"データ分析"投稿一覧

藤野博行

エンジニア

企業に寄るかと思います

私の知っている企業では

データサイエンティスト　博士号もち　アウトプットはスライドがメイン　Python/Rは使ったり使わなかったり　最新論文のキャッチアップもはやい
機械学習エンジニア　ごりごりにPythonで機械学習のコードを書ける　最新ライブラリのキャッチアップも早い

データエンジニア　機械学...

金丸 秀夫

エンジニア

2024年8月、日本で現物取引量が最も多かった仮想通貨はXRPで、約8億3,710万単位の取引が行われました。同月、最高取引額を記録したビットコインは、約13万6,000単位の取引量に達しました。

金丸 秀夫

エンジニア

はじめまして！
私は、5年以上にわたりブロックチェーン技術の開発に携わってきました。
スマートコントラクトの作成やNFTの構築など、多岐にわたる分野で豊富な経験を持っています。
ブロックチェーンに関する案件については、柔軟かつ迅速に対応可能です。
ぜひお気軽にご相談ください。
よろしくお願いいたします。

金丸 秀夫

エンジニア

ブロックチェーン技術の5つの主要な課題

・スケーラビリティ
ブロックチェーンネットワークは、トランザクションの検証に高い計算能力を必要とするため、処理速度が遅くなり、非効率的になる場合があります。ユーザー数、トランザクション数、アプリケーション数が増加すると、それらを迅速に処理・検証する能力に負担がかかります。その結果、高速なトランザクション処理が求められるアプリケ... 続きを見る

hiroaki

プロジェクトマネジメント

機械学習エンジニアは、AIに対する機会学習教材の提供などプログラミング技術などのスキルが求められる純粋なITエンジニアの一種です。反対にデータサイエンティストは、AI・IoT・ビッグデータ等のテクノロジー分野に関わりますが一番必要なスキルとしては数学・統計学・経済学等のどちらかというとアナリスト分野の仕事です。

石川寛之

プロジェクトマネジメント

知り合いヅテ
Wantedly、ユートラ、複業クラウドなどの求人媒体から探す
Twitterでキャッチアップ（気になる企業の人事垢や採用担当垢をフォローしておく）
クローズドなCommunityに入る

などですかねー。
コミュニティとかに入っておくと、仕事や求人紹介でdmでやり取りできたりしますよ！

kentaro haneda（jumbo）

エンジニア

- 知り合い経由
- Offers

ですかねー
ただどれもすでにあるスキルを切り売りしたりがメインになってくるので、「スキルアップのために副業したい」は受入側のコストが大きいと思うのでかなり難しいと思います。「期待されているAという領域では発揮できるので、それ以外のBは挑戦になってしまうがやらせてほしい」というコミュニケーションがフラットにできるような環境... 続きを見る

Shinichi Kogiso

デザイナー

こちらもあくまで自分の例ですが…

・知り合いづて
・twitter経由
・副業サイト(Offers,ユートラなど)

が多いです。最近だと特にtwitter 経由が多いかもです。

Taketo Yoshida

エンジニア

自分の場合です。

- 知り合い経由
- Offers（もちろんｗ）
- 正社員を募集してる所に副業を打診してみる

自分の場合だとこれらが多いですかね。

大井竹昭

データ分析

基本はあまり差がないかと

案件によっては

機械学習エンジニアはエンジンを設計したり作ったりする人→結果的にビジネスにプラスのインパクトを出す

データサイエンティストはエビデンスベースドにビジネス的な領域に踏み込んでパフォーマンスを発揮するための施策立案をはじめ、なんでもやる人

なイメージで切り分けられてる気がし...

Yukihiro Kato

データ分析

自分の考えですが、スキルアップだととにかくさまざまな分析事例に触れるのが良いかなと思います。Kaggleや副業案件を見たり、データ分析界隈のFacebookグループに参加したり、イベントに参加したりすると自分が行ってきた視野の狭さを感じることがあるので、良い刺激にはなるかなと思います。

仕事や収入につなげたければ、ポートフォリオなどを作ってみるのも一つかなと思います。

細澤 和弘

エンジニア

少子高齢化もあり、it人材は年々減少することから兼任する事は増加するのではないでしょう

大井竹昭

データ分析

ツールがという意味では楽になりますが、つかえるという意味で難易度が下がるわけではありません。
以下に状況を解析し、それを分析手法に落とし込むことができるのか、というスキルは今後さらに重要性を持っていくものと考えています。

また、ツールが便利になればなるほど、やってはいけない分析というところに踏み込みやすくなってしまいます。適切に説明ができるというところはツールには依... 続きを見る

大井竹昭

データ分析

弊社の場合でお話しさせていただきます。
残念ながら、アナリストとしては定量的な目標設定にはなっておりません。
ビジネス価値をどれだけ創出できるか、という評価軸もあり、そちらは定量評価になっております。
以下をご参考にお願いします。

マネージャー
クライアントの目標設定を誘導しつつ、分析ロジックを構築し、意思決定を誘引し、その意思決定をビ... 続きを見る

池田徳正

エンジニア

それは分析の手法にもよるし、データの性質にもよる、さらには実際にデータを取ってみないといけないというのが分析のおもしろいところだと思います。

たとえば、ボタンのA/Bテストを考えます。クリック率が30% - 60%だったら、100サンプルもあれば結論が出ますが、クリック率が3% - 5%だったら、100サンプルだと何も分かりません。これは単純なカイ二乗検定の話なので、必要サン... 続きを見る

sk

データ分析

データサイエンスはどちらかと言うとアルゴリズムの細かい話よりも使い方の方が大事だと思います。

例えば一つの問題に対し、解釈の仕方次第でそれをクラス分類と回帰のどちらでも解ける様なケースも時々有ったりします。

その時、どちらが良いかはアルゴリズムと言うよりも使い方、目的次第で異なります。

又、どのアルゴリズムが精度良く当て込めるかは複... 続きを見る

M

データ分析

まだまだこれから新しい手法が開発されて勉強する価値があり、将来性があると思います。

大好き!! ダッフィー

プロジェクトマネジメント

どの分野で働いたとしても日々情報の更新のために勉強は必要です。

Ryo Saotome

エンジニア

コミュニティ等で継続的に活動して自己研鑽に努める。

大井竹昭

データ分析

大学院レベルで2〜5年。