KZ
bin
Негізгі бет
Қазірдің өзінде танымал
Тікелей эфир
Ұнаған бейнелер
Қайтадан қараңыз
Жазылымдар
Кіру
Тіркелу
Ең жақсы KZbin
Фильм және анимация
Автокөліктер мен көлік құралдары
Музыка
Үй жануарлары мен аңдар
Спорт
Ойындар
Комедия
Ойын-сауық
Тәжірибелік нұсқаулар және стиль
Ғылым және технология
Жазылу
【経営xデータサイエンスx開発】西岡 賢一郎のチャンネル
このチャンネルでは、
・技術者による経営
・開発組織の作り方
・エンジニアの採用の仕方
・エンジニアになる方法
・データサイエンティストになる方法
など、私が経験して学んだ内容を発信していきます。
# 自己紹介
名前: 西岡 賢一郎、博士 (学術)
株式会社D-stats CTO、株式会社DataInformed CEO、CDPの会社のSr. Product Manager
Twitter: @ken_nishi
note: 西岡賢一郎@研究者から経営者へ (note.com/kenichiro)
KZbin
・ 【経営xデータサイエンスx開発】西岡 賢一郎のチャンネル (kzbin.info/door/piskjqLv1AJg64jFCQIyBg)
・機械学習の社会実装勉強会 www.youtube.com/@machine-learning-workshop
# 経歴
・鹿児島出身
・ラ・サール52期
・東京大学 (理科2類 → 教養学部)
・東京大学総合文化研究科で位置情報データを用いた予測モデルを研究をし博士 (学術) を取得
・博士課程在籍中に研究者仲間とデータサイエンスをサービスとして提供する株式会社トライディアを起業
・起業した会社を別のIT会社に売却し、現在CTOとしてIT会社勤務
・株式会社DataInformedを起業
14:09
SlackBot x Notion Database | VectorDB不要の社内RAGシステム構築
2 ай бұрын
18:16
社会的な課題がAIのブレイクスルーを導く!? ~ データサイエンティスト・東京大学社会心理学研究者 森隆太郎さんの論文紹介
2 ай бұрын
9:34
社内SlackBot作成 | 期待と現実のギャップ ~ Data Informed CTO 那珂 将人さんインタビュー
3 ай бұрын
18:59
先読みが必要なLLMタスクで10倍の正解率!? 思考の木 Three of Thoughts ~ データサイエンティスト・東京大学社会心理学研究者 森隆太郎さんの論文紹介
3 ай бұрын
17:45
医学の知の創出を加速する「大規模医療データETL構築」 ~ 株式会社データック クリニカルデータサイエンス部部長 佐々木健佑さんインタビュー
3 ай бұрын
15:31
LLMアプリ開発PoCにおすすめのライブラリLangChainとStreamlitの紹介 ~ 那珂将人さんインタビュー
6 ай бұрын
21:53
プロンプトの魔法の呪文「Step by Step」で回答精度向上⁉ chain-of-thoughtはなぜうまく行くのか? ~ データサイエンティスト・東京大学社会心理学研究者 森隆太郎さんの論文紹介
7 ай бұрын
17:10
「良い測度」とは何か?メタ認知測定の有名論文紹介 ~ データサイエンティスト・東京大学社会心理学研究者 森隆太郎さんの論文紹介
9 ай бұрын
11:27
【ラ・サール卒業生のためのスタートアップコミュニティー】ラ・サールインキュベーションセッション
11 ай бұрын
14:55
心理テストは何を測っているのか?~ 東京大学大学院博士課程の森隆太郎さんの論文紹介
Жыл бұрын
13:23
人間と競争せず、協調するAIを作る鍵は?~ 東京大学大学院生の森隆太郎さんの論文紹介
Жыл бұрын
10:54
極地サバイバル 南極大陸の生活 ~ 高知工科大学助教西川泰弘さんインタビュー
Жыл бұрын
14:15
荒波を越える南極観測船しらせの南極航行 ~ 高知工科大学助教西川泰弘さんインタビュー
Жыл бұрын
