著者：安宅和人 (著)
| 「都市集中」は人類の必然なのか？
「このままでは歴史ある自然豊かな土地が打ち捨てられ、都市にしか住めない未来がやってくる……」 突如、著者を襲った直感は、専門を越えた仲間との７年にわたる膨大な検討を経て、壮大なビジョンと化した。 自然（森）、インフラ、エネルギー、ヘルスケア、教育、食と農……これらをゼロベースで問い直したときに見えてきた、オルタナティブな世界とは。 数十年では到底終わらない運動のはじまりを告げる圧巻の一冊。 『イシューからはじめよ』の著者が ▼目次 第Ⅰ部 風の谷とは何か 第Ⅱ部 解くべき４つの課題 第Ⅲ部 谷をつくる6つの領域 第Ⅳ部 実現に向けて ※本書で語られる「風の谷」とは、自然豊かな疎な空間を、都市に頼らずとも人が住み続けられる“もう一つの未来”として再構築する構想の呼び名です。都市を否定するものではなく、都市と自然、両方を生かす空間デザインの試みとして提案されます。 |
5000円1000ページという書籍です。安宅さんのライフワークといってもいいのでしょうか。「風の谷」のお話です。
私も「格差」というものは非常に興味を持っていて、格差是正に向けた貢献を最終キャリアとしてやりたいと思っています。
具体的には、大企業と中小企業のデジタルデバイドがこれまでの業務から感じていることだったのですが、最近はそれに地域というものも掛け算で関わってくるということを強く思っています。
そんな中でのこの書との出会いで興味深く読ませていただきました。
風の谷に関する情報は、こちらに随時更新されるようです。
興味のある方は是非ご覧ください。
The post 「風の谷」という希望――残すに値する未来をつくる first appeared on ビックリ探し：Amazing-Quest.com.]]>
著者：山田 幸三 (著), 石田 修一 (著), 江島 由裕 (著)
| 日本企業は、グローバル化に伴う多様な価値観や視点を持つ人々が協働する土壌をつくり、新領域での技術開発と柔軟で適応力の高いイノベーション創出のシステムを設計、新たな価値を創造するビジネスに取り組むことが求められている。
本書は、企業の事業創造のマネジメントについて、新事業の創造を考える基礎となる論点を整理したうえで、現場や組織の中から自然発生的に新たな価値を生み出す「創発性」を重視したシステム設計についてわかりやすく論じている。 新事業創造では、新事業を担当する人事とその選抜が注目されることが多いが、組織の他の機能との関連性や整合性を分析して議論しなければ部分最適に陥ってしまうリスクがあることを筆者らは指摘。企業の生存領域であるドメイン、イノベーション、社内企業家、プロジェクトチーム、組織文化等の経営戦略論、経営組織論、企業家論の概念をもとに、戦略と組織の有機的な結合のシステムを対象として論じている。 【目次】 |
アカデミックな書籍です。研究者向きかなと。
私の時間のないときの本の読み方としては、「冒頭」と「あとがき」を読んで全体像をつかんでから読み始めるようにしているのですが、「あとがき」がないんですね。
割とアカデミックなやつで章ごとに違う人が書いていたりすると抜けていたりするのですが、こちらもそうでした。
それはそれとして、久しぶりに「経営戦略」関連の本を読みました。昔は好きで無茶苦茶読んでたんです。今回、久しぶりに読んでみて、特に今回のがアカデミックに寄っているところもあるせいだと思いますが、あまり腹落ちはできない感じでした。（私自身の立ち位置も少し変わったからかもしれません。）
というのも、経営の現場はそれぞれ独立しながら他と結びついていて、それぞれにオリジナリティがありカスタマイズされたものです。釈迦に説法になりますが。
そんななかでのソリューションやフレームワークですが、その企業がそれで成功した（ように見える）だけで、だいたいが当てはまらないんですよね。特に本書は事例も挙げてくれているもののちょっと私自身で自分ごとにしきれなかったので残念でした。
でも研究をされている方には、たくさん参考文献も引用されていて、研究の参考になるのではと思います。
The post 新事業創造のマネジメント: 創発型システムの設計 first appeared on ビックリ探し：Amazing-Quest.com.]]>著者：矢野裕児 (著), 首藤若菜 (著)
| ◎日本の物流に未来はあるか？ 経営上の最大級の問題を、業界を知り尽くした専門家２名が徹底分析！ 働き方改革によるトラックドライバーの残業規制により、「物が運べなくなる」として大問題となった「物流2024年問題」。 <本書の目次> |
