メインカテゴリーを選択しなおす
【2026年版】データセンター関連株おすすめ7選｜AI時代を支えるインフラ企業を徹底解説
AI時代に注目されるデータセンター関連株を厳選紹介。クラウド・生成AI・半導体需要拡大で成長が期待される米国企業を初心者向けにわかりやすく解説します。はじめに生成AIの普及によって、世界中で急拡大しているのが「データセンター需要」です。Ch...
③「エロ」を「ウェルネス」へ。――なぜ『CAGE-FIT（仮称）』は、日本の更年期ケアを救うのか。
2025年12月9日、世界的なARグラスメーカーが「Project Aura」という次世代デバイスを発表したというニュース報道を覚えているだろうか？ 彼らがテクノロジーで「外側の景色」を拡張しようとするなら、私の挑む『Project AURA（アウラ）』は、女性の「内側の身体」をテクノロジーで再起動させる試みだ。 図らずも同じ名前を選んだのは、私たちが今、同じ「時代の予感」の中にいるからだろう。 私が『CAGE-FIT（仮称）』で見据えているのは、一時的な娯楽ではない。日本の女性が直面する「身体の変化」という避けられない課題への、一つの解答（ソリューション）なのだ。 1.「定年
データサイエンティストの基礎作業を体験することによって、データサイエンスの基礎力を取得し、データ思考を身に付けるブログ。3rd STEP 応用編 医療は、製薬企業の方はもちろん、医療のデータ分析をしてみたい方にも、役立ちます。
データサイエンティストの基礎作業を体験することによって、データサイエンスの基礎力を取得し、データ思考を身に付けるブログ。3rd STEP 応用編 医療は、製薬企業の方はもちろん、医療のデータ分析をしてみたい方にも、役立ちます。
データサイエンティストの基礎作業を体験することによって、データサイエンスの基礎力を取得し、データ思考を身に付けるブログ。3rd STEP 応用編 医療は、製薬企業の方はもちろん、医療のデータ分析をしてみたい方にも、役立ちます。
データサイエンティストの基礎作業を体験することによって、データサイエンスの基礎力を取得し、データ思考を身に付けるブログ。3rd STEP 応用編 医療は、製薬企業の方はもちろん、医療のデータ分析をしてみたい方にも、役立ちます。
#67 Section 22 クラスタリング（3）モデルの作成
PyCaretで行うクラスタリング、このSectionではcreate model関数 と『Silhouette（シルエット係数）』、『Calinski-Harabasz』、『Davies-Bouldin』などの評価指標を猫のタローと共に体験していきましょう。
『クラスタリング』のデータのsetup関数を使った前処理について、関数型APIとオブジェクト指向API体験していきます。
ycaretでの回帰はいかがでしたか？出力された評価結果、分析結果を詳しく説明しましたが、最低限、下記のコードを書けば、機械学習の『回帰』で分析することができます。新たなデータを作成してそれを予測するコードを加えても全部で19行！
#65 Section 20 クラスタリング（1）教材の用意＆PyCaretのインストール／インポート
ここからは、猫のトラーとともに機械学習の第三弾として、教師なし学習の『クラスタリング』を体験していきましょう。まずは、教材の準備です。
Elasticsearchとkibanaを連携してできること
Elasticsearch と Kibana を連携すると、**大量データの検索・解析・可視化・監視**を一貫して行える強力なデータ分析基盤が実現します。 できることを目的別にわかりやすく整理します。 --- # 1. データの検索・分析 ### ■ 高速全文検索 * ログ、テキスト、JSON などを高速に検索 * AND/OR/NOT、正規表現、ファジー検索など柔軟なクエリが可能 ### ■ 集計・分析（Aggregation） * 件数、平均、最大・最小…
『データサイエンス チュートリアル オフィシャル テキスト』2冊目を出版しました！
Pythonでデータサイエンティストの基礎を体験することによって、基礎力を取得し、データ思考を身に付ける
#56 分析環境再構築/コラボのPythonバージョンアップ
Pythonでデータサイエンティストの基礎を体験することによって、基礎力を取得し、データ思考を身に付ける
#61 Section 16 回帰（5） モデルの分析(2)
PyCaretでは、『plot_model関数』を使わなくても、下記の『evaluate_model関数』を使うことで、クリック一つで、様々なモデルの評価を可視化（グラフ化）することができます。しかも、たった一行！
#60 Section 15 回帰（4） モデルの分析(1)
