Suche senden
Hochladen
Thinking datascientist itself
•
0 gefällt mir
•
384 views
H
HiroyukiOtsubo
Folgen
3年間で考えてきたデータサイエンスに対する雑感
Weniger lesen
Mehr lesen
Daten & Analysen
Melden
Teilen
Melden
Teilen
1 von 38
Empfohlen
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
BrainPad Inc.
Big data harvardbusiessreview20121112
Big data harvardbusiessreview20121112
Dennis Sugahara
機械学習の精度と売上の関係
機械学習の精度と売上の関係
Tokoroten Nakayama
心理的安全性と、Veinの紹介 Psychological safety and introduction of Vein
心理的安全性と、Veinの紹介 Psychological safety and introduction of Vein
Tokoroten Nakayama
20131213 itサービスに求められる人材像
20131213 itサービスに求められる人材像
jun_suto
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
Shohei Hido
Tableauデータサイエンス勉強会(ユーザ会)とは
Tableauデータサイエンス勉強会(ユーザ会)とは
Hiroshi Masuda
【schoo WEB-campus】#49業務改善のためのデータサイエンス 先生:倉橋一成
【schoo WEB-campus】#49業務改善のためのデータサイエンス 先生:倉橋一成
webcampusschoo
Empfohlen
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
BrainPad Inc.
Big data harvardbusiessreview20121112
Big data harvardbusiessreview20121112
Dennis Sugahara
機械学習の精度と売上の関係
機械学習の精度と売上の関係
Tokoroten Nakayama
心理的安全性と、Veinの紹介 Psychological safety and introduction of Vein
心理的安全性と、Veinの紹介 Psychological safety and introduction of Vein
Tokoroten Nakayama
20131213 itサービスに求められる人材像
20131213 itサービスに求められる人材像
jun_suto
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
Shohei Hido
Tableauデータサイエンス勉強会(ユーザ会)とは
Tableauデータサイエンス勉強会(ユーザ会)とは
Hiroshi Masuda
【schoo WEB-campus】#49業務改善のためのデータサイエンス 先生:倉橋一成
【schoo WEB-campus】#49業務改善のためのデータサイエンス 先生:倉橋一成
webcampusschoo
高度Ict利活用人材育成推進会議プレゼン(1124) final(改)
高度Ict利活用人材育成推進会議プレゼン(1124) final(改)
Tsukasa Makino
data science study group vol.5(Japanese)
data science study group vol.5(Japanese)
Yusuke Ohira
「2018年の目標と運営方針」を議論するための「2017年の振り返り」
「2018年の目標と運営方針」を議論するための「2017年の振り返り」
E2D3.org
ネットで個人はどこまで追われているか
ネットで個人はどこまで追われているか
Yoichi Tomi
企業における統計学入門
企業における統計学入門
antibayesian 俺がS式だ
WCK Meeting Vol.27「Webデザイナーの役目」
WCK Meeting Vol.27「Webデザイナーの役目」
玄 中野
【セミナー資料】ソーシャル×ビッグデータ×Biで切り開くこれからの企業のあり方
【セミナー資料】ソーシャル×ビッグデータ×Biで切り開くこれからの企業のあり方
uhuru_jp
データプランナーによるデータ系施策について
データプランナーによるデータ系施策について
Recruit Lifestyle Co., Ltd.
