だみ〜
だみ〜
154.7K posts
だみ〜
@guiltydammy
量子力学と秋元真夏さんが好きなデータサイエンティスト。 インターネット上の発言はすべて個人のもので、何かを代表して言ってません。
だみ〜’s posts
iser.osaka-u.ac.jp/rcbe/gyoseki/f
久々にこの論文読んだけど
・タバコをやめて
・若いうちに
・都会に住んで
・生活に満足をし
・人と比べず
・定職につき
・働きすぎず
・金をためつつ
・自己実現をしながら
・利他的行為をする
というのが人生を幸せに生きるコツなんだなーとしみじみした
SAPIXの話が出るたびに、公立高校（県トップ）（実家から自転車通学して1時間）の課題と2chの受験スレおすすめの参考書だけで東大に行った俺を誇りたくなってしまう。親が大学受験経験なかったし、まじで孤独な戦いだった……。
──何歳？
20です
──女子大生かな？
そうです
──量子力学は初めて？
はい
──緊張してる？
少しだけ(笑)
──初めて微分方程式を解いたのはいつ？
高３の冬です
──どんなの？
本当に普通の単振動です(笑)
分析用SQLを書くときの思考回路について｜だみ〜 #note note.com/genuinedammy/n
部下がSQL書くのにちと困ってるらしいので、急ぎで仕上げました。個人的には一番リアルなノウハウが詰まった力作なので、ゼヒ読んでもらって感想ほしいです。
若者にSQLとの向き合い方を伝授してたら、SQLにasをつけないと死後行くことになる地獄のことを知らなかった。これがジェネレーションギャップか……。SQLにasをつけない人は、もれなく死後、asのないクエリに延々とasをつけさせられる地獄(無間as地獄)に行くんですよ。これは有名な話です。
弊社に入ると上司のもとで徹底的に分析を叩き込まれるので、SQLが書けない新卒が二年後には事業構造のKPIツリーの分解から機械学習による探索的示唆出しまで二週間でできるようになるので、弊社オススメですよ
機械学習を使って東京23区のお買い得賃貸物件を探してみた - データで見る世界 shokosaka.hatenablog.com/entry/2017/11/
2017年ベストブログ記事アワード行けるくらい名作だった
データ分析者のバリューの出し方を考える 2021年版｜だみ〜 #note note.com/genuinedammy/n
書きました……めっちゃ疲れた……めっちゃ疲れたほんまに……でも、一年間の仕事を経て、さらに洗練されました。ゼヒ読んで感想をください！
データサイエンティストとして読んで役立った本たち｜だみ〜 #note note.com/genuinedammy/n
書き溜めていたものを出しました。
誰かの役に立てばいいな、が8割で、ドヤ顔がしたかった、が2割です。
この図を書いてくださったこと、そしてそれぞれの特徴的な傾向を完璧に言語化してくださっただけでも、めちゃめちゃマネージャーとしての自分の感覚がスッキリした。ほんま名著。
amazon.co.jp/%E5%BF%83%E7%9
buildersbox.corp-sansan.com/entry/2024/06/
Sansanのこれすごい。てか24新卒でここまで行けるのか。知の高速道路引かれてるなァ。この方が優秀なのはもちろんですが。施策の効果はやるかやらないかなんだから、出した中で見た人の効果とか求めてもしゃあないっしょという雑なスタンスの分析をしてきて懺悔の気持ち。
towardsdatascience.com/9-reasons-why-
データサイエンティストになれない9の理由
学位が十分だと思っている
情熱がない
ぶっ飛んでない
教科書で勉強している
どこかで勉強が終わると思っている
ドメイン知識がない
ビジネススキルがない
人脈がない
めんどくさい仕事をやりたがらない
データ不足に数理モデルで立ち向かう / Japan.R 2023 speakerdeck.com/dropout009/jap
よかった。MMMはマクロな手法だけど、私は最近、こういうミクロなグロスリーチからボトムアップに広告効果を求めるような問題に変換できないかを悩んでいる。
amazon.co.jp/gp/aw/d/B00978
この本死ぬほどよかった。ていうか中身はバーバラミントなんだけど、二億倍わかりやすかった。バーバラミント読むよりこっち読んだ方が純ジャパにはいいと思う。
「未経験文系から3ヶ月でデータサイエンティストになって一発逆転」はここで終わり - todes-mentor’s diary todes-mentor.hatenablog.com/entry/help_tod
めちゃめちゃよかった。
最近、シニアっていうのは、最後は何とかする・何とかできるという能力を前提とした、態度の問題なのだなと。いつまでも尖ったキレキレ人間やっててもいけないのだなとしみじみ理解した。しみじみ理解したよ。
俺がデータサイエンスをやりたかったのは算数ができる仕事がしたかったし世の中には算数が足りてないという強い気持ちがあったからであって、AI/LLMやりたいかというと絶妙に算数じゃないんだよな
あまりにもMLエンジニアの応募が来ず、機械学習わかってる感出す記事でも書いてアピろうと思ったが、最近そもそも全然機械学習やってなくて、エアプ感が漂うし、なんかもうオワ感が割とすごい。今から実績を作っていくしかないのか。kaggleを頑張ってみるとかしかないのか……？
えー古来より士農工商データサイエンティストなんて言われてまして。データサイエンティストちゅうのは人様の個人情報を扱って金儲けをする職業だと。ところがどっこいこれが金になるわけでしてね、猫も杓子もAIだなんだと大盛り上がり。から始まって"へえ、愛がないんだそうで"で終わる落語やりたい
note.com/nekoumei/n/n3d
効果量とか、サンプルサイズの決め方（くっそ高いけど唯一無二の最高な本）とかで調べると幸せになれると思います。サンプルサイズがでかすぎると良くないって言う人はモグリ of モグリなので気をつけましょう。
でも、今まで多くのA/Bテストをしてきて、誰かが強引に実施した施策が一切KPIリフトにつながらないのを証明する事に、エクスタシーを感じていたんじゃないですか？あなたは立派なデータサイエンティストです
これは内緒だけど、LLMで上手にデータ拡張できるかどうかが多分、次のデータサイエンティスト（MLエンジニアではない）の一つの差別化要因になると思ってほぼ間違いないと思う。俺はしばらく、このテーマを掘っていくぜ。
arxiv.org/abs/2506.18744
同僚に教えてもらったけど面白かった。Multi Task Gaussian Processは今後流行すると思う。
【ご報告】
私事となりますが、以前より住んでいた多様体を埋め込みすることとなりました。
日頃よりお世話になっている局所座標の皆様にいち早くお知らせしたく、この場を借りてご報告させていただきます。
今後は部分空間とはなりますが、変わらぬご支援をお願いします。
データ分析、something newを求められることをわかっていつつも、8割くらいはそれ分析しなくても言えるやんみたいなことに対して何らかの定量性を付加してやることがMAXで、一定のアウトプットを保って2割の面白いことが言えるならそれは相当腕がいいと思う。個人的な肌感。意識低いって言われるかな？
qiita.com/nicco_mirai/it
pythonめっちゃおしゃれになってんだなーーーとしみじみした
