投稿元:
レビューを見る
浅い。基本スキルというか後半はデータサイエンティストストのお仕事紹介的な。そんなのスキルでもなんでもない。
投稿元:
レビューを見る
データサイエンティストは何ができるか。
デジタルマーケティングの分野。以前はCRM(カスタマーリレーションシップマネジメント)、これからは感情も考慮したマネジメント=CX(デジタルエクスペリエンス)。
配送最適化
ダイナミックプライシング
AI発注=需要予測
スポーツデータサイエンス=能力の最大化、けがの防止など
ピープルアナリクス=人材マネジメント
統計の原理を知っておく
中心極限定理、大数の法則
信頼区間
仮説検定
相関係数
ベイズ統計=モンティホール問題
因果推論
AI・機械学習・ディープラーニング
アルゴリズム
回帰分析=最小二乗法、P値
多重共線性=重回帰分析
ロジスティック分析
決定木、LightGBM
クラスタリング、k-means、
主成分分析
ベイジアンネットワーク
時系列分析
prophet
自然言語処理、GPT-3
交差検証(クロスバリデーション)
自動機械学習(AUTOML)
データ分析は統計ソフトを使う前の前処理が多くなってきた。データ分析の8割を占める。
POSからID-POSへ=パーソナルマーケティング。
関連資格
統計検定2級以上、データサイエンティスト検定、基本情報技術者、G検定、統計検定(データサイエンス)、Python3エンジニア認定検定、ビジネス統計スペシャリスト
投稿元:
レビューを見る
データ関連について少しアップデートすべく読書。
基礎的な部分や現状の具体的な活用文脈などにも触れられており、基礎的な知識拡充にはよき。
メモ
・ピープルアナリティクス
属性データ
性格志向データ
勤務データ
行動データ
・ロジスティック回帰 目的地が2値のときに用いる。
・Light GBM勾配ブースティング
予測と実測誤差を計算し、誤差を決定木で学習する方法。
・顧客ベースでまとめるのがクラスタリング、属性ベースでまとめるのが次元削減。教師なし学習で用いられる
・ベイジアンネットワーク 条件付き確率から因果関係強さを判断する。
・データサイエンティストが直面する課題
欠損値を除くために3日徹夜
・担当者の直感に合わないモデルは使われない
投稿元:
レビューを見る
データサイエンティストがどのような仕事で、どのような能力が必要かを知ることはできるが、本書から学ぶことはほとんどない。
投稿元:
レビューを見る
基本的な知識としての統計学(中心極限定理、t検定、仮説検定など)から機械学習ツール、データサイエンティストの業務内容やよくある顧客側の誤解などが広く浅く紹介されていた。
データサイエンティストには、データ分析力だけでなく、顧客や担当者に納得してもらうための説明力、分析と予測結果を踏まえて実際に実行可能な最適な行動を提案する能力、収集されたデータを使ってどのような価値を産み出せるかを想像する能力が求められる。
投稿元:
レビューを見る
野村総研のメンバーが執筆。
見開き1ページ完結の形式で、薄く幅広く解説。
コンサルらしく、会社での苦労話が生々しい。
気楽に読める。
データサイエンティストが持つべき資格を紹介
投稿元:
レビューを見る
ビジュアル データサイエンティスト 基本スキル84
編:野村総合研究所 データサイエンスラボ
日経文庫
内容は、3つ 統計学、人工知能、データ分析
ビッグデータを取り巻く、データ処理の図鑑、とっかかりにキーワードを見つけたり、関連を調べたりする見開き1頁のサマリ集
データサイエンティストとは、データをビジネスに活用できる人
2021年3月時点で、大幅に不足しているのが、データサイエンティスト
データサイエンティストに必要なのは、
①ビジネス力+②データサイエンス力+③データエンジアリング力
■統計学
移動平均法
指数平滑法
自己回帰法(AR)
状態空間モデル
分散
信頼空間
仮説検定
相関とベイジアンネットワーク
回帰分析、最小二乗法
多重共線性
デシジョン・ツリー
■人工知能
AI発注
機械学習 ①教師あり学習、②教師なし学習、③強化学習
ディープラーニング
アルゴリズム
自然言語処理
GPT
過学習
クロスバリデーション
自動機械学習
テキストマイニング
自然言語処理
画像認識
音声認識
■データ分析
アトリビューション分析 広告接触経路把握、媒体貢献度の分析
アクセス解析 サイトへの流入や再訪の状況の解析
デジタルマーケティング CRM⇒CX 顧客満足度向上から顧客体験へ
巡回セールスマン問題
ダイナミックプライシング
ピープルアナリティクス 人物の属性データ、性格・志向データ、勤務データ、行動データ
分析モデル
データエンジニアリング (Python +ライブラリ、クラウド
マーケティング(因果関係の分析)
■他
・データサイエンティストが直面している課題
前処理、クレンジング、ETL
・欠損データの予測
・機械学習のモデルの試行錯誤
・ハードウエア、ソフトウエア、ツール面の制約
・データサイエンティストの資格
・データサイエンティストのキャリアパス
目次
第1章 身近にあるデータサイエンティストの仕事
第2章 知っておきたいデータサイエンティストの基礎知識
第3章 データサイエンティストが行う分析の実務
第4章 データサイエンティストが直面している課題
第5章 データサイエンティストが持つべき資格
第6章 データサイエンティストになるキャリアパス
第7章 これからのデータサイエンティストに求められるもの
あとがき
ブックガイド
索引
ISBN:9784296114948
出版社:日経BP 日本経済新聞出版
判型:新書
ページ数:200ページ
定価:1000円(本体)
発行年月日:2022年12月
発売日:2022年12月14日1版1刷