本で読んだ知識をドヤ顔で紹介したら、その実験には再現性がありませんでした。 そんな恥ずかしい記事を書いたブロガーは誰でしょう？ そう、私です。 ステレオタイプ脅威はありますん ちょっと前に「ステレオタイプ脅威」の記事が話題になっていた*1。 世の中には「女性は数学に弱い」というような負のステレオタイプがある。自分のアイデンティティがそれに該当していると意識してしまうと、実際にパフォーマンスが落ちるというものだ。これは様々な実験の結果によって示されている。というのが記事で紹介されていた話だった。 ところが現在、その「実験結果」は再現性が無いと言われている。ステレオタイプ脅威の根拠は実験結果にあるというのに、その土台は不確かなものであるのだ。 とくに、最近の研究ではほとんど再現性がないとされている「ステレオタイプ脅威」について、リベラルバイアスにも言及しながら議論しているのが印象的。 日本では
統計屋のあんちべ（@antibayesian）です。 さまざまな企業でデータ解析やコンサルを請け負ったり、データ活用部署の立ち上げをしたりしながら生活しています。 この記事では、データ活用系職種のキャリアプラン形成に悩んでいる方の参考になればと、私のこれまでのキャリアや、キャリアプランニングの考え方についてシェアしたいと思います。 というのも、データ活用系職種の中でも特に2010年くらいから注目を集めている1データサイエンティスト界隈のキャリアは、まだ職種として歴が浅いこともあって不透明な部分が多く、データサイエンティストなるものの解釈やポジションも多様なため、先行きに懸念を抱いている方も多いかと思います。 また、周辺環境も日進月歩の勢いで成長しています。例えば、全自動で簡単に売上予測や画像の分類などができるCloud AutoMLというサービスも提供されています。この手の仕組みはどんどん
5月8日から，突然 #検察庁法改正案に抗議します というタグがトレンド入りしました． どのくらいの量ツイートされたのかを見てみると，5月8日20時から5月11日15時までの間に，リツイートを含めて4,732,473件，リツイートを除くと，564,797ツイート，拡散に関わったユーザは588,065アカウントでした． 1時間ごとのツイート数を見るとこんな感じ． なんでこんな爆発的に広まったんでしょうか．これだけ広まると，逆にボットとかスパムの影響じゃないの？と考えてしまうのがソーシャルメディア研究者の基本です． というわけで，調べてみましょう． 早速データを収集します．今回は周辺データも見ようということで，「#検察庁法改正案に抗議します」だけじゃなくて，「検察庁」「定年延長」「三権分立」でデータを収集しました． ツイートしたのはボットだったのか？まず最初に疑われるのが，ボットが大量にRTした
Microsoft Learn では、対話的な方法で、従来の機械学習の概要を理解することができます。 これらのラーニング パスは、ディープ ラーニングのトピックに移行するための優れた基盤にもなり、各自の生産性を向上させます。 最も基本的な従来の機械学習モデルから、探索的データ分析やカスタマイジングのアーキテクチャまで、ブラウザーを離れることなく、概念的内容や対話型の Jupyter Notebook を簡単に把握することができます。 知識と興味に応じて自分のパスを選択してください。 オプション 1: 完全なコース: 機械学習のためのデータ サイエンスの基礎 ほとんどのユーザーには、このパスがお勧めです。 これには、概念の理解を最大限に高めるカスタム フローを備えた、他の 2 つのラーニング パスと同じモジュールがすべて含まれています。 基になる概念と、最も一般的な機械学習ツールでモデルを構
(Image by Pixabay) 「データサイエンティスト」の第一次ブーム勃興から6年余り、人工知能ブームに便乗した第二次ブームで人口に膾炙してから3年余り、気が付いたら何やかんや言われながらもデータサイエンティスト及びその類似職が、じわじわと日本国内の産業各分野・企業各社に広まりつつあるように僕の目には映ります。 そういう背景がある中で、ここ1年ぐらいの間にそこかしこで目立つようになってきたのが「ゼロからデータサイエンティストを育てたいのだがどうしたら良いか」という相談や議論。割とあるあるなのが「取引先がデータサイエンティストを採用して商談の席に同席させるようになって、彼らがデータサイエンスの知識を駆使してビシバシ突っ込んでくるのだが、こちらにデータサイエンティストがいないので対応できない」みたいなお話。これは実はUSでも同様だと聞くので*1、案外洋の東西を問わない課題なのかもしれま
