回答を投稿して企業にアピールしましょう！
Q&Aで投稿された回答は、
企業側に表示されるプロフィールにも投稿履歴として表示されます。
Offersにログイン・新規登録して、気になるテーマやトピックを話してみよう！
＼回答があります！／
sk
データ分析
2年前
機械学習手法やアルゴリズムの深掘りよりも、適用先として考える分野の知識、ノウハウ。
データサイエンスの成功と失敗を分けるものはアルゴリズムよりも特徴量設計。
特徴量はその名の通り、分析対象の違いが大きく現れる特徴。
これを見つけるのも機械学習任せに出来たとしても、それが本当に正しいという事を知識やノウハウ抜きに導く難しい。
なので、適用先のターゲット、得意分野を決め、その知識、ノウハウを吸収した上で、機械学習アルゴリズムをいかに適用するかを考えられないと駄目と思う。view数 8M
データ分析
2年前
実務では必ずしもデータが豊富にある時ばかりではありません。少ないデータでも良い分析が出来るような技術を勉強すると良いのではないかと感じます。view数 12
嶋田印刷
デザイナー
2年前
今の高校生はPythonを学んでいるらしいです。しかし新興
市場なブルーオーシャンではないですが、競合の少なさと、
今までの簡略化の流れからNestJSとMongoDBは、これから
爆発的にバズ（ヒットす）るかもしれません。
ただしプログラミングだけですと、人は見た目でつられるので、
UIデザインや絵心＝企画力やマーケティング能力や、Web3である
仮想通貨のNFTアートなどのトレンド把握も、個人事業主の場合は
必要です。
しかしデータサイエンティストの場合は、Pythonのアナコンダを
インストールし、金融系はブロックチェーンや、ビットコインの
ノードを作るC＋＋が古くても現実的使用なので開発しても良い
でしょう。
またC++の後継で速いと言われているRustもあります。
ただしWebのバックエンドだとGo言語と多くの言語が重複して
いるので、現状だと主にGoで、後は少しづつ知っておくのが、
良いかもしれません。
5年後となるとマイクロソフト社の.NET Coreやフラッターなどで、
更にＰＣからスマホ対応が進むかもしれません。ただし3年後に
新しい言語が出てきて、急変するのがIT業界ですので、最新情報の
収集を常にする必要があると思います。 （編集済み）view数 7sk
データ分析
2年前
成否の決め手は下記だと思います。
- 統計手法の工夫だけで確度の高い予測をしようとはしないこと
- 予測しようとしている事象をきちんと理解すること
- そのためには予測したい題材の先駆者の知識、経験を軽視せずに引き出すこと。より早く引き出すこと
高いコミュニケーション力と発想力、それと、最低限の数学、これが必要です。
発想した物事をどんどん提案し、それが正しくはなくとも相手からヒントを引き出すきっかけとなれば良い。でも当てずっぽうはダメ。
最低限の数学は下記でとりあえずは十分ではないでしょうか？
- 定式化に必要な微積
- 線型代数
- 妥当性を確認するのに必要な統計（推定/検定）
それ以上の事はOSS頼みでも良いのでは？view数 7
中村 蓮
データ分析
2年前
Pythonview数 10
