#データ分析 67件

強みは「モデルの柔軟性」「包括性」「プライバシー性」　バンダイナムコネクサスが実装したMMMの利点

イベントに参加したユーザーは、本当に熱量が上がったのか　存在しないデータと比較する「反実仮想機械学習」

“仮説出し”は「自分でプレイしてユーザーの気持ちになる」ことが大切　ゲームのデータ分析官がこだわるポイント

年齢や性別での顧客分析では、7割の顧客を捉えられていない　ターゲット層を理解するための“脱デモグラ”のすすめ

ネットの顧客データだけでは、潜在層にアプローチできない　隠れた見込み客を捕捉するデータ活用法

データ活用自体を目的にするのは“危険な兆候”　ゼロからのデータ分析組織立ち上げの注意点

経営層も認識していなかった「重要なKPI」に気づけた　データ分析組織を立ち上げた責任者が振り返る、苦労と利点

データサイエンスを武器にするか、職業にするか？　転職支援のプロが説く、「キャリアチェンジ」と「キャリアアップ」の分かれ道

データ分析を自社の「利益貢献」につなげる3つのポイント　企業で成果を残す「データサイエンティスト」に必要な観点

ライト層とロイヤル層の顧客データは、“混ぜるな危険”　「顧客の実態」を把握するための勘所

7,000万人のTポイントの会員データから分かる、ユーザー像　Cookie規制時代に求められる「自社データ」活用術

総データ化時代は「統合できるデータ」が価値を生む　新型コロナが変えたデータサイエンスの常識

データサイエンティストに「育成枠採用」される人が備える素養　採用担当者が語る、応募者に「伸びしろ」を感じるポイント

機械学習やAIは「安定した世界」でしか使えない　新型コロナ以後の未来予測が難しい理由

データ分析から導き出す「強い野球チーム」のつくり方　映画『マネーボール』で学ぶデータサイエンス

DXの本丸は「データ」にあり　「問い」からはじめるデータ分析とその活用法

専門職だけでなくマーケターや企画者も使えるように　LINEのデータサイエンティストが目指す「データの民主化」

誰もが簡単にデータを楽しめるように　LINEのデータエンジニアが挑む、一般ユーザーでも使えるプラットフォーム作り

データサイエンティスト以外でもデータが使えるように　サービス運用のための時系列データ予測ツールの作り方

画像認証ライブラリ「timm」からモデルはどう選ぶのか　数百種類から最適な1つを決める時のポイント

数百種類のモデルを備える最強画像認識ライブラリ　「timm」のお手軽な使い方

ユーザーファーストの魂を大事に問題解決のためにデータを使っていく　ヤフー・LINE・Zホールディングス3社がデータを取り扱うためにやっている工夫

大事なデータを取り扱うために必要な「データリテラシー」　ヤフー・LINE・Zホールディングス3社が取り組むデータマネジメント

モデル評価とA/Bテストで売上増加率を約2倍に　LINEスタンプにおけるレコメンドエンジン改善プロジェクト

Google ColabとVSCodeで作るデータ分析環境　クラウドのGPU環境でもローカルと遜色ない開発体験を

人のコードを読むのしんどい、自分の環境だと動かない……　「debug力」で解決するデータ分析のぴえんをこえてぱおん状態

オリンピックはテクノロジーで読み解け！　分析すればスポーツはもっとおもしろくなる

今までやってきたあなたなら「絶対にできる！」　データサイエンスの世界に入るということは“強くてNew Game”

エンジニアリングならすぐに「使おうぜ。イエーイ！」はならない　データサイエンスの悩み疑問は“置き換え”がすべて解決してくれる

「データサイエンス勉強しました、イエーイ！　DXしよう～！」は無理　データサイエンスVtuberが語るデータサイエンティスト誕生ストーリー

目指すは“至高”のデータ基盤　「Bigfoot」を最大限使ってPDCAを円滑に回す

オンラインサロンは会員の感情で動く　理屈で語ることが難しいサービスを科学でもっとよくするには

“データ”という共通言語でつながっていくカルチャー　LINEのデータサイエンティストとしてのやりがいとは

「あっ！やせいのEmotetがあらわれた！」　IIJ流インシデント検知ルールの作り方

IIJのSOCアナリストが検知と分析のサイクルを回すわけ　　DDos攻撃検知にAIを選ばなかった理由

ホームとアウェイ、無観客試合でどう変わる？　ホームアドバンテージとオーディエンスの関係

悪性の通信振る舞いは簡単に見つかるのか　IIJの機械学習で検知するセキュリティの脅威

チームが勝てば客は増えるのか？　プロバスケに見る勝敗とアリーナ集客の関係　

スポーツアナリストは例えるなら総合格闘技　日本で将来的に求められるスポーツアナリストとは

サッカーやバスケで選手はどう動く？　機械学習を使った集団スポーツの軌道予測

LINE Fukuokaが掲げる「3つのNOをBUILDに変える」こと　サービス運営業務のKPI可視化と業務量予測の実践

LINE従業員がどんな使い方をしてるのかを測る6つのKPI　データプラットフォーム利用者のアクセス解析

スポーツ分析には“アート”と“サイエンス”の両サイドがある　現役スポーツアナリストが語る“オリジナリティ”の出し方

大量のユーザーデータを横断的に使うために　LINEのデータサイエンティストが気をつけているいくつかのこと

フィギュアスケートのジャンプ回転不足を判定してみる　スポーツにおける映像分析の難しさ

1

2