データサイエンス、どの言語を選ぶべき？
08:57
1,005再生
ながら聴きするデータサイエンス
須山敦志
- 01:011.
イントロ
- 05:522.
データサイエンス、どの言語を選ぶべき？
- 02:063.
エンディング
コメント
感想・質問・応援メッセージを書こう
新着の放送
データサイエンティストに求められる「攻め」と「守り」
AI目次
データ分析の成果をビジネスへ繋げる方法とは？効果的なマーケティング施策立案のためのデータ活用とは？データサイエンティストの"攻め"と"守り"、その両立とは？データ分析における"詐欺"を見抜くポイントとは？成功のための継続的な検証と改善のサイクルとは？データ分析で「インサイトを出す」を目的にしてはいけない
AI目次データ分析の目的は"インサイト"ではない「仮説検証」こそデータ分析の真髄外れ値や塊に隠された真実とは？先入観ゼロは幻想？バイアスとの闘い誠実な分析で得られる未来深層学習ブームと生成AIブームは何が本質的に違うか？
AI目次深層学習ブームの技術的回顧と生成AIとの違い生成AIブーム：生成とインターフェースが鍵大規模言語モデル(LLM)の容易さと可能性データ生成とAI進化の未来予想図AI発展の次の10年：人間とAIの共存とは？AIエージェントは一過性の技術かもしれない
AI目次AIエージェントの定義とは何か？AIエージェントと人間の認知能力エージェントによる業務効率化の可能性30年前からのエージェント研究の変遷AIエージェントの未来像：一過性の技術か？データサイエンスのはじめかた
AI目次データサイエンティストへの道筋とは実践的経験と成果のアピール方法未経験からの挑戦：成功への鍵はデータ分析スキルと目的意識の重要性効果的な実績作りの戦略とは使わない方が良い機械学習のテクニック②
AI目次データ欠損値の処理：ゼロ埋めは禁物？異常値の扱い方：捨てる前に原因究明を生成AIによるデータ水増し：錬金術に非ず無理やり二次元変換：画像モデルの誤用機械学習の落とし穴：共有して回避しよう使わない方が良い機械学習のテクニック①
AI目次メタヒューリスティック最適化の盲点とは？説明可能AIの誤用と真の重要性とは？オーバーフィットの罠、その意味の真偽人力最適化の非効率性、その限界とは？手法の説明は本当に必要か？その是非LLMの登場で統計モデリングはどう変わるか？
AI目次LLMと統計モデリングの意外な関係性とは従来の統計モデリングプロセスの変革LLMが拓く仮説構築の自動化オープンな世界でのモデル探索の可能性データサイエンティストの未来像とは？機械学習プロフェッショナルシリーズぜんぶ紹介
AI目次機械学習の基礎固め、確率と統計から始めよう深層学習の理論と実践、決定版入門書話題抽出の技術、トピックモデルの応用とは？大量データ処理の必須スキル、オンライン機械学習予測手法の真髄に迫る、サポートベクトルマシン情報発信することの価値 Part3