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
Daiyu Hatakeyama
ビッグデータビジネスの捉え方
ビッグデータビジネスの捉え方
Takatsugu Kobayashi
データサイエンスビギナーズ創設の想い
データサイエンスビギナーズ創設の想い
Hiroki Kitano
【資料】AIとデータプラットフォームがもたらす世界 ~Fintech, HRtechの最新事例と合わせて~
【資料】AIとデータプラットフォームがもたらす世界 ~Fintech, HRtechの最新事例と合わせて~
Saharu Doi
Thank you communication network in organization 感謝ネットワークからみる組織のコミュニケーションの形
Thank you communication network in organization 感謝ネットワークからみる組織のコミュニケーションの形
Hiroko Onari
【スクー】業務改善のためのデータサイエンス
【スクー】業務改善のためのデータサイエンス
Issei Kurahashi
【人工知能学会2013 】社会知としての消費者価値観構造モデルと類型「Societas」の構築
【人工知能学会2013 】社会知としての消費者価値観構造モデルと類型「Societas」の構築
Ayako Baba
Tokyo webmining発表資料 20111127
Tokyo webmining発表資料 20111127
kan_yukiko
データの可視化
データの可視化
Marie Goto
構造化データをツールで簡単に分析
構造化データをツールで簡単に分析
Yoshitaka Seo
ビジネスの現場のデータ分析における理想と現実
ビジネスの現場のデータ分析における理想と現実
Takashi J OZAKI
Digital strategy in Japanese
Digital strategy in Japanese
Yoshinori Kawamura
Weitere ähnliche Inhalte
Ähnlich wie Thinking datascientist itself
高度Ict利活用人材育成推進会議プレゼン(1124) final(改)
高度Ict利活用人材育成推進会議プレゼン(1124) final(改)
Tsukasa Makino
data science study group vol.5(Japanese)
data science study group vol.5(Japanese)
Yusuke Ohira
「2018年の目標と運営方針」を議論するための「2017年の振り返り」
「2018年の目標と運営方針」を議論するための「2017年の振り返り」
E2D3.org
ネットで個人はどこまで追われているか
ネットで個人はどこまで追われているか
Yoichi Tomi
企業における統計学入門
企業における統計学入門
antibayesian 俺がS式だ
WCK Meeting Vol.27「Webデザイナーの役目」
WCK Meeting Vol.27「Webデザイナーの役目」
玄 中野
【セミナー資料】ソーシャル×ビッグデータ×Biで切り開くこれからの企業のあり方
【セミナー資料】ソーシャル×ビッグデータ×Biで切り開くこれからの企業のあり方
uhuru_jp
データプランナーによるデータ系施策について
データプランナーによるデータ系施策について
Recruit Lifestyle Co., Ltd.
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
Daiyu Hatakeyama
ビッグデータビジネスの捉え方
ビッグデータビジネスの捉え方
Takatsugu Kobayashi
データサイエンスビギナーズ創設の想い
データサイエンスビギナーズ創設の想い
Hiroki Kitano
【資料】AIとデータプラットフォームがもたらす世界 ~Fintech, HRtechの最新事例と合わせて~
【資料】AIとデータプラットフォームがもたらす世界 ~Fintech, HRtechの最新事例と合わせて~
Saharu Doi
Thank you communication network in organization 感謝ネットワークからみる組織のコミュニケーションの形
Thank you communication network in organization 感謝ネットワークからみる組織のコミュニケーションの形
Hiroko Onari
【スクー】業務改善のためのデータサイエンス
【スクー】業務改善のためのデータサイエンス
Issei Kurahashi
【人工知能学会2013 】社会知としての消費者価値観構造モデルと類型「Societas」の構築
【人工知能学会2013 】社会知としての消費者価値観構造モデルと類型「Societas」の構築
Ayako Baba
Tokyo webmining発表資料 20111127
Tokyo webmining発表資料 20111127
kan_yukiko
データの可視化
データの可視化
Marie Goto
構造化データをツールで簡単に分析
構造化データをツールで簡単に分析
Yoshitaka Seo
ビジネスの現場のデータ分析における理想と現実
ビジネスの現場のデータ分析における理想と現実
Takashi J OZAKI
Digital strategy in Japanese
Digital strategy in Japanese
Yoshinori Kawamura
Ähnlich wie Thinking datascientist itself
(20)
高度Ict利活用人材育成推進会議プレゼン(1124) final(改)
高度Ict利活用人材育成推進会議プレゼン(1124) final(改)
data science study group vol.5(Japanese)
data science study group vol.5(Japanese)
「2018年の目標と運営方針」を議論するための「2017年の振り返り」
「2018年の目標と運営方針」を議論するための「2017年の振り返り」
ネットで個人はどこまで追われているか
ネットで個人はどこまで追われているか
企業における統計学入門
企業における統計学入門
WCK Meeting Vol.27「Webデザイナーの役目」
WCK Meeting Vol.27「Webデザイナーの役目」
【セミナー資料】ソーシャル×ビッグデータ×Biで切り開くこれからの企業のあり方
【セミナー資料】ソーシャル×ビッグデータ×Biで切り開くこれからの企業のあり方
データプランナーによるデータ系施策について
データプランナーによるデータ系施策について
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
ビッグデータビジネスの捉え方
ビッグデータビジネスの捉え方
データサイエンスビギナーズ創設の想い
データサイエンスビギナーズ創設の想い
【資料】AIとデータプラットフォームがもたらす世界 ~Fintech, HRtechの最新事例と合わせて~
【資料】AIとデータプラットフォームがもたらす世界 ~Fintech, HRtechの最新事例と合わせて~
Thank you communication network in organization 感謝ネットワークからみる組織のコミュニケーションの形
Thank you communication network in organization 感謝ネットワークからみる組織のコミュニケーションの形
【スクー】業務改善のためのデータサイエンス
【スクー】業務改善のためのデータサイエンス
【人工知能学会2013 】社会知としての消費者価値観構造モデルと類型「Societas」の構築
【人工知能学会2013 】社会知としての消費者価値観構造モデルと類型「Societas」の構築
Tokyo webmining発表資料 20111127
Tokyo webmining発表資料 20111127
データの可視化
データの可視化
構造化データをツールで簡単に分析
構造化データをツールで簡単に分析
ビジネスの現場のデータ分析における理想と現実
ビジネスの現場のデータ分析における理想と現実
Digital strategy in Japanese
Digital strategy in Japanese
Thinking datascientist itself
1.