あとがきに書かれていますが、様々な処方箋が出されているものの、物流の問題を抱える患者が解決に結びつけられない場合が多いと。
それはなぜかというと、各企業が抱える課題がそれぞれ違うということもあるが、それ以上に物流の仕組みそのものが、その根底に大きな課題を抱え、そこには物流を取り巻く商慣行などの問題が複雑に絡み合っていることによる。そのため関係者も多く、物流事業者あるいは荷主企業の物流部門だけでは解決できないということです。
荷主企業の物流効率化は、逆に実運送を担う弱い立場の中小企業にしわ寄せが行っていると。
これからは狭い意味での物流ではなく、商流も含めて、過度な商慣行は適正化していくことが重要と書かれています。
どうしても労働集約的な部分が残るので、人不足が根本的な問題になってくると思いますが、それをどう解消していくかにつきます。
The post 間違いだらけの日本の物流 first appeared on ビックリ探し：Amazing-Quest.com.]]>もともと単身赴任で、こちらに来る際に段ボールを30箱くらいの本を自宅から持ってきていい感じで本棚を作って収納しました。
このラックを5つ連ねており、4mほどを壁一面を占有するかたちになっています。
現地の図書館への新刊の導入状況がイマイチなので、また本を買ってしまい、現状はその5連結の本棚には収まりきらずとなってしまいました。
ということで今回の引っ越しで、「これはもう読まない、不要だ」という本については思い切って断捨離しようと考えており、ちょっとでも高く売れそうな買取ショップを探してみることにしました。
自分で比較表を作ろうと思いましたが、さすがに骨が折れるのですが、なかなかフラットな評価というのが難しいんですよね。
自社がランキングをしていたりで・・・。
あとは買い取れないものも引き取ってもらえるか・・・など、検討しないとですね。
地域の古本屋さんも検索には引っ掛かってくるので、そこも含めて考えないといけなくて。
まぁ、今回の目的は高く売るというわけではなく心地よく引き取ってもらうということなので、それをどう実現していくか。
あまり時間はないので、早く決断しなければ・・・。
詳しい方、ぜひ教えてください。
よろしくお願いします。
著者：Robert (Munro) Monarch (著), 上田 隼也 (翻訳), 角野 為耶 (翻訳), 伊藤 寛祥 (翻訳)
| 本書は、Human-in-the-Loop機械学習（人間参加型AI）の活用により、効率よく高品質な学習データを作成し、機械学習モデルの品質とアノテーションのコストパフォーマンスを改善する方法を解説する。実世界で応用されるほとんどの機械学習モデルは、人間のアノテーターが作成した学習データセットを利用して構築される。それゆえ機械学習を実世界の問題に応用していくには、この学習データセットをいかに高品質とするかが重要である。
※この電子書籍は、「固定レイアウト型」で配信されております。説明文の最後の「固定レイアウト型に関する注意事項」を必ずお読みください。 学習データセットが高品質なら、単純な機械学習アルゴリズムでも実用的に十分な性能を引き出すことができる。 本書では、アノテーションのプロセスに能動学習という機械学習手法を導入して、アノテーションの品質とコストパフォーマンスを劇的に向上させるテクニックを軸に、AIと人が互いに助け合いながらより良いAIシステムを開発するために役立つ、幅広く、かつ奥深い知見を提供する。本書は4部構成の大著であり、Human-in-the-Loop機械学習や能動学習の解説だけではなく、アノテーションの品質管理手法やアノテーターの評価・管理手法、アノテーションツールの設計方法といった、実際の機械学習プロジェクトに必要な極めて実践的な内容を豊富に含んでいる。 データサイエンティストや機械学習エンジニアはもちろん、アノテーションの実務に関わる管理者・技術者にも本書を読んでいただき、人がより有効な形でモデル開発に関与する「人間参加型AI」の実現に繋げてほしい。 ［原著： Human-in-the-Loop Machine Learning： Active learning and annotation for human-centered AI， Manning Publications， 2021］ ●目次 【第II部 能動学習】 【第III部 アノテーション】 【第IV部 機械学習のためのヒューマン－コンピュータインタラクション】 付録A 機械学習のおさらい 固定レイアウト型に関する注意事項（必ずお読みください） ■使用できない機能 ■推奨環境 |