以下では、フェミがオタク叩きをする根幹思想”社会構築主義”とは？における主として次に挙げる2ツイートの問題点の指摘と、関連して宇崎ちゃんの献血ポスターについての議論を行う。 そもそも 「社会構造ってなに？ どこにあるの？ どうやって見つけるの？ それは反証可能性あるの？」 って、どの研究書を読んでもまともに書いてない。ただ、「ある」ってことを前提にして話をしてる。 そもそも「社会構築主義」に限らず、社会学において、社会構造と人間の行為の関係は、最も根本的なところでまったく解明されていない。 人間が社会構造を作り、その社会構造が人間を規定するというのがどういうことなのか(ミクローマクロリンク問題)、社会学出来てから100年以上全くわかってない。 この文章を書いた理由としては、上記Togetterがあまりに「社会学」についてのひどい誤りを書き散らしているにもかかわらず「参考になった」的なコメン
就業者数は過去最高で完全失業率も1980年代後半の水準まで低下してきましたが、 totb.hatenablog.com 賃金（現金給与総額）の伸びは依然として緩慢です。*1 フルタイム換算平均賃金（PPP）をOECD主要国と比較します。 金融危機の1997年→2016年は唯一のマイナスで、 世界金融危機の2007年→2016年も南欧の劣等生と大差ありません（ギリシャは別格）。 増える就業者と増えない賃金を繋いでいるのが、好調な企業業績です。 ウォーレン・バフェットは資本家（投資家）が階級闘争に勝利したと言っていましたが、 Warren Buffett: "There’s been class warfare for the last 20 years, and my class has won" http://t.co/a5haX6LF via @ThePlumLineGS — Washi
5/11付けエントリでクルーグマンが以下の2枚のグラフを示している。 クルーグマンによれば、これらの図は自然失業率仮説がもはや成立しなくなったことを意味するという。曰く： Underlying the natural rate hypothesis is “accelerationism”: the idea that low unemployment will lead not just to high inflation, but to accelerating inflation, and conversely that high unemployment will not just reduce inflation but lead to ever-falling inflation. Accelerationism used to look like a pretty good
読者の皆さんは、年末から年始にかけて2018年の様々な予測をマスコミ等でご覧になったのではないでしょうか。 有名なエコノミスト等が「今年の日経平均株価は○○円になる」「ドル円は○○円になる」等々と予測をしています。 もちろん金融機関も、年末年始といわず様々な局面で予測をします。 朝のテレビ番組で「本日の金融市場の予測」を出してみたり（ただし、金融機関の従業員個人としての予測となっていますが）、資産運用会社が運用商品の説明・運用報告の中でマーケットの予測を行っています。 これは筆者の感覚でしかないのかもしれませんが、エコノミストだろうと金融機関だろうと、とにかく将来予測は当たらない可能性の方が高いのが現状です。 例を挙げればキリがありません。 「マーケットのプロ」の中で、ビットコインをはじめとした仮想通貨が2017年にあれほど上昇すると年始に予想した人はどれぐらい存在したでしょうか。 原油価
今回は「ほぼＲしか使ったことがない」人間*1が、できる限り二者の優劣をくっきり述べる。 僕はほとんどＲしか使ったことがない。Pythonはtfidfやクイックソートをライブラリ無しで実装した程度。 前半の主張は以下である。 「過去のＲでの１０回程度の解析において、Ｒで不十分さを感じてPythonを使った経験は１度だけ、しかも部分的にしかなかった。Ｒの使いにくさを感じることも最近はだいぶ無くなった。だから初学者には「事足りる」Ｒを勧める。」 前半の主張 今までにＲでやった解析の内容は大体以下である。 （未発表）は途中で頓挫した、もしくは現在進行中／契約により詳細＆解析結果の公開不可能のプロジェクトである。 [ビジネス・製造業] 米国新車価格の線形重回帰分析（授業の期末課題） [ビジネス・不動産] 不動産賃貸価格の線形重回帰分析（発表スライド） [ビジネス・ＩＴ] ＥコマースサイトのＡＲＩＭＡ
サービス終了のお知らせ NAVERまとめは2020年9月30日をもちましてサービス終了いたしました。 約11年間、NAVERまとめをご利用・ご愛顧いただき誠にありがとうございました。