Pycaretのplot_model関数を用いると、テストセットにおける学習済みモデルのパフォーマンスを下記のグラフによって分析できます。 ・残差プロット（Residuals Plot） ・予測誤差プロット（Prediction Error） ・特徴量重要度（Feature importanc）
compare_models関数で求めた性能が良かったモデル（catboost/CatBoost Regressor）で、新たにデータを作成して、予測をしてみましょう。
YouTubeコースは、関連の動画が視聴する順番で並んでいます。また、そのコースのどこまで視聴したかも記憶してくれていますので、すぐに次の新しいものから視聴できますのでストレスフリーですね（途中でも大丈夫）
#63 機械学習 Section 18 回帰（7）モデルの保存
予測したモデルを、save_model関数を使用して、今までの分析の流れを後で使用するためにディスクに保存していきます。 save_model関数を使ったモデル（前処理方法などを含む）を呼び出す（ロードする）ためには、load_model(‘保存したモデル名‘)を使います。
Pycaretの『compare_models』関数により、ライブラリで使用可能なすべてのモデル（アルゴリズム）を交差検証を用いて訓練し、評価指標を算出して性能を評価します。
どのような機械学習を選択してデータ解析すればよいか提案ができること、そしてそのコードを書けることにより、データサイエンティストとしてかなり有利な条件でのリスキリングが可能となります。
PyCaretでは『compare_models』関数により、ライブラリで使用可能なすべてのアルゴリズム（PyCaretでは『モデル』と言います）を交差検証を用いて訓練し、評価指標を算出して性能を評価します。
Pycaretで、plot_model関数を使わず、evaluate_model関数を用い、モデルの分析をしていきます。
compare_models関数で求めた最も性能が良かったモデルで、予測をしてみましょう。predict_model(モデル名, data = データ名)を使います。
最も性能が良いモデルを見つけたので、それを保存して、またの機会に使えるようにしておきましょう。『save_model』関数と『load_model』関数を使います。余力のある方は、pickle形式やモデルの説明も理解しておきましょう。
Pycaretの関数setup、compare_models、plot_model、evaluate_model、predict_model、save_model、load_modelを用いて簡単に二項分類の予測ができました。
#57 Section 12 回帰（1）教材の用意＆PyCaretのインストール／インポート
Pythonでデータサイエンティストの基礎を体験することによって、基礎力を取得し、データ思考を身に付ける
Pycaretの『setup』関数によるいくつかの前処理機能を体験していきます。 機械学習においてカテゴリ変数を数値データに変換するために『One-Hot Encoding』という手法を使っています。
最近、データサイエンス分野と社会・ビジネス分野を融合させた学問・学部が増えてきています。 有名なところだと、 ・一橋大学ソーシャルデータサイエンス学部 ・中央大学ビジネスデータサイ...
―― INSERT / UPDATE / DELETE とトランザクションの世界 ―― 前回は「SQLでデータを検索する方法」についてお話しました。 検索ができるようになると、データベースの世界が一気に開けますよね。 で […]
概要 scipy.stats.f.ppf（F分布のパーセント点関数）が、特定の条件下で不正確な結果を返す可能性があるという問題についての報告です。具体的には、確率が1に非常に近い値（裾の領域）と大きな自由度の組み合わせにおいて、ppf関数の結果と、累積分布関数（cdf）を最適化して得られる結果との間に大きな乖離が見られます。 この問題は2021年頃に発見されましたが、最近のバージョンでも同様の現象が確認されたため、改めて報告するものです。 なお、本件は、既に、https://github.com/scipy/scipy/issues/20835 で報告されており、恐らく、scipy 1,17で対策はマージされると思います。 ENH: special: boostify F distribution functions 問題の詳細 scipy.stats.f.ppf に欠陥がある可能性が疑われます。最適化関数と累積分布関数（cdf）の組み合わせで得られる結果が、ppf関数の戻り値と一致しません。 