大坪 寛之 データサイエンティストとはなんなのかを考える 2020 ver.
2.
はじめに 入社からのこれまでの3年間、業務・情報収集・資格対策・個人活動を通してデータサイエン スというものに触れ、考えてきたつもりです。社会人としてもデータサイエンティストとし ても歴の浅い今こそ見える世界を “現時点” の
“雑感” として自身の思考をまとめ、資料化しま した。 「データサイエンティストとは多種多様であるべき」というのが今の自身の考えであり、本 資料が “個々人の考える” データサイエンティスト像を形成する一助となれば幸いです。その ため見識の相違は大歓迎です。ただしあくまで “雑感” の域を出るものではありません。情報 の確度や一連の記述の論理性が必ずしも担保できるとは限りません。 (わたしの頭の中は散らかっており情報・社会情勢は変動的であり、その時々で個々の思想は変わるはずです。)
3.
目次 1. データサイエンティストとはなんなのか 2. データサイエンスそのものを考えてみる 3.
結局データサイエンティストとはなんだったのか 4. データサイエンティストを目指して何をしてきたか
4.
目次 1. データサイエンティストとはなんなのか 2. データサイエンスそのものを考えてみる 3.
結局データサイエンティストとはなんだったのか 4. データサイエンティストを目指して何をしてきたか
5.
いきなりですが・・・ 「データサイエンティスト」 って なんなんでしょうか? 何を思い浮かべますか?
6.
「データサイエンティスト」 って なんなんでしょうか? 何を思い浮かべますか? いきなりですが・・・ https://www.slideshare.net/DataScientist_JP/ss-55326920 10 of 46 スキル?
ヒト? https://en.wikipedia.org/wiki/Larry_Page
7.
少し角度を変えて・・・ 「データサイエンティスト」 って なにをするヒト?
8.
こんなふうに思い浮かべる人、いるはず(ぼくです) Keywords ツールと紐付ける イメージ
9.
• 人工知能 • AI •
データマイニング • Web広告 • ECサイト • 統計 • コンサルティング • マーケティング こんなふうに思い浮かべる人、いるはず(ぼくです) Keywords ツールと紐付ける イメージ
10.
• 機械学習 • ディープラーニング •
Python、Tensorflow • ビッグデータ • SQL • Google Analytics • Social Listening • 回帰分析 • 正規分布 • 行動経済学 • 3C、4P、SWOT • 人工知能 • AI • データマイニング • Web広告 • ECサイト • 統計 • コンサルティング • マーケティング こんなふうに思い浮かべる人、いるはず(ぼくです) Keywords ツールと紐付ける イメージ
11.
パターン1 さっぱりわからん・・・ パターン2 全部できるの? 巨人かよ・・・ • 機械学習 • ディープラーニング •
Python、Tensorflow • ビッグデータ • SQL • Google Analytics • Social Listening • 回帰分析 • 正規分布 • 行動経済学 • 3C、4P、SWOT • 人工知能 • AI • データマイニング • Web広告 • ECサイト • 統計 • コンサルティング • マーケティング こんなふうに思い浮かべる人、いるはず(ぼくです) Keywords ツールと紐付ける イメージ
12.
