ホーム ニュース 「Nintendo Switchは特にインディーゲームが売りやすい機種」とDevolverのマーケティング責任者が分析。コンセプトやアイデアで勝負しやすい 全記事ニュース
赤野工作(以下、赤野)氏: 作家の赤野工作と申します。模範的工作員同志という名前で活動していて、ニコニコ動画で配信したりしていました。今いる人の中では僕はKOTYに関して最古参だと思うので、いろいろお話しできるかなと思います。話始めに言うのもなんですが、自分はKOTYアンチです。KOTYに対してはようやく終わってくれたかという気持ちが半分、こんな形でお前は終わってしまうのかと、好敵手の老いを見るような悲しさ半分。非常に複雑な気持ちで今この場におります。今日は感傷的な語りが多くなるかもしれないですが、よろしくお願いします。 ──ありがとうございます。赤野さんはKOTYに対してはかねてからアンチというスタンスを強調されていますよね。一方で、ラー油さんのKOTYに対するスタンスをお聞かせいただけますでしょうか。 ラー油氏: スタンスとしては中立です。KOTYなんてものはどこまでいっても内輪ネタな
このブログを普段からお読みになっている皆さんはご存知かと思いますが、僕は割と口を酸っぱくして「マーケティングに携わるならきちんと実験して効果検証せよ、その介入がピュアな施策だろうと機械学習システムによるものだろうと変わらない」ということを折々に触れ言い続けています。 一方で、その効果検証の方法については純粋なRCT(ランダム化比較対照試験)でない限りは往々にして統計的因果推論が必要とされることが多く、その辺のマーケティングの現場で行われている「実験」と称するものを見ていると「それどう見ても交絡まみれやん」と言いたくなるケースが珍しくない、というのが現状のように見受けられます。しかし実務を意識した統計的因果推論の解説書はほぼ皆無に近い状態で、今年の恒例推薦書籍リスト記事を書きながら「相変わらず良い本がないなぁ」と思っていたのでした。 効果検証入門〜正しい比較のための因果推論/計量経済学の基礎
ハイパーパラメータを探索するため、グリッドサーチやOptunaなどを利用することがあると思います。 しかし、「ハイパーパラメータ探索してみた」のようなQiita記事などでは間違って書かれていることも多いのですが、XGBoostやLightGBMの n_estimators ( num_boosting_rounds )やKerasの epochs をパラメータサーチの対象にしてはいけません。 いけません、というか、すごく無駄なことをしています。 なぜ、n_estimatorsやepochsを探索すると無駄なのか 理由はシンプルで、これらのパラメータは「大きい値で精度確認する過程で小さい値の結果も分かる」からです。 LightGBMのn_estimatorsは構築する決定木の数を表しています。 例として、n_estimators=5 (こんな小さい値で学習することはないですが、簡単のため)で
「問題を解決するために、統計やソフトウエア開発・プログラミング、ビジネス問題解決、ソフトウエアツールの活用などの知識やスキルを統合活用する。これがデータサイエンティストに関する古典的な定義だ。だが、非常に大切なのに無視されがちな役割がある」。 こう指摘するのは、データサイエンティストのセルゲイ・ユルゲンソン(Sergey Yurgenson)氏である。機械学習自動化ツールを提供する米データロボット(DataRobot)のアドバンスドデータサイエンスサービス ディレクターとして、顧客の問題解決を手掛ける傍ら、後進の指導を務めている。 データサイエンティストは世界中に数えきれないほど存在する。データサイエンス/機械学習関連のコンペティションとして知られる「Kaggle」には11万2607人が登録されている(2019年6月14日時点)。どのような人材までをデータサイエンティストと呼ぶかにもよるが
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く