再現コード 以下のコードは、sps.f.ppf を直接呼び出した場合と、spo.brentq を使って sps.f.cdf から逆関数を求めた場合の結果を比較します。 import scipy.stats as sps import scipy.optimize as spo # ppf関数を直接呼び出す print(sps.f.ppf(0.99999995, 1, 50000, loc=0, scale=1)) # cdfと最適化関数brentqを使って逆関数を求める print(spo.brentq(lambda x: sps.f.cdf(x, 1, 50000) - 0.99999995, 1, 1e10)) コードの出力 3333.8385803475894 29.725915444860586 出力結果からわかるように、2つの計算結果は大きく異なっています。 エラーメッセージ この問題では、エラーメッセージは出力されません。コードは正常に終了しますが、得られる結果の信頼性に疑問があります。 原因の考察 このPythonコードと出力は、F分布のパーセント点関数（ppf）と、それを最適化関数（brentq）を使って求めるアプローチとの間の数値的な不安定性を示唆しています。 sps.f.ppf(0.99999995,
ページング方式のページには具体的にどのような情報やデータがどのような形式で格納されますか？
ページング方式において、「**ページ（Page）**」は仮想アドレス空間の中の固定サイズのブロックであり、主記憶や下層記憶に読み書きされる単位です。 このページの**中身（格納される情報やデータ）**は、基本的には**プロセスが実行時に必要とする命令やデータ**ですが、もう少し詳しく分解して説明します。 --- ## 〓 ページに格納されるもの：主な内容 ### 1. **命令（プログラムコード）** * 実行可能なバイナ…
データサイエンティストってなんだ 風貌も相まって（ルッキズムですみません）科学者というより音楽家、という印象。 複雑な概念を説明するのにもできるだけ横文字を使わない。ひとつひとつ簡潔で平易な言葉。 テック系の人にありがちなトガッたところをみじんも感じさせない。 ラクシヨウデータ代表の伊賀上祐彰さん（34）は、愛媛新聞社などが展開するLINE上のサービス＃ヒキダシに協力するチームメンバー。 肩書きはデータサイエンティスト。 大手企業に勤めつつ故郷松山に住み、副業として2023年起業した。 まだ大きい案件は数件だが企業を助ける仕事に手応えを感じている。 「三児の父だから簡単な言葉を使おう
【DS検定は運ゲーかもしれない説】1回目不合格→2回目で手応えアリ！問題との相性あるかも
DS検定を2回受けて感じたことをまとめました。1回目は惜しくも不合格、2回目は自己採点86%の手応えあり。勉強法・出題傾向・AI活用まで正直に振り返ります。
どのような機械学習を選択してデータ解析すればよいか提案ができること、そしてそのコードを書けることにより、データサイエンティストとしてかなり有利な条件でのリスキリングが可能となります。
どのような機械学習を選択してデータ解析すればよいか提案ができること、そしてそのコードを書けることにより、データサイエンティストとしてかなり有利な条件でのリスキリングが可能となります。
いつかのプログラムとデータサイエンス学習についてはこちらから。 一通り、「令和7年度ITパスポート超効率の教科書＋よく出る問題集」の学習を終え、データサイエンスの英単語の略語とキーワードの再学習を行うことにしました。 そ […]
【DS検定を受検する】試験の概要＆試験までの1か月をどう足掻くか
DS検定（データサイエンティスト検定）の申し込み方法・勉強法・試験概要を解説！合格を目指すために用意した教材や学習方法紹介。果たして1か月で合格できるのか！？
前回の学習内容はこちら。 今日でITパスポートのテキスト、1冊目が終わります。みなさま長い間お付き合いいただきありがとうございました。 さぁ！ラスト締まっていきましょー！ 目次 ITパスポート学習記録～データサイエンス編 […]
前回の学習内容はこちら。 データサイエンスって何やるんだろうって思い、ちょっとペラペラっとテキストをめくってみたのですが、その中身は、グラフグラフグラフ計算計算計算！！！！！！ 驚きました。 がんばっていきましょー！この […]
データサイエンティストの基礎作業を体験することによって、データサイエンスの基礎力を取得し、データ思考を身に付けるブログ。3rd STEP 応用編 医療は、製薬企業の方はもちろん、医療のデータ分析をしてみたい方にも、役立ちます。
このブログをアプリでフォローする
XXXさん
ブログをみる無料アプリ
ブログみるはブログ村の姉妹アプリです