訳者まえがきで興味深いことが書かれています。
| 近年では、データを中心に据えて機械学習モデルを改善していく”Data-Centric AI”という概念が提唱されています。 |
私自身もまさにこれこそが本質だと思っていたので、非常に刺さりました。これがデータドリブンな経営にも直結する部分だと思います。Data-centric AI入門 (ML Systems)という書籍も2025年に出ていたようです。チェックできていませんでしたので読んでみたいと思います。
この書籍では、下記のようなところを中心に書かれているようです。
| Data-centric AIとは、機械学習の権威でありGoogleのAI研究チームを率いたAndrew Ngが2021年に提唱した、モデルよりもデータに主眼を置くというAI開発のアプローチです。過去数十年にわたりAI開発においては、固定されたデータセットに対してニューラルネットワークをはじめとしたモデルを適用し、そのモデルを改善することに関心が寄せられていました。しかし、このモデルを中心としたアプローチでは、データセットへの過度な依存やデータセットが抱える課題への無意味な適合により、実用において期待ほどモデルの性能が改善しないといった問題が指摘されています。そのため近年はモデルを固定したうえで、データ拡張、アノテーションの効率化や一貫性の担保、能動学習といったデータに工夫を加えることによってモデルの性能を向上させるアプローチに注目が集まっています。 |
この辺りも踏まえながら、本書の内容を見ていきたいと思います。
本書は、機械学習のためのデータ作成に関する情報が不足しており、本書はそのニーズを満たすために執筆されましたとあります。
特徴量エンジニアリングの延長でもあり、包含でもあり、そのような観点で読み進めると良いと思います。
●Human-in-the-Loop 機械学習の基本原則（p.3）
Human-in-the-Loop 機械学習は、機械学習モデルと人間が相互補完しながら動作するシステムを意味します。機械学習を利用するアプリケーションにおいて、人間と機械の知能を融合するための一連の戦略で、一般的には以下のような目的を達成するために利用されます。
- 機械学種モデルの精度を向上させる
- 機械学習モデルが目標とする精度に到達するまでの時間を短縮する
- 人間と機械の知能を融合し、モデルの精度を最大化する
- 機械学習を用いて人間の作業効率を上げる
| アルゴリズムとアノテーションは優れた機械学習の校正用として同じくらい重要です。しかし、学習データの作成に関する講義はほとんど存在しない。（p.5） |
ということからの本書の位置づけとなります。
能動学習が提案されています。能動学習には、
・不確実性サンプリング
・多様性サンプリング
・両者の組合せ
があります。
| 能動学習では、各反復においてラベルのないデータが選択され、人間がそのデータにアノテーションを行い、そして、新たに獲得したラベル付きのデータを使ってモデルを再学習させるというプロセスを繰り返します。（p.8） |
●機械学習の知識の4象限（pp.20-21）
| 学習モデル | |||
| 既知 | 未知 | ||
| 知識・ データ |
既知 | モデルが自信を持って予測できる 現在のモデルの状態 |
モデルが自信を持って予測できない 不確実性サンプリングにより解決 |
| 未知 | 事前学習モデルの利用によって予測できる 転移学習により解決 |
モデルの知識が欠如している 多様性サンプリングにより解決 |
|
- 既知の既知（白）：現状の機械学習モデルが自信を持って予測できる知識。すでに読者のモデルが解決している象限であり、他の象限の知識を適用する前の開始地点
- 既知の未知（赤）：現状の機械学習モデルが自信を持って予測できない知識。不確実性サンプリングが活用できる
- 未知の既知（青）：事前学習モデルの利用によって予測できる知識。転移学習を利用することで、このような知識が利用できる
- 未知の未知（緑）：現状の機械学習モデル自身にとって、何が不確実なのかすらわからない知識。多様性サンプリングによって、この課題を解決できる
高度な能動学習としてATLASが紹介されています。
| ATLASは、不確実性サンプリングのための能動的転移学習を拡張した手法で、特徴空間の1つの領域からデータを過剰サンプリングしないようにすることで、不確実性サンプリングと多様性サンプリングの両方の特性を発揮します。（p.156） |
