![機械の立体図をフリーハンドでとんでもなく上手に描く人が製図のテクニックを解説「恐ろしいレベル」「弊社に欲しい」](https://cdn-ak-scissors.b.st-hatena.com/image/square/c12186ee7a7d1373e26ec349b098df20c2970988/height=288;version=1;width=512/https%3A%2F%2Fs.togetter.com%2Fogp2%2Fb2917f97ba10659b431deb50b5258d77-1200x630.png)
これからの時代、一番お金に直結する力は「因果推論力」かもしれない。 そんな気持ちにさせられるほど、因果推論力の重要性を認識できるのが、今バカ売れしている「原因と結果」の経済学です。 因果推論力とは 「2つの変数の関係が、本当に因果関係に寄るものなのか」を見抜く力 つまり、因果推論力があるということは、現象の原因を見抜く力を持ち合わせているということなのです。 今の時代、IT技術の革新により、誰でも多くの情報が簡単に入手できるようになりました。 情報が簡単に大量に収入できるということは、様々な恩恵を享受できるようになった反面、情報量が膨大になりすぎてしまったことで、何と何が結びついて目の前の現象が生じているのかを読み解きにくくしています。 こうした情報過多の時代において、原因と結果を結びつける力はますます重要度を増し、これからまさに錬金術となっていくことが予想されるわけです。 なぜこの商品が
by Handy Andy Pandy 1万時間の真摯な練習によって誰でも一流のスキルを身につけられるという「1万時間の法則」が1993年に発表され大きな話題となりましたが、著者であるアンダース・エリクソン氏の書籍には1万時間の法則が機能するのはチェスやスポーツであり、競争のないガーデニングや趣味および教師、エンジニア、コンサルタントなど現代の職業の多くには通用しないと書かれています。「クリエイティビティ」は「訓練で得られる技術」とどう違うのか、そしてなぜクリエイティブであることが重要になってくるのかが科学系情報サイトScientific Americanに12項目でまとめられています。 Creativity Is Much More Than 10,000 Hours of Deliberate Practice - Scientific American Blog Network ht
追記(2017年7月) こちらのスキル要件ですが、2017年版を新たに書きましたので是非そちらをご覧ください。 「データサイエンティストというかデータ分析職に就くためのスキル要件」という話題が某所であったんですが、僕にとって馴染みのあるTokyoR界隈で実際に企業のデータ分析職で活躍している人たちのスキルを眺めてみるに、 みどりぼん程度の統計学の知識 はじパタ程度の機械学習の知識 RかPythonでコードが組める SQLが書ける というのが全員の最大公約数=下限ラインかなぁと。そんなわけで、ちょろっと色々与太話を書いてみます。なお僕の周りの半径5mに限った真実かもしれませんので、皆さん自身がどこかのデータサイエンティスト()募集に応募して蹴られたとしても何の保証もいたしかねますので悪しからず。 統計学の知識は「みどりぼん以上」 データ解析のための統計モデリング入門――一般化線形モデル・階層
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