22:01
ブラックボックスなGPT3を認知科学的アプローチで明らかにする ~ 東京大学大学院生の森隆太郎さんの論文紹介
Жыл бұрын
9:05
【論文紹介】中規模の表形式データでTree-basedモデルがディープラーニングを上回るのはなぜか?3つの見解を述べた論文を紹介
Жыл бұрын
10:00
Kubernetes入門の講師に聞くKubernetesとはなにか、データサイエンティストも知るべきこと ~ 那珂将人さんインタビュー
Жыл бұрын
16:17
【論文紹介】機械学習をシステムに組み込むに知るべき「機械学習の技術的負債」
Жыл бұрын
10:46
顧客継続率を上げるためのマジックナンバー抽出
Жыл бұрын
6:01
リモートワークで知っておきたいコミュニケーション時の過剰な期待
Жыл бұрын
12:33
理論的判断をアルゴリズムに実装する計算論的倫理学とはなにか ~ 東京大学大学院生の森隆太郎さんの論文紹介
Жыл бұрын
5:07
リモートワークで意識すべき7つのこと
Жыл бұрын
9:52
ポストCookie時代 法律観点で見たデータクリーンルームの正しい理解 ~ トレジャーデータ 最高戦略責任者 山森康平さんインタビュー
Жыл бұрын
14:27
【マーケター必見!】カスタマーエンゲージメントプラットフォームBrazeの活用 ~ メルカリUS CRMテクニカルディレクター 現王園浩士さん
2 жыл бұрын
19:10
ブラックボックスな機械学習を無理に解釈するのはやめよう ~ 東京大学大学院生の森隆太郎さんの論文紹介
2 жыл бұрын
15:22
失敗事例から学ぶオフショア開発を成功させるノウハウ【SALTO Vietnam CEO アインさんインタビュー後編】
2 жыл бұрын
10:02
オフショア開発ではブリッジSEが重要!! ~ ベトナムオフショア開発を成功させる秘訣【SALTO Vietnam CEO アインさんインタビュー中編】
2 жыл бұрын
16:36
ベトナムで開発を加速させるラボ型開発 ~ 急成長ベトナムオフショア開発会社SALTO Vietnamの目指すビジョン【SALTO Vietnam CEO アインさんインタビュー前編】
2 жыл бұрын
8:21
スタートアップのインターン採用とマネジメント ~ 医療データ解析ベンチャーDatack代表二宮さん対談後編
2 жыл бұрын
10:19
スタートアップでインターンが活躍する秘訣 ~ 医療データ解析ベンチャーDatack代表二宮さん対談前編
2 жыл бұрын
Пікірлер
@ogurahiroto9591
3 ай бұрын
発見的なチェックリストのところで1番目のドメイン知識があるのかというのは、この機械学習モデル対象とするビジネス領域などに関して、モデル構築者が知識を持っているかどうかということでしょうか?
@ogurahiroto9591
3 ай бұрын
0:35
@kazutnb
6 ай бұрын
西岡さん、いつも素晴らしい動画をご提供していただきありがとうございます。(今回の動画もGoodでした) 私もLangChain+Agent+Streamlitでアプリを作っていますが、今回ご紹介いただいた「複数のAgentを同時に使い分ける」ということをまさにやりたかったので、本当に有意義でした。 もとにされた記事はあるのはわかったのですが、もし、可能であれば実際にStreamlit化したソースコードを拝見したいです。どこかで公開していただけると嬉しいです。 これからも動画楽しみにしています。(機械学習の社会実装勉強会の方も毎回見ています)
@kazutnb
6 ай бұрын
西岡さん、自力でStreamlitアプリ構築できました。お騒がせしました・・・。
@kenichiro-nishioka
6 ай бұрын
返信が遅くなり申し訳ありません。構築できたとのことで良かったです!
@AIxCE
Жыл бұрын
難しい論文をわかりやすく解説いただきありがとうございます!!! 早速、試してみようと思います!!
@mayer11512
Жыл бұрын
面白かったです!
@kenyoshimura7468
Жыл бұрын
"Estimable" ではなく "Estimatable" じゃないでしょうか?