| 主観的なタスクには、正しいアノテーション結果が複数存在します。有効な回答の候補をアノテーターから引き出し、次にBTSのような方法を使ってすべての有効な回答を発見することで、珍しいが正しいアノテーションを行ったアノテーターにペナルティを与えることを回避できます。（p.294） |
BTSとは、ベイジアン自白剤（Bayesian trhth serum;BTS）のことのようです。
なかなか興味深く読みました。昔、インバランスデータ以ついても研究していたのですが、それともつながるところもありそうでいい刺激になりました。
The post Human-in-the-Loop 機械学習 人間参加型AIのための能動学習とアノテーション first appeared on ビックリ探し：Amazing-Quest.com.]]>著者：石井 力重 (著)
| AIを、仕事の効率化や自動化に使うだけではもったいない。 頭のいい人は、AIを使って「自分の能力以上の答え」を手にしています。「革新的なアイデアを出したい」 → 技法10 異質の取り入れ 「10年後も通用するアイデアがほしい」 → 技法15 未来の変化因子 「ひと言のアイデアを膨らませたい」 → 技法24 アイデアスケッチ 「自分の思考の弱点が知りたい」 → 技法31 ダメ出しの模擬 「ビジネスアイデアの売上を予測したい」 → 技法34 売上の計画 「前例のない課題を解決したい」 → 技法43 他領域事例の探索 「難易度の高い悩みを解決したい」 → 技法46 悩みの抽象化 「ユーザーの本当の悩みを知りたい」 → 技法47 主な困りごと …などなど。本書ではAIを使って考えるための56の技法を紹介。 ■目次 １部 すぐにアイデアがほしいとき ２部 アイデアを磨きたいとき ３部 アイデアを実現したいとき ４部 考えるヒントがほしいとき 最終章 「技法」を使いこなす –ケーススタディ |
タイトルにもあるのですが、聞きたいことに応じて、プロンプトが56の技法にまとめられています。
切り口としては、目次の通りで以下の4つの切り口です。
- すぐにアイデアがほしいとき
- アイデアを磨きたいとき
- アイデアを実現したいとき
- 考えるヒントがほしいとき
それぞれの切り口に対して、さらに詳しくいくつかのプロンプトのひな型が提供されています。
下記のような観点も加味され、ブラッシュアップされたひな型になっています。これは普通にプロンプトを作るときの注意したい観点です。
●AIと対話するときの「５つの注意点」
|
56の技法があるのですが、それぞれについて、実際にプロンプトを投げてみて、その回答例が掲載され、そこから例えばアイデアならどう広げていくかということが実践的に書かれています。この実践的なところに、「AIを使っている」と「AIを使いこなしている」の差を見ることができます。
また、「おわりに」では、人間にしか発想できない「２つのこと」として、「オフラインでしか語られないことを大事にして考える」「『不道徳な考え』や『不適切な視点』をあえて素材とする」が挙げられています。こういった「AIでは考え出せないこと」がある事実は、「人が頭を使って考える行為はどこまでいってもなくならないこと」を意味しますと書かれています。
さらに付け加えるとすると意外とロングテールなことを拾ってくれないんです。そのロングテール部分の知識ってネット上でもあまり載ってないんですよね。そういった意味でもLLMのモデルが作成される原理も分かってないといけませんし、ネットに書かれていないドメイン知識は人間ならではになってくると思います。
さて、私自身はChatGPTがメインツールなのですが、ChatGPTに「私はあなたをどれくらい使いこなしていますか？100点満点でスコア化してください」と取ったところ、95点と出たので使いこなせているとは思います。
ただ「こういうことも聞くとこんな風に返ってくる」ということを網羅的にカバーすることで、さらに私の利用度・活用度も上がってくると思います。
そういう意味では、初心者は56の技法はもちろん、活用法もよく知れると思いますし、中上級者はさらに活用の幅を広げるリファレンスになると思います。
ぜひ手に取ってみてください。
また、読者用にWEBでのプロンプト生成ツールも用意されているのでそれも利用してみるといいと思います。
The post AIを使って考えるための全技術 「最高の発想」を一瞬で生み出す56の技法 first appeared on ビックリ探し：Amazing-Quest.com.]]>