わからん・・・ スーパーマンやんけ・・ • 機械学習 • ディープラーニング •
Python、Tensorflow • ビッグデータ • SQL • Google Analytics • Social Listening • 回帰分析 • 正規分布 • 行動経済学 • 3C、4P、SWOT • 人工知能 • AI • データマイニング • Web広告 • ECサイト • 統計 • コンサルティング • マーケティング こんなふうに思い浮かべてませんか? Keywords ツールと紐付ける イメージ ※個人のイメージです
13.
わからん・・・ スーパーマンやんけ・・ • 機械学習 • ディープラーニング •
Python、Tensorflow • ビッグデータ • SQL • Google Analytics • Social Listening • 回帰分析 • 正規分布 • 行動経済学 • 3C、4P、SWOT • 人工知能 • AI • データマイニング • Web広告 • ECサイト • 統計 • コンサルティング • マーケティング こんなふうに思い浮かべてませんか? Keywords ツールと紐付ける イメージ データ サイエンティスト のイメージ 我々 ※極端なイメージです
14.
目次 1. データサイエンティストとはなんなのか 2. データサイエンスそのものを考えてみる 3.
結局データサイエンティストとはなんだったのか 4. データサイエンティストを目指して何をしてきたか
15.
データサイエンティスト=データでサイエンスするヒト? 「データサイエンティスト」 = 「データサイエンス」するヒト? であれば・・・ 「データサイエンス」する
= 「データ」+「サイエンス」する? (「データ」は置いといて)「サイエンス」する、とは?
16.
「サイエンスする」も、さらに細分化される 理系の学問を「データ」「サイエンス」風に表現すると・・・ ・化学 =「ケミカル」「サイエンス」(Chemical Science) ・生物学
=「バイオ」 「サイエンス」(Biological Science) などなど・・・ 専門性はさらに細分化される 生物学ー細胞生物学、遺伝学、分子生物学、 発生学、進化学、バイオインフォマティクス などなど・・・
17.
「サイエンスする」も、さらに細分化される 理系の学問を「データ」「サイエンス」風に表現すると・・・ ・化学 =「ケミカル」「サイエンス」(Chemical Science) ・生物学
=「バイオ」 「サイエンス」(Biological Science) などなど・・・ わたしの学生時代の研究対象(iPS細胞)の構成でいうと、、、 生物学ー細胞生物学、遺伝学、分子生物学、 発生学、進化学、バイオインフォマティクス などなど・・・ →赤字を組み合わせた「サイエンス」をする研究者でした。
18.
「データサイエンスする」も同じように考えられるのでは 先ほどの「バイオ」「サイエンス」のイメージで 「データ」「サイエンス」周辺の分野・スキルを細分化していくと・・・ ・AI(機械学習、ディープラーニング) ・統計 ・BIツール(tableauとか) ・web(GA、GDN、YDN) ・マーケティング ・・・
19.
「データサイエンスする」も同じように考えられるのでは 先ほどの「バイオ」「サイエンス」のイメージで 「データ」「サイエンス」周辺の分野・スキルを細分化していくと・・・ ・AI(機械学習、ディープラーニング) ・統計、数学 ・BIツール(tableauとか) ・web(GA、GDN、YDN) ・マーケティング ・・・ 赤字の組み合わせで 「サイエンス」する人がいれば 青字の組み合わせで 「サイエンス」する人がいてもいい
20.
目次 1. データサイエンティストとはなんなのか 2. データサイエンスそのものを考えてみる 3.
結局データサイエンティストとはなんだったのか 4. データサイエンティストを目指して何をしてきたか
21.
わからん・・・ スーパーマンやんけ・・ • 機械学習 • ディープラーニング •
Python、Tensorflow • ビッグデータ • SQL • Google Analytics • Social Listening • 回帰分析 • 正規分布 • 行動経済学 • 3C、4P、SWOT • 人工知能 • AI • データマイニング • Web広告 • ECサイト • 統計 • コンサルティング • マーケティング 見えていた不安は、一度忘れて・・・ Keywords ツールと紐付ける イメージ
22.
• 機械学習 • ディープラーニング •
Python、Tensorflow • ビッグデータ • SQL • Google Analytics • Social Listening • 回帰分析 • 正規分布 • 行動経済学 • 3C、4P、SWOT • 人工知能 • AI • データマイニング • Web広告 • ECサイト • 統計 • コンサルティング • マーケティング 分野とか領域でくくってみて・・・ Keywords ツールと紐付ける イメージ
23.
