しん@データサイエンスとPythonスキル
@logi_data_use
データサイエンスのPythonスキルからお仕事まで発信 | データサイエンスで必要になるスキルや身につけ方とリアルなお仕事風景を分かりやすく解説 | 企画→設計→開発→運用までデータサイエンティストと機械学習エンジニアをやっています。データ分析やデータ活用、AI系のツール開発のご依頼やご相談はDMまで。
Vous pourriez aimer
最近はAIを使い倒していますが、コンテキストをどう伝えるかが有効に使えるかのポイントだと思います。 例えば何かのタスクをやっているときに暗黙的に捉えてるコトがあり、コンテキストが伝わっていない場合はagent系も暴走します。 でもこれ人間とお仕事する時も同じだなぁと学びですね笑
Nvidiaの株価、すごい動いてますね。 AI文脈でGPUを大量に欲しているのが誰なのかと、今回のDeepSeekの画期的な部分が「もっと良い学習のやり方あるよ」な側面が今後の注目されるポイントだと思います。…
明けましておめでとうございます！ 昨年度は既存事業の拡大展開もあり、Xの方は全然触れられませんでしたが、今年はXの方も時間を使って活動していく予定です。 AI利用とデータサイエンスの部分でより良い知見とサービスを提供します！ 改めてよろしくお願いいたします！
プログラミング能力やAI開発において重要なこと。"あれ？どうやったらできるかな...？"と考えて自分なりな答えを考える時をどれだけ持てるかなんです。教材や誰かから教えてもらうと基礎力は付きます。けど"どうやって形にするか？"は経験面が大きいので自分の手と頭を動かしていくしかないのです。
AI開発をやるなら数式とモデルの指定パラメータをしっかりリンクさせて実装しよう。AIを学び始めの頃は"まずは動くものを作る"でも大丈です。けれども"ちゃんと使える"AIを作りたいなら、実装時のちょっとしたパラメータにも気を配って、"目的を達成できる"学習や予測に寄せる必要があるのです。
プログラミングとデータサイエンス初心者の方へ。 プログラミングを学び始めたときに基礎的な文法ばかり勉強するので「勉強している意義がわからなくなる瞬間」が来ると思います。私も実際に初めの頃は疑問に思いましたし、多くの方が抱える悩みかと思います。 けれども“ここ“が耐えどきです。…
データサイエンスの活用イメージって、一言で表すなら"交通整理"なんですよね。データやAI周りの知恵をどれだけ現実の問題の様々な条件にフィットさせながら適用させる方法を考えるのが重要なんです。アルゴリズムやモデルを知って終わりじゃない。何をどうやって活かすかを考えるのが大切です。
プログラミングを学習するなら"まずは動くもの"を意識するのは大事です。けれどもAIやデータサイエンスなどの分野では"動くだけ"のものは当然使えない。どんな場面に対して何をアウトプットしたいのか？これを頭を使って色々と捻り出すのが重要なのです。課題へ適切に考えられる力が大切なんです。
Pythonを学ぶロードマップはコレ。 1. 基本の文法+list, tuple, setなどを押さえる。 2. データ処理を行うなら、numpy, Pandasあたりも必要 3. 自分のやりたい処理に関するライブラリを選定する (+αでもっと使えるようになるなら次も追加) 4. 効率的な処理のための外部API利用や並列化…
"データを効率的に扱える"想像以上にこの力は重要です。実務としてデータを扱うとデータ量に圧倒されることが多い。勉強して学んだ手法ではビッグデータを扱うには時間がかかりすぎるなどの問題がどこかで出てくる。だからSQLなども学んだりしてデータハンドリングの引き出しを増やすと良いんです。
Python3.10から導入されたmatch文の良い方としてはmatchにlistなども使えるという点です。つまり変数がintやstringなどの単一の状態だけではなく、listなどに格納した複数の判定結果などを利用できるのが強みだったります。
Pythonのmatch文はご存知でしょうか？3.10以降で使えるので、使えそうな時は使ってみましょう。他の言語で言うswitch文のような実装ができますよ！
データサイエンスを使いこなせる人は〇〇が違います。それはデータの"比較"や"変化"にとても敏感なのです。同じグラフや数値を見ても「あれ？なんかこの数字に違和感がある」「Aに対してBという数字がこうだから...」とかの考えを展開できるのです。どんな人でも訓練さえ踏めばできるようになります。
