1. 第5回:データの性質を知る
  2. リアルデータの二回目です
  3. 先週(Session4) のwrap up 1
  4. 先週(Session4) のwrap up 2
  5. 本日のpick up comments/Q&A (1)
  6. 今日のpick up comments/questions (2)
  7. データの3つの汚れ
  8. 今日のpick up comments/questions (3)
  9. その他の気付き的なコメント
  10. Clinton, Trump All but Tied as Enthusiasm Dips for Democratic Candidate
  11. どうやってこういうものを判断するのか?
  12. 調査手法とサンプリング条件を確認する
  13. Clinton, Trump All but Tied as Enthusiasm Dips for Democratic Candidate
  14. 許容誤差とサンプル数
  15. どうやってこういうものを判断するのか?
  16. US election Poll tracker: Who is ahead -Clinton or Trump?(1)
  17. US election Poll tracker: Who is ahead -Clinton or Trump?(2)
  18. データリテラシーは毎日の判断の質を上げる
  19. 事業での典型的なデータ利用は大きく3つ
  20. 複数のビッグデータを持つユニークな立ち位置
  21. ヤフーにおけるビッグデータ活用(例)
  22. 検索におけるキーワード入力補助
  23. サービスメニューを自動最適化
  24. ウェブ閲覧・行動履歴をもとに興味ジャンルを推定しコンテンツを出しわけ
  25. ユーザが触っていた場所の可視化
  26. ABテストの例
  27. サービス運用での活用
  28. 純広告(ディスプレイなど)
  29. 行動ターゲティングによる自動分析
  30. 行動属性ベースで宛先を自動抽出
  31. Eコマースにおけるレコメンデーションも同様
  32. 検索連動型広告
  33. 検索面におけるビッグデータ利用
  34. リアルタイムで見張ることで危険を検出
  35. サービス開発での活用
  36. インタレストマッチ広告
  37. リターゲティング訴求
  38. マルチウィンドウ連携も可能に
  39. 似た人ターゲティングで広告配信
  40. 『つなぐ』マーケティング
  41. 通常のDBM以上のデータの利活用が基本
  42. 低カロリーで快適なサービスに
  43. いただいた質問
  44. 質問多数(1)
  45. 質問多数(2)
  46. 宿題の解説
  47. 正解・解答についての基本的な姿勢
  48. Q.年収と世帯年収について、度数分布のグラフを作成せよ
  49. 宿題の補足
  50. ポイント:そのままでは比較できない
  51. 惜しい(1)
  52. 惜しい(2)
  53. 惜しい(3)
  54. 惜しい(4)
  55. 正解
  56. Q.それぞれの平均値、中央値を算出せよ
  57. 平均値、中央値の回答例
  58. ポイント:そのままでは比較できない
  59. 宿題の傾向(1)
  60. 宿題の傾向(2)
  61. Q.年収の多寡に関連のあると思われるほかの変数を探し出し、具体的にどのような違いがあるのかをグラフによって示せ
  62. 宿題の傾向(3)
  63. 宿題の傾向(4)
  64. 宿題の傾向(5)
  65. 宿題の傾向(6)
  66. 以前出した宿題(1)
  67. 受講者の回答の傾向
  68. データの欠損
  69. スマホの画面サイズ
  70. なぜ「世帯年収」なのか(1)
  71. なぜ「世帯年収」なのか(2)
  72. 以前出した宿題(2)
  73. 以前出した宿題(3)
  74. 母集団での保有者数を推計する
  75. 回答例
  76. みなさんの回答の傾向
  77. 回答例
  78. みなさんの回答の傾向
  79. 何をカウントするか
  80. 今日の狙い
  81. 「分析」をやってみる
  82. 分析とは
  83. 「分析」という言葉
  84. 花崗岩
  85. 比較による分析
  86. 比較することで
  87. 今、我々が持っているもの
  88. 比較のアプローチ
  89. 割る(1)
  90. 結果をイメージする
  91. 比較の例題(1)
  92. 男女別にみたスマホ保有率
  93. 割る(2)
  94. ここで学ぶ「分析力がある」とは
  95. 元に戻って:比較の例題
  96. データを扱いやすくする:実数→カテゴリ化
  97. 年代別にみたスマホ保有率
  98. 比較の例題(2)
  99. 男女別にみたスマホ保有率
  100. 性別と年代を掛け合わせる
  101. 性年代別にみたスマホ保有率
  102. まとめ:分析
  103. 我に返って
  104. 設定
  105. 解きたい問い
  106. これに答えた後
  107. 答えを出したい
  108. 課題5-1
  109. 分析結果の判断は明快に行う
  110. 標準偏差(Standard Deviation: SD)
  111. 正規分布と標準偏差
  112. どのぐらい例外的かをSD(σ)のN倍で考える
  113. ヒッグス粒子の発見
  114. 関心のある人はoriginal reportをさらに見てみましょう
  115. ダークマターが存在する証拠
  116. 標準偏差と標準誤差