著者：小林直樹
| 個人SNSユーザー、企業の広告宣伝、SNS担当必読 300件の実例トラブルから学ぶ、ネット炎上対策 「ネット炎上」トラブルは、スマートフォンとSNSの普及が両輪となって一貫して増え続けてきました。新型コロナウイルス禍では、在宅率が高まったことで一段と炎上は増加し、正義感が暴走した「自粛警察」や、「ワクチン推奨vs.反ワク」のバトルを生み出しました。アフターコロナを迎えて炎上件数は頭打ちになり、2024年は前年比（2023年比）で22.6％減と、大幅に減少しています（出所：デジタル・クライシス総合研究所「デジタル・クライシス白書2025」）。 【目次】 Chapter 2 ジェンダー炎上 Chapter 3 不適切な投稿、行為、広告 Chapter 4 バイトテロ Chapter 5 炎上エトセトラ |
ネット炎上のお話300！
多種多様な炎上。
| さまざまな論点で相いれない者同士が共存している状態は、非常に着火しやすい、”可燃性”が高い環境と言えるでしょう。（p.5） |
0か1か、右か左か、上か下か、といった二元論になっているのは確か。そうなるとまさに「相いれない」ですね。
300の炎上案件、多種多様ですが「一部ネットユーザーからの不快感」という言葉がよく出てきます。まだにこれがキーワードな気がしました。
筆者も言っていますが、
| この10年でコンプライアンス順守、ならびに多様性（ダイバーシティ）、公平性（エクイティ）、包括性（インクルージョン）の意識はだいぶ進展、浸透しました。・・・しかしながら変化が起きているときには、「まだ遅れいている」と旗を振る人と、「昔は良かった」と回顧する人の間に大きな分断が生じています。（p.5） |
まさにこれなんだと思いました。マーケティングではSTP（セグメンテーション、ターゲティング、ポジショニング）が基本中の基本。CMもそうで、どちらかに寄ってしまわざるを得ない。となると反対側が騒ぎ出すという図式なのでしょう。
盛り沢山な300の事例。その中でも炎上に対して、「相手にしない」「早期謝罪」ではなく、弁証論的にうまく解決してWinWinになった3事例については筆者も是非読んでほしいと言ってます。
この3事例について気になる方はぜひ手に取ってみてください。
ネットの炎上が大テーマですが、一種の社会学的な書籍としても接することができました。
The post ネット炎上事例３００ なぜ企業や個人は失敗を繰り返すのか？ first appeared on ビックリ探し：Amazing-Quest.com.]]>
著者：堀井 俊佑 (著)
| 因果推論の大きな特徴は、「何を仮定するか」を常に明らかにしながら分析を進める点にあります。分析の結果、何らかの数値が得られたとしても、それが意味を持つのは、前提として置いた条件が成り立っている場合だけです。推定値そのものよりも、その背後にある構造や仮定を意識することこそが、因果推論を活用する第一歩なのです。 本書では、因果推論を学ぶうえで欠かせない二つの視点−潜在反応モデルと構造的因果モデル−を行き来しながら、それぞれの成り立ちや考え方、そして実際にデータから因果効果を推定する方法を紹介しています。異なる枠組みを対比させながら学ぶことで、「どちらの理論を使えばよいのか」という単純な選択ではなく、「状況や目的に応じてどう使い分けるか」を考える視点を身につけてください。◎本書の目次 第1章 統計的因果推論とは 意思決定の効果をより正確に推測する 1.1 統計的因果推論とは 1.2 「因果推論を意識しない分析」と「因果推論を意識した分析」の違い 1.3 実務課題解決において統計的因果推論が果たす役割第2章 統計的因果推論のための統計的基礎 条件付き確率と条件付き期待値の推定を理解する 2.1 変数の種類 2.2 確率分布の基礎 2.3 確率分布の推定 2.4 確率分布の特徴量の推定 2.5 条件付き確率分布の推定 2.6 ベイズ推論 2.7 機械学習を利用した条件付き期待値の推定第3章 潜在反応モデルに基づく因果推論 潜在反応モデルのフレームワークを理解する 3.1 潜在反応モデルと因果効果の統計的定義 3.2 セレクションバイアスとランダム化比較試験（RCT） 3.3 平均処置効果を推定するための条件 3.4 平均処置効果の推定方法 3.5 潜在反応フレームワークに基づく因果推論のデータ分析例 3.6 潜在反応フレームワークに基づく因果推論に関する様々な誤解第4章 構造的因果モデルに基づく因果推論 構造的因果モデルのフレームワークを理解する 4.1 構造的因果モデル 4.2 介入と平均因果効果 4.3 平均因果効果の推定 4.4 線形構造方程式モデルに基づく因果推論 4.5 構造的因果モデルフレームワークに基づく因果推論のデータ分析例 4.6 構造的因果モデルにおける重要な仮定とその検証 第5章 潜在反応モデルと構造的因果モデルの融合 第6章 調整に必要な変数が観測できない場合の因果推論 第7章 特殊なデータ構造を利用した因果推論 第8章 異質な因果効果の推定 第9章 実務で因果推論を活用するために |
