因果推論、ベイズ推定、実験計画法など効果検証のやり方が乱立しているが、自分なりのベストプラクティスを確立したい
アナリストとしてより実用的な手法を身に着けていくことに関心があります。
直近関心がある事の一つが効果検証の手法です。
効果検証は、ここ数年でベイズや因果推論、さらに機械学習との組み合わせなどいろいろな手法が花開きました。
ただ、その副作用として、人によってやり方や前提知識が大きく異なる状況が生じています。
自分自身も追いつけていない自覚があるため、網羅的に手法を把握し、状況において適切な手法を選択できるようになりたいです。
特に、正しい値を推定する以外にも、サンプルサイズを見積もる方法、どんな要素が影響を与えているのか解釈する方法は関心すら持たれないことが多いですが、実務においてとても重要です。
どの方法が一番いいかではなく、どんな時にどんな手法を使えばいいのかを自分の中で確立させたいと考えています。
このプロジェクト詳細は公開されていません
このプロジェクト詳細は公開されていません
このプロジェクト詳細は公開されていません
このプロジェクト詳細は公開されていません
このプロジェクト詳細は公開されていません
このプロジェクト詳細は公開されていません
このプロジェクト詳細は公開されていません
このプロジェクト詳細は公開されていません
アジャイル
timesを導入すべきかどうか自分なりのルール
確定申告の効果的/効率的なやり方
因果推論
ベイズ推定
実験計画法
MMM
UXリサーチ手法
数理最適化
生存時間分析
dbt
DWH, DMの設計、命名規則の自分なりのルールのさらなる確立
英語
生成AI
stable diffusion
ナレッジグラフ
Flutter
AWS
【向上する時】