Je vais commencer par une mauvaise phrase qui se double d'une auto-introduction.
Il y a un boom de l'IA (intelligence artificielle) dans le monde. Il y a longtemps, l'IA faisait référence aux éléments d'action, mais il est maintenant temps de dire: "C'est déroutant d'écrire de l'IA, alors écrivez des éléments d'action."
Maintenant que le troisième boom de l'intelligence artificielle se produit, plusieurs personnes tombent malades en disant: "Notre entreprise doit également travailler sur l'IA." En parlant de moi, tout en reconnaissant d'une manière ou d'une autre l'importance de l'analyse des données, je regardais des pages Web remarquables, et bien que j'en comprenne d'une manière ou d'une autre les grandes lignes, étudier et acquérir systématiquement des compétences est lié à l'âge. Je l'ai évité à cause des choses et du travail.
Cependant, plus je regarde les informations sur divers sites Web et livres, plus je réalise à quel point les données sont importantes. Il y a longtemps, on m'a dit que je pouvais utiliser un ordinateur personnel, mais j'ai ressenti quelque chose de similaire à ce que je ressentais à l'époque, que cet (ordinateur) viendrait dans le futur. C'est la seule façon de rider, dans cette grosse vague! Donc, je suis si en retard que je ne sais pas combien de tours je suis en retard, mais je vais écrire sur les progrès de mon étude de data scientist.
Chaque personne peut avoir ses propres pensées, mais l 'Data Scientist Association est un [Communiqué de presse](http: //www.datascientist) du 10 décembre 2014. Dans .ou.jp / files / news / 2014-12-10.pdf), le data scientist a été défini comme suit.
"Un data scientist est un professionnel qui crée de la valeur à partir des données en se basant sur des capacités de science des données et d'ingénierie des données et qui répond à des problèmes commerciaux."
En d'autres termes, il ne suffit pas d'avoir des compétences avancées pour analyser les données, mais de saisir avec précision les problèmes du client d'un point de vue commercial, de définir des données qui correspondent aux problèmes et de résoudre les problèmes sur la base d'une analyse avancée. J'ai compris qu'il fallait adopter une approche.
Le but est de produire ce que j'ai appris en m'élevant au point où je peux être qualifié de data scientist.
Je veux couvrir les connaissances au niveau dit G test
Utilisons Python pour travailler sur kaggle et résumons comment utiliser la bibliothèque.
Honnêtement, si Nikkei XTECH publie un article comme celui-ci, je ne veux vraiment rien écrire plus tard. Cependant, je pense l'écrire pour mon propre apprentissage. Ravi de vous rencontrer.
Recommended Posts