@kenichiro-nishioka
Жыл бұрын
コメントありがとうございます。 紛らわしいところですが、estimableであっています! こちらのサイト(www.agilealliance.org/glossary/invest/) が参考になると思います。 “E” stimable (to a good approximation)
@bankeisan9951
Жыл бұрын
倫理学に計算ね~。まあ、一つ言いたい事は絶対善はあると言う事だ。それは「みんなの為」と言う根拠だ。つまりあらゆる道徳的に正しい事(答え)は「みんなの為」と言う根拠になる、適う、合致する答が常に正しい答えと言うことだ。殺人もそれが「みんなの為」ならば正しい行為であり、人権もその人権が「みんなの為」にならないならば正しくないと言えるのだ。 正しい政治とは「国民みんなの為」になる政治だ。みんなに関する問題はその問題に関係している「みんなの為」になる答えこそが常に正しいと言える。これに対して矛盾があると言うならば「みんなの為」にならない答えが正しいと言う答えを何か一つでも示してごらんなさい。そんなもの絶対にないからね。常に正しい答えは絶対善である「みんなの為」になる、適う、合致する答なのだ。絶対善=みんなの為だ。もうすでに絶対善は発見しているのだよ。詳しくは私のブログを見てね。 ameblo.jp/shinwood/entry-12277885699.html?frm=theme ameblo.jp/shinwood/entry-12278155746.html?frm=theme
@杉本佳代-c7b
Жыл бұрын
発送がとても ユニークです
@cuongnguyen-ex3gx
2 жыл бұрын
講座は最高でした。 様々案件に適用させて頂きます。
@ohsawakoji2340
2 жыл бұрын
大変参考になります。ありがとうございます! もし差し支えなければプレゼンを作成しているソフトウェアを教えていたけないでしょうか?
@kenichiro-nishioka
2 жыл бұрын
MindMeisterというアプリを使っております! www.mindmeister.com/
@kusu-
2 жыл бұрын
1:34で映っているスライドのGrid Searchに使われるライブラリの例は、間違いですよね。Radom Searchのものと同じになってしまっています。
@kenichiro-nishioka
2 жыл бұрын
ご指摘ありがとうございます。 そうですね。sklearn.model_selection.RandomizedSearchCV ではなく sklearn.model_selection.GridSearchCV となります。
@tkym19821982
2 жыл бұрын
分かりやすい動画をありがとうございます。すみません、質問させてください。 8:36 あたりで「2^n個のモデルが必要」と記載されているのですが、なぜ2^n個なのでしょうか? 特徴量が3個の場合、6パターンだったのでnの階乗だと理解していました。
@kenichiro-nishioka
2 жыл бұрын
正確には2^n - 1個のモデルですね。例えば特徴量A, B, Cの三種類あった場合 {A}, {B}, {C}, {A, B}, {B, C}, {C, A}, {A, B, C}の合計7 (2^3 - 1) 個必要となります。 それぞれの特徴量がON, OFFの2通りあると考えていただくと、2^nが出てくる理由がわかるかと思います。
@tkym19821982
2 жыл бұрын
ご返信をありがとうございます。理解することができました。
@pin-taro
2 жыл бұрын
おもしろいお話でした。
@ryota8888
2 жыл бұрын
これまで大規模なウォーターフォール開発案件に携わってきたうえで、今回たまたまアジャイルを取り入れた案件に参画する事になり、アジャイル開発手法を経験した事があまりなく「アジャイルとは」というところから理解する必要があった為、いろいろな資料や動画などいくつか拝見しているのですが、結局のところやはり自分には理解できなそうです。。。笑 まず、大規模な初期開発やシステムの再構築などには向いていない手法という印象で、今回参画する現場も3年がかりの大規模開発であり、アジャイルを取り入れている事によって、かなり苦戦している様な印象を持ちました。 本来開発といった緻密で繊細な業務を進めるうえで、しっかりと統制のとれた体制であったり設計や試験、また計画の根幹である見積が行われなければならない部分を適当に行なっている様に感じます。