生成AIの分野の広がりがどんどん加速していますね。AIや関連領域の先見の明を持つためにも技術的根幹となるデータサイエンス、機械学習、AIといった分野を学ぶべきです。大事なのは「AIに代替される...」と心配することではなく、それを学んで取り入れていくことです。 forbesjapan.com/articles/detai…
AI系のスキルを学ぶ際には"広さ"と"深さ"を意識しよう。AI系の勉強は適用分野も多く、全てを勉強しようと思うとものすごく時間がかかります。けれどもずっと同じ手法や分野ばかりだと新しい引き出しも増えない。だから、"今の目標に沿う深い学習"⇔"新規の範囲での学び"の学習バランスが必要です。
AIとかデータサイエンスの手法を学んだときに"何に活かせるのか？"を考えたり、調べたりすることはとても大事です。AI系の技術はビジネスなどに適用してこそナンボです。こういった知識の整理を日頃からできると、いざ適用させるときに考えの広さや深みが出ます。日頃から思考訓練をしてみましょう。
Pythonのmatch文はご存知でしょうか？3.10以降で使えるので、使えそうな時は使ってみましょう。他の言語で言うswitch文のような実装ができますよ！
データサイエンスのお仕事はプログラミングやAIの知識そのもので価値を出すものではありません。ビジネスや個人の解決したい問題に対してビシッと効くやり方を考えることに価値があります。つまり問題適用力とも言えます。知識量と思考の場数がモノを言うのでデキる人はかなり重宝されちゃいます。
Pythonでかなり使う"スライス"。基礎は押さえられていますか？これをどれだけ上手く使えるかで実装も効率的かどうかが変化します。しっかり基礎を押さえよう！
プログラミングやデータサイエンスを学ぶなら"作りたいもの"をまずは考えてみよう。作りたいものがあるからモチベも続くし、関連の学習も意欲的にできる。手法から学んでも良いけど、大抵の場合は学習に時間がかかってしまう。作りたいものを作りながら実装や発想の訓練をすれば学習も続くものです。
データサイエンスの知識やスキルは"関係ない職だから..."とか言っていられなくなると思います。より定量的に物事を考えて仕事を進めていく力がどんな世代でも求められると思います。 news.yahoo.co.jp/articles/a0a27…
United States Tendances
- 1. D’Angelo 302K posts
- 2. Erika Kirk 39.9K posts
- 3. Young Republicans 16.2K posts
- 4. Pentagon 110K posts
- 5. #PortfolioDay 17.6K posts
- 6. Politico 178K posts
- 7. Presidential Medal of Freedom 68.5K posts
- 8. Brown Sugar 21.5K posts
- 9. Big 12 N/A
- 10. Angie Stone 35.4K posts
- 11. Drew Struzan 30.4K posts
- 12. David Bell N/A
- 13. Scream 5 N/A
- 14. Black Messiah 11.4K posts
- 15. Venables 3,891 posts
- 16. Milei 284K posts
- 17. Soybeans 5,913 posts
- 18. George Strait 4,240 posts
- 19. NHRA N/A
- 20. Burl Ives N/A
Vous pourriez aimer
-
たてまち
@tatemachi_site -
よしよし🌸電子書籍出版新着1位
@yoshiyoshi3123 -
うさぎ@自動化×KPOPアフィリで月4万円
@usagi_fukugyou -
まめた＠現役教員FP（2027社労士へ転身予定）
@mameta_design -
ヤシ_出世リーマン
@yashi_z -
だるま
@daruma7600 -
いけいけどんどん＠在宅副業で稼ぎたい
@TSSCreative -
まさこ@『電気のレシピ』の著者
@masakodenki -
みわにゃ🎹コンポーザーピアニスト
@miwanyamo -
あゆむ|笑顔の循環をデザインする朝活コーチ | 自分らしい人生を目指す人を応援
@RealiseLab -
ノブ
@nobsan_com -
たろパパ@『整える習慣』
@shotr_papa -
かめかめ@“かめの歩み”で人生好転🐢
@kamegogo -
まつだ@キャリアの気づきを与える
@free_matsuda -
みき／事業伴走デザイナー
@mk_webD
Something went wrong.
Something went wrong.