因果推論には、Donald Rubinの提案した潜在反応モデルとJudea Pearlの提案した構造的因果モデルの2つのフレームワークがあり、本書ではどこが同じでどこが異なるのかを解説してくれています。
| 因果推論では、因果効果を推定するための前提条件（仮定）が成り立っているかが、推定結果の信頼性を左右します。これらの過程は、どれほど豊富なデータがあっても統計的に自動で保証されるものではなく、背景知識や現場の状況に照らして吟味する必要があります。（p.3） |
| データだけでは因果関係を明らかにすることは困難です。統計的因果推論は「因果関係を明らかにする」ことよりも、「因果効果の大きさを測る」ことに主眼を置いた理論なのです。（p.13） |
| 構造推定・予測と因果推論では推定したいものが異なります。データ分析者が、推定対象が何かを明確にしていないと、本当はやりたいことは因果推論なのに、実際に行っているのは構造推定ということになりかねません。（p.19） |
実務における統計的因果推論の事例として下記の4つが挙げられています。
1．A/Bテストとキャンペーンの最適化
2．顧客維持の改善
3．製品の新機能が売上に与える影響の評価
4．従業員のトレーニングプログラムの効果
ベルヌーイ分布におけるベイズ推論の説明が秀逸でしたので備忘メモしておきます。（p.72~）
| 事前分布p(θ)は、データ分析者が「θがデータ生成プロセスの真の特性を表すと信じている度合い」を数値化したもの。
事後分布は、データを観測した後の、データ分析者の信念を数値化したもの。 事前分布はデータ分析者が設定したものですが、事後分布は設定した事前分布とデータからベイズの定理によって自動的に決まります。パラメータの事後分布を求めることを、ベイズ推論と言います。（pp.72-pp.73） |
ンダムサンプリングは、「観測されたデータが母集団の性質を、どの程
| サンプルサイズが大きいと、真の不良率θに関する信念が強いことを反映しています。このような信念の強弱の評価を、不確実性の評価と呼ぶこともあります。不確実性の評価はベイズ推論の強力な特徴の一つであり、観測データの規模や質によって推論の信頼性を調整する能力を持っています。（p.75） |
| ランダム化比較試験（Randomized Controlled Trial:RCT）は推定の手法ではなく、データの取得方法の一つ。RCTは、Tの割り当てを他の変数とは独立に行うというデータの取得方法。・・・ランダムサンプリングとは目的と意味が本質的に異なるので注意が必要。ランダムサンプリングは、母集団から無作為にサンプルを抽出することを指します。目的は、得られたサンプルが母集団を代表するようにすることにあります。つまり、ラ度よく反映しているか」を保証するための前提です。・・・RCTは、処置の割り当てを無作為に決めることを指します。RCTの目的は交絡因子が処置と結果の両方に影響を与える可能性を排除することです。（pp.92-93） |
【潜在反応モデル】のまとめ（p.124）
|
【構造的因果モデル】のまとめ（p.169）
|
このあと、潜在反応モデルと構造的因果モデルを組み合わせた因果推論のデータ分析例を紹介してくれます。
筆者はビジネスドメイン知識の必要性をことあるごとに書いています。ここでも「データ分析者の勝手な思い込みで因果ダイアグラムを描いて、バックドア基準を満たす変数集合に基づく傾向スコアを利用した分析をしても、仮定の検証が不十分であれば、意味のある分析結果は得られない」（p.183）と言っています。
また、因果効果の推定の先にあるものとして非常に重要なことにも言及しています。「平均処置効果（ATE)や条件付き兵員処置効果（CATE)を推定したとして、それが具体的にどのような行動につながるのかは、明確に考えておく必要があります」（p.307）と。そして、因果推論は唯一の答えを導き出すための技術ではなく、意思決定の選択肢を構造的に整理し、「なぜ、その選択をするのか」という議論を深めるための技術である（p.308）とも述べています。
