル作成業務 Webマーケティング業務 • SASのデータステップで頑張った • SASのprocedureで行うことが多い • Excelで集計も • 基本的にすべてSASで完結 • 最初の頃はmodeler • 今はHive上で行うことが多い • 最初の頃はmodeler • 今はHive、pythonと状況に応じて使 い分ける • Hiveで作成してしまうことが多い
19.
統計モデル作成 アクセス解析 BI ©2016 Financial Engineering
Group Inc. 不許複製 18 「ツール」と私 ~作成編~ 2007年 2011年 2016年 与信審査モデル作成業務 Webマーケティング業務 • 特に利用せず • ただ、案件は若干存在はしていた • 全くなし • SASに用意されているprocedureを 利用 • 少しtableauを触ったくらい • 今となっては主戦場 • Hiveで取り扱うことが多い • 場合によってはpythonなども利用 • pythonのモジュール利用が多い • 時として、Hiveで自作も • modelerも時には利用
20.
チューニング モニタリング 商用活用 ©2016 Financial Engineering
Group Inc. 不許複製 19 「ツール」と私 ~運用編~ 2007年 2011年 2016年 与信審査モデル作成業務 Webマーケティング業務 • 仕様書を作成し、社内エンジニアの 方にエンジンを作成していただく • 運用はお客様 • SASで定期的にモデル精度をウォッ チしお客様へご報告 • SASでリモデルなどを行う • ある程度Hiveやbashで作成し、実装 をエンジニアの方に依頼 • 運用Jobは常に自分達で監視 • Hiveで定期的に集計 • ものによってはBIにて行う • 必要に応じて統計モデル作成時と同 じ要領で実施
21.
©2016 Financial Engineering
Group Inc. 不許複製 20 「ツール」と私 ~そして現在~ 私の社会人スタート時に比べて… 環境に対して 特にアレルギー無し 「ツール」の選り好み 特になし!! もちろん、得手不得手はありますが 仕事の幅は 想像以上に広くなった 「ツール」が視野を広くしてくれた面もある いろいろな変遷を経た結果たどり着いた現在は… 大変なこともたくさんありましたが、 いろいろな「ツール」との出会いが、私の成長にもつながり、 世界を広くしてくれた
22.
©2016 Financial Engineering
Group Inc. 不許複製 21 3. まとめ – 経験してきたからこそ思うこと
23.
確認 作成運用 準備 ©2016 Financial Engineering
Group Inc. 不許複製 22 「ツール」は手段でしかない データサイエンス 業務 • 環境 • データ取得 • DBアクセス • データクリーニング • データ集計 • データマート作成 • BI • アクセス解析 • 統計モデル • 商用活用 • モニタリング • チューニング Hive,etc Hive,SAS,SPSS,python,R,etc SAS,SPSS,python,R,tableau, etc Jave,Hive,bash,SAS,SPSS, pyhton,Retc 「ツール」に使われるのではなく、使いこなす 環境によって、使うことができる「ツール」は異なる 状況によって、使うべき「ツール」は異なる 人によって、得意な「ツール」は異なる 目的を達成するための「ツール」が何か 常に考えながら 目の前の課題に取り組むことが 「ツール」を使いこなすことにつながる第一歩
24.
©2016 Financial Engineering
Group Inc. 不許複製 23 好き嫌いはしない 自分の可能性を最初から限定しない 自分の使い慣れた「ツール」ばかり使っていませんか? 時として、より強力な「ツール」は存在するかもしれない 周りの人は、より強固な「ツール」を知っているかもしれない 『好き嫌い』と『得意不得意』は、根本的に異なります ぜひ、選り好みせずに「ツール」を使ってみてください もしかしたら、新しい世界を開くことができるかもしれません
25.
©2016 Financial Engineering
Group Inc. 不許複製 24 ご清聴ありがとうございました
Download now