• 機械学習 • ディープラーニング •
Python、Tensorflow • ビッグデータ • SQL • Google Analytics • Social Listening • 回帰分析 • 正規分布 • 行動経済学 • 3C、4P、SWOT • 人工知能 • AI • データマイニング • Web広告 • ECサイト • 統計 • コンサルティング • マーケティング 興味や好きでいくつかを選んでもいいのでは? Keywords ツールと紐付ける イメージ 面白そう 面白そう 面白そう
24.
• 機械学習 • ディープラーニング •
Python、Tensorflow • ビッグデータ • SQL • Google Analytics • Social Listening • 回帰分析 • 正規分布 • 行動経済学 • 3C、4P、SWOT • 人工知能 • AI • データマイニング • Web広告 • ECサイト • 統計 • コンサルティング • マーケティング こういう貢献ができるのでは? とイメージが湧いたら万歳 Keywords ツールと紐付ける イメージ 面白そう 面白そう 面白そう
25.
何が言いたいかって・・・ 結局データサイエンティストって 普遍して言える共通イメージがない 好きや興味の組み合わせ分だけ “異なる色を持つ” データサイエンティストが存在していい 今のとこ、これが真相 じゃないかな? (575
字余り)
26.
目次 1. データサイエンティストとはなんなのか 2. データサイエンスそのものを考えてみる 3.
結局データサイエンティストとはなんだったのか 4. データサイエンティストを目指して何をしてきたか
27.
目次 1. データサイエンティストとはなんなのか 2. データサイエンスそのものを考えてみる 3.
結局データサイエンティストとはなんだったのか 4. データサイエンティストを目指して何をしてきたか (実は面白そうと思ったことをしてきただけ、偉い方ごめんなさい・・・)
28.
自分の興味や好きを考える DX ML,DL 統計 マーケティング 経営 ※まだ興味だけ 2020現在 業務上必要な分野 興味先行の分野
29.
データドリブン経営、DX(Digital Transformation) まず日本や世界の動きを知ったほうがいい、と思っている。 【中国から見るDXのいま】 ・アフターデジタル/アフターデジタル2 (書籍、詳しくはhttps://www.bebit.co.jp/) →After
Digital Camp (Bebit社、アフターデジタルのオフ会的な何か) 【日本から見たDXのいま】 ・DXセミナー(名前は忘れた・・・) →ためになるような、ならないような・・・
30.
ML(Machine Learning)、DL(Deep Learning) 機械学習やディープラーニングを学問としてやってなかったので 俯瞰しながら、ハンズオンしながら学んでみた。 【手っ取り早く資格勉強で俯瞰する】 ・g検定(ジェネラリスト検定)(https://www.jdla.org/certificate/general/
) →技術そのもの、強み弱み、最新動向、法律関係etcを俯瞰的に学べた 【手を動かしてみる】 ・松尾研究室 演習コンテンツ(https://gci.t.u-tokyo.ac.jp/ ) →pythonを学びつつML/DLを学ぶ。なかなか進んでない・・・
31.
統計 数字を扱う人なので、数字の確からしさや有意かの判断はできたほうがいい 【基本を体系的に学ぶ】 ・統計検定(https://www.toukei-kentei.jp/)まだとってはない →3級で基本的な知識、2級があれば業務上困らない(?) みんな「統計ウェブ」で勉強してる? 復習として、優しめの本も買ったりしてみた。 ・やさしく学ぶ データ分析に必要な統計の教科書 ( https://www.amazon.co.jp/dp/B07DVF194F/ref=cm_sw_em_r_mt_dp_nVQjFb9JSZ9R1
)
32.
マーケティング(デジタルマーケティング含む) マーケッター的発想(市場の感覚・心理)を身につける。 【実例を俯瞰する】 ・JDMCカンファレンス(2019年:http://www.seminar-reg.jp/jdmc/dm2019/ ) (日本データマネジメントコンソーシアム主宰、毎年3月) →データドリブン感度高め企業の実例(PMがハンズオンが面白い) 【 コロナ影響で行けなかったので行きたいという希望】 ・Bizgine
Day ・日経クロストレンドexpo
33.
今のぼくに見えている世界 • データサイエンティストとは未だに何を指すのかわからない • 唯一言えるのはデータを扱う人であること •
データサイエンスには多様なスキルが内包されるべき • 得意、貢献できる、好きだ、と思える分野を学び、 あるいは触れていれば良いのではないか (データに触れていれば) • ひとまず面白いことをしてれば正解でよくない?(暴論)
34.