（2013/11/08: 補足を書きました。Googleのヒット件数について（続き）） 「Googleの検索件数は当てにならない」と言うと、多くの人は「何をいまさら」という反応かもしれません。 当てにならないことぐらいわかってるよ、と。 でも、「当てにならない」でイメージするものがどの程度かは人によって違うと思います。 結果が2倍ぐらい違ったりする、程度に思っている人もいるかもしれません。 しかし、実際はそんなレベルでの話ではありません。 「本当は50件なのに500,000件と返ってくる」ようなことも珍しくありません。 たとえば、ツイッターで見たネタなのですが、"無い内定式" というキーワードで検索してみます。 267,000件。 多いですね。 ここで、10ページ目をクリックすると、次のようになります。 「59 件中 6 ページ目」*1 一気に4桁も減ってしまいました。 どちらが本当の数字
バプテスマ一人あたり伝道時間がどれだけ費やされているかの統計です。ただしこの統計の中にはバプテスマ人数が99人以下の地域は除いています。統計によると日本は世界第一位です。これは日本の中で増加という観点で見ると効果が上がらない膨大な奉仕時間が費やされていることを意味しています。 計算式： バプテスマ１件当たりの伝道時間 ＝ 伝道時間 ／ バプテスマ件数 解説：この数字は家から家の伝道，再訪問，研究に何時間費やすと一人のエホバの証人が誕生しているかを示す数字です。 つまり数字が高いほど，いくら時間を費やしても信者は増えないことを意味しています。 ソース：エホバの証人の年鑑 2013年 国・地域名 伝道時間（時間） バプテスマ（件数） バプテスマ １件当たりの 伝道時間
VOCALOID 初音ミクの歌のパワーで、統計の基礎を楽しく学んじゃおう。 もうつまらない教科書はいらない！
当サイトは移転しました。10秒後に以下のURLにリダイレクトします。 自動でリダイレクトされない場合、以下のリンクから移動してください。 https://info.ouj.ac.jp/~suuri/_webTohkei/ キャンパスネットワークホームページは教務情報システム(システムWAKABA)に統合されました。 上記に伴い「www.campus.ouj.ac.jp」ドメイン上の各サイトは「info.ouj.ac.jp」に移行されました。 2019 The Open University of Japan
2009年3月23日に成田空港の滑走路で発生した 「フェデックス80便着陸失敗事故」の消火活動の様子。 【記事作成日】2013年8月4日 【カテゴリ】「航空会社」「空港」 【出典】Flight Safety Foundation（航空安全財団） Aviation Safety Network（航空安全ネットワーク） 運輸安全委員会（JTSB） ------------------------------------------------------------------------------------------------------------- メインの記事はこちらのリンクへ。 世界の航空事故の一覧 ワースト50（2013年現在） -------------------------------------------------------------------------
コンビニ勢力地図2024-2025 三重にファミマが多くないか？ このところ三重県と愛知県に行く機会が多かったのだが、車で国道を走ってるとやたらファミマを見る気がしていた。地域によってコンビニの種類に偏りがあるとは思っていたが、実際どうなのか。調べてみたのでお伝えしたい。 これが日本国…
選挙が近づいてきてからよく回ってくるグラフのひとつに、財団法人 明るい選挙推進協会というところが出している「年齢別投票率の推移」というグラフがあります。 このグラフは興味深いんですが、線で繋がった各年代の人々の中身は、選挙ごとにどんどん入れ替わってしまうという問題があります。 たとえばこのグラフによれば、昭和42年の第31回衆院議員選挙では66.69%の、平成21年8月の第45回では49.45%の20代が投票していますが、彼らは同じ人たちではありません。当たり前のことですが、昭和42年に20代だったのは昭和12年から22年に生まれた人たちで、彼らは平成21年には63歳から73歳になっています。 もちろん、ある年頃の人たちがどのように行動するか、という切り口も大事なものなので、このグラフに意味が無いとは思っていませんが、中身を一貫させたデータも見たい、と思いました。 しかしちょっと検索してみ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