スプリント形式にしてしまう事で、本来要望を取り入れやすくする為のイテレーションが回らず、ボトルネックになってしまっていたり、ウォーターフォールであれば差し込みの要望も取り込みやすいのになぜこの様な手法をとるのかといった疑問を払拭できません アジャイル開発の参考資料では、綺麗事というか根性論で語られている部分が多く、本質的に重要な根幹の部分を解いている参考資料が見つかりませんでした。結果的にのちに大きな問題に発展してしまいそうな開発手法だなという印象と、短いサイクルで取り込むと謳ってはいるものの、スプリントに縛られ柔軟性に欠け、効率が悪く、むしろ逆に非効率な開発手法である改めて思いました。 しいて言えば、アジャイル開発に向いている開発としては、ウォーターフォールでしっかりとした初期段階の開発が行われ、すでにベースが整っている状態から一度リリースされ、PDCAサイクルが回せるタイミングで機能の改善を行う場合にのみ適用できるのではないかと思います。
@kenichiro-nishioka
2 жыл бұрын
ご意見いただきありがとうございます。 アジャイル開発は、要件などが曖昧なものには向いているのですが、システム再構築などすでに要件が固まっているものや、マイルストーンが決まっているようなプロジェクトだとむしろ向いていないと思います。 スプリントを回すことは本質的なことではないので、スクラムやアジャイル開発を導入することが目的とせず、どんな開発が適切かチームで考え、結論としてアジャイル開発になればアジャイル開発を使い、そうでなければウォーターフォールの開発をするというが一番だと個人的には思います。
@tuananhngo1900
2 жыл бұрын
めっちゃ良いですね。 弊社内に紹介させていただきます。
@masamune0424
3 жыл бұрын
とても分かりやすかったです! 勉強になりました!
@chkuribayashi
3 жыл бұрын
めちゃくちゃ面白かったです!カッコ良すぎる人生... 現象論のあたりの話がとても興味深かったです。
@kenichiro-nishioka
3 жыл бұрын
考え方が素敵だよね!
@磯野マスオ-s8g
3 жыл бұрын
すごいなー 視座が高い
@磯野マスオ-s8g
3 жыл бұрын
面白い!
@gon7456
3 жыл бұрын
機械学習初心者ですが、いつも論文解説シリーズ興味深く見させていただいています! このような動画は他にないので、これからも楽しみにしております!
@kenichiro-nishioka
3 жыл бұрын
ありがとうございます。更新頻度上げられるよう頑張ります!
@yutokataoka1569
3 жыл бұрын
為になる動画ありがとうございます!!! 今の会社では、アジャイル開発ですが、スクラムほどしっかりした枠組みで回せて居ないのが現状です。 スクラム開発の「各々がタスクに集中できる」という部分に特に魅力を感じました。 ただ、一方で現在や運用や一部問合せ対応も行なっている為、 どうしても計画時に出てこないタスクが頻繁に途中で生まれている状況です。 そういうチームでスクラムを回すとすると 飛び込みの運用タスクに対して どういった解決策が考えられるでしょうか? 運用タスクは、別枠で時間を設けて対応する。 (スクラムには入れない)などでしょうか? 何か、実践例や、アドバイスありましたらお教えください。
@kenichiro-nishioka
3 жыл бұрын
明日以降に返信します!
@kenichiro-nishioka
3 жыл бұрын
スクラムをやるときはまずはスクラムの型を守ることをオススメします。 スクラムの型を守らないと、多くの場合失敗します (私も失敗しました)。 スクラムの型の中で今回の件と関係するものは、スプリントゴールですね。 スクラムでは、スプリント中はスプリントゴールを達成することが優先されます。 スプリントゴールはスクラムで数少ない約束事の1つで、開発チームで必ず達成すべきものです。 差し込みタスクで、スプリントゴールが達成できないようなスプリントが続くと、スプリントゴールが形だけのものとなってしまい、何に集中して開発すればいいかがわからなくなり、スクラムが機能しなくなります。 スプリントゴールが達成できないような差し込みタスクが入る場合は、スプリントを中止するという判断をプロダクトオーナーにして貰う必要があります。 スプリントを中止するのか、差し込みタスクを次のスプリントに回すのかは、プロダクトオーナーが最終的に意思決定してもらうとよいです。 とは言えども、かたおかさんの状況のように、通常は差し込みタスクが発生しがちです。 なので、差し込みタスクがなぜ発生するかを洗い出すことが重要だと思います。 