だから例えばこれを、 入社からのこれまでの3年間、業務・情報収集・資格対策・個人活動を通してデータサイエン スというものに触れ、考えてきたつもりです。社会人としてもデータサイエンティストとし ても歴の浅い今こそ見える世界を “現時点” の
“雑感” として自身の思考をまとめ、資料化しま した。 「データサイエンティストとは多種多様であるべき」というのが今の自身の考えであり、本 資料が “個々人の考える” データサイエンティスト像を形成する一助となれば幸いです。その ため見識の相違は大歓迎です。ただしあくまで “雑感” の域を出るものではありません。情報 の確度や一連の記述の論理性が必ずしも担保できるとは限りません。 (わたしの頭の中は散らかっており情報・社会情勢は変動的であり、その時々で個々の思想は変わるはずです。)
35.
こうして、(*) 入社からのこれまでの3年間、業務・情報収集・資格対策・個人活動を通して データサイエンスというものに触れ、考えてきたつもりです。 社会人としてもデータサイエンティストとしても歴の浅い今こそ見える世界を “現時点” の “雑感”
として自身の思考をまとめ、資料化しました。 「データサイエンティストとは多種多様であるべき」というのが今の自身の考えであり、 本資料が “個々人の考える” データサイエンティスト像を形成する一助となれば幸いです。 そのため見識の相違は大歓迎です。 ただしあくまで “雑感” の域を出るものではありません。 情報の確度や一連の記述の論理性が必ずしも担保できるとは限りません。 (わたしの頭の中は散らかっており情報・社会情勢は変動的であり、その時々で個々の思想は変わるはずです。)
36.
こうしたら、ちょっと読みやすくない? 入社からのこれまでの3年間、業務・情報収集・資格対策・個人活動を通して データサイエンスというものに触れ、考えてきたつもりです。 社会人としてもデータサイエンティストとしても歴の浅い今こそ見える世界を “現時点” の “雑感”
として自身の思考をまとめ、資料化しました。 「データサイエンティストとは多種多様であるべき」というのが今の自身の考えであり、 本資料が “個々人の考える” データサイエンティスト像を形成する一助となれば幸いです。 そのため見識の相違は大歓迎です。 ただしあくまで “雑感” の域を出るものではありません。 情報の確度や一連の記述の論理性が必ずしも担保できるとは限りません。 (わたしの頭の中は散らかっており情報・社会情勢は変動的であり、その時々で個々の思想は変わるはずです。)
37.
こうしたら、ちょっと読みやすくない? 入社からのこれまでの3年間、業務・情報収集・資格対策・個人活動を通して データサイエンスというものに触れ、考えてきたつもりです。 社会人としてもデータサイエンティストとしても歴の浅い今こそ見える世界を “現時点” の “雑感”
として自身の思考を資料化しました。 「データサイエンティストとは多種多様であるべき」というのが今の自身の考えであり、 本資料が “個々人の考える” データサイエンティスト像を形成する一助となれば幸いです。 そのため見識の相違は大歓迎です。 ただしあくまで “雑感” の域を出るものではありません。 情報の確度や一連の記述の論理性が必ずしも担保できるとは限りません。 (わたしの頭の中は散らかっており情報・社会情勢は変動的であり、その時々で個々の思想は変わるはずです。) (もう少し工夫すれば)*スライドと比べても読み速度13%向上! (小林・関口・新堀・川嶋、“文節単位を考慮した文字配置の工夫がもたらす日本語電子リーダーの可読性向上”、人工知能学会論文誌、2017) メールやサイトの文章改善につながって CTR/CVRが改善されるかもしれない (極論かな?暴論かな?でも人工知能学会の論文を引用してみたよ?)
38.
最後に というような 「データサイエンス」「データサイエンティスト」も 認められて欲しいなあ、と思っています。 おわり (決して「データの奴隷」にはならないよう願いを込めて)
Hinweis der Redaktion
このように進行します
まずはじめにデータサイエンティストとはなんなのかを考えてみましょう
いきなりですが皆さん、「データサイエンティスト」ってなんなんでしょうね? 「データサイエンティスト」と聞いて何を思い浮かべますか?
スキルを思い浮かべますか? あるいはヒトを思い浮かべるかもしれません。
では視点を変えてみます。 「データサイエンティスト」は何をするヒトでしょうか?
こんなふうに考える人もいるかも、と思いました(実はぼくです)
こんなふうに考える人もいるかも、と思いました(実はぼくです)