因果推論に関する書籍は今まで何冊か読みましたが、入門書としては大変読みやすく、明確に2つのモデルを区別しさらに統合したソリューションとしても説明され、理解も深め安いと思います。
著者の経歴を見るとアカデミックな世界のみの方のように見受けられますが、ビジネスドメイン知識の重要性を何度も語り、最後の章でも改めてそれを述べています。非常にしっかりした形でビジネスデータアナリシスの教科書としても使える内容だと思いました。
The post 分析者のための因果推論入門 データ分析と意思決定を紐づける手法と考え方を網羅的に詳解する first appeared on ビックリ探し：Amazing-Quest.com.]]>著者：Christian Clausen（著） (著), 松田晃一 (翻訳)
| 改善すべきコードの見つけ方、改善方法を具体的なルールと実践で伝授！
『Five Lines of Code — How and When to Refactor —』(Christian Clausen著、MANNING刊)の日本語版。 リファクタリングはソフトウェア開発やプログラミングの世界においてコードの品質向上や保守性の確保のために重要です。 本書では、「メソッドを5行以内で実装する」といった明確なルールを用いてリファクタリングを行うテクニックをステップバイステップで解説します。ルールの解説後には、そのルールの元となった「コードの臭い」についても説明されており、効率的に「コードの臭い」への感覚も養うことができます。 第1部では、GitHubで公開されている2Dパズルゲームのコードを主要な題材としてリファクタリングのプロセスを示しながら、適用するルールやパターンを解説します。 第2部では、チームでの開発にも焦点を当て、ルールとリファクタリングパターンを実務でどう活用するかを掘り下げます。コンパイラの機能の活用や、コメントを極力書かないようにするためのコツ、価値あるコメントの見極め方、コードの安全な削除／追加方法、将来的なリファクタリングで見落とされないように悪いコードをさらに悪く見えるようにして品質レベルを明確にするテクニックなど、実践で役立つトピックを広範に扱っています。 ＜本書で学べること＞ ●著者、訳者について Robert C. Martin（序文寄稿） 松田晃一（訳者） |
本書はTypeScriptを使って、リファクタリングのBefore/Afterを見て、コードの良く仕方を学んでいくワークブック形式の書籍です。
私はプログラマーでもないですし、TypeScriptにも習熟していませんので分からないところも多かったですが、「可読性」「保守性」を高めるという観点が何となくわかりました。
私は、SQLとPythonを使いますが、概念としては参考になることは多かったです。
似非＆サンデープログラマーだからこそ、こういうことを知っておかないと作業のたびに手戻りになるので大事なところだと思いました。
The post 実践で学ぶコード改善の極意 5行ルールで強く美しくリファクタリングする first appeared on ビックリ探し：Amazing-Quest.com.]]>著者：金本 拓 (著)
| 実践的な意思決定力を身につける！ Pythonと因果推論でデータ分析の壁を乗り越える! 本書では因果推論の活用を通じて、効果検証や相関と因果関係の違いといった、データ分析の現場でよくある問題を解決する方法を紹介します。 さらに、因果推論の基礎から、機械学習や時系列解析との組み合わせ、さらに因果探索まで学習することにより、因果推論を軸として幅広い問題に対応可能になります。これにより、データ活用の価値を高められます。 本書では、具体的な事例や豊富な図を用いて、因果推論の基本的な概念や手法を分かりやすく解説します。また、Pythonコードを用いた実装を通じて、因果推論を実務に応用するスキルを身につけることができます。 本書の特徴 実践的な学習と活用 目次 はじめに |
目次の順に丁寧に説明してくれています。分かりやすく書かれています。両書だと思います。
リファレンス的に手元に置いておくと良いと思いました。
The post 因果推論: 基礎から機械学習・時系列解析・因果探索を用いた意思決定のアプローチ first appeared on ビックリ探し：Amazing-Quest.com.]]>