スプリント中の差し込みタスクが発生することの原因としてよく以下の4つが挙げられます。 1. スプリントプランニングが不十分 2. スプリントが長すぎる 3. 障害が起きた 4. スクラムに関してのステークホルダーの理解が不十分 1の「スプリントプランニングが不十分」であることに関しては、プランニングの時間をしっかり取ることも大事なのですが、チーム内でのスプリントゴールに対する認識を改めることも重要です。 スプリントゴールはプロタクトオーナーと開発チームの約束事で必ず達成するもの、それを達成するためのタスクをきちんとプランニングで考える。 スプリントプランニングを曖昧にすると、関連するタスクがスプリント中に多く発生してくるようになります。 もちろん、実際に作業したあとに新たなタスクが発生することが完全に防げるわけではないですが、プランニングをしっかりやることで、大抵の場合防ぐことができると思います。 2の「スプリントが長すぎる」ことに関してですが、最初差し込みタスクの対応に慣れていないうちは、スプリントを短くしておくのも手だと思います。 スプリントが短いと、差し込みタスクが来たとしても次のスプリントに回しやすくなります。 スプリントが短いと達成できるスプリントゴールは小さくなりますが、プランニングが容易だったり、短い期間での学習が可能になるという利点もありおすすめです。 3の「障害が起きた」場合は、こちらはサービス上以上避けられないものではあるので、スプリントを中止するなどして対応することを検討すると良いと思います。 もちろんスプリントゴールが達成できるのであれば、スプリントを中止せずに差し込みタスクをやッテも大丈夫だと思います。 4の「スクラムに関してのステークホルダーの理解が不十分」に関しては、現場あるあるのはなしだと思います。 ステークホルダーは開発チームがどのようなワークフローに従って働いているかを知りません。 そのため、どのタイミングで依頼をしていいのか分からないため、悪意なく差し込みタスクを依頼しがちです。 ここに関しては、障害などの緊急タスク以外は基本的にスプリント中は差し込めないことをステークホルダーに理解してもらっておく必要があると思います。 そのためには、スクラムマスターによるスクラムに関するティーチングがステークホルダーには必要です。 また、もう一つ差し込みタスクを発生させないためには、チケットの起票をできるようにしておくなど、タスクの受け皿を用意しておくことが重要です。 起票されたチケットがきちんとスプリントが始まるときにさばかれることを伝えておくと、ステークホルダーもより安心してくれると思います。 ざっと色々述べましたが、スプリント中は基本的に障害などの緊急自体以外やることを変更せず、次のスプリントに回すことを徹底することで、プランニングの重要度が増して、よりよいスプリントにできると経験上思っています。 そのためには、どんな差し込みタスクがあって、それが緊急かどうか、仕組みで解決できるものではないかを考えてみるといいと思います。 長くなりましたが、参考になさってください。 もしまた何かあれば、コメントでもメッセでも答えられると思うので、お気軽にご質問ください。
@yutokataoka1569
3 жыл бұрын
@@kenichiro-nishioka ご丁寧な回答ありがとうございます。 現状、一番多くある差し込みタスクが「顧客からのお問い合わせ」です。 クライアントとの問合せなので、早めに対応した方がいいと考えていましたが、 一歩引いて、ゴールを考えて >それが緊急かどうか、仕組みで解決できるものではないかを考えてみる を行ってみます。 また、4の「スクラムに関してのステークホルダーの理解が不十分」 というのも該当していると感じてきました。 こちらを肝に、よりより運用回せないか考えてみます。 ありがとうございます!!!
@Shoudousan
3 жыл бұрын
スプリントゴールがいまいち具体的なレベルをイメージできなかったのでよく分かりました!
@kenichiro-nishioka
3 жыл бұрын
参考になったのであればよかったです! もっとスクラム関連の動画もアップしていきます。
@sa6248
3 жыл бұрын
非常に分かりやすい解説ありがとうございます。題意とは逸れますが、プレゼンテーションで使っているツールは何というサービスでしょうか?非常に見やすいので真似したいと思いました。
@kenichiro-nishioka
3 жыл бұрын
ありがとうございます。もっとたくさん良い情報を発信できるようにがんばります。 プレゼンテーション使っているツールは「Mindmeister」 (www.mindmeister.com/) というツールです。 シンプルで使いやすいのでおすすめです。