カテゴリー別アーカイブ: 未分類

ビッグデータと人工知能 p32〜47 要約

-全件処理は万能か- 3Vつまり、量の大きさ(Volume)、多様なこと(Variety)、生成速度のはやさ(Velocity)がビッグデータの特徴である。だが、そういう扱いづらいデータを一体どのように処理、分析するのか?いま注目されているビッグデータ分析処理は、従来のやり方とは異なる特徴がある。主な特徴としては次の三点があげられる。 一つ目の特徴は、「全件処理」である。従来はたくさんのデータから限られた少数のサンプルを抜き取りそれらを分析してデータ全体の傾向を推し量るという方法が取られてきた。ところが、ビッグデータはこういったアプローチに反旗をひるがえす。サンプルではなくともかく全件のデータを調べようというのだ。 ここで第二の特徴である「質より量」があらわれる。例えば、世論の動向を調べるときに従来ならアンケート項目を用意し無作為抽出した人に対して尋ねるといった方法が取られたが、ビッグデータでは大量のツイッター発言を丸ごと分析し、集団的なおよその特性を探りだそうとするのである。ここでは、データの質が多少悪くても大量処理によって正確性が増すという強い信念がある。とはいえ、データの質が悪くてもともかく量をこなせば正確な分析ができるというのは少々乱暴すぎる。だからビッグデータの全件処理と言っても厳密にはただサンプル数が増加しただけではないかという冷めた議論があらわれる。 第三の特徴は「因果から相関」である。ビッグデータの分析の魅力は常識を超えた相関関係を発見することで有効な行動をとれるということである。例えば、「咳止め」や「解熱剤」と言ったキーワードによるウェブ検索頻度を調べるとどんな地域でインフルエンザが流行っているのか特定できる。グーグル社では実際にこのデータの相関関係分析しインフルエンザの流行を分析した。しかし、相関関係だけわかればよく、結果がわかれば理由はいらないというキャッチフレーズには違和感を覚える。 -インダクションとアブダクション- 演繹(デダクション)と帰納(インダクション)の他に、「仮説推量(アブダクション)がある。仮説推量は一般ルールと個別事実とから個別条件を導くものである。「人間は死ぬ」「ソクラテスは死ぬ」から「ソクラテスは人間だ」と推量するわけだが、死んだのはソクラテスという名前の犬であるのかもしれないため、仮説推量は必ずしも成り立つとは言えない。このように自然現象にせよ社会現象にせよ我々の周囲で起こる物事を推測して対処しても外れることは少なくない。だがそういう中で諸条件を検討考慮し、なんとか適切な対処をするために人間が作り上げてきたのが因果関係モデルであるのではないか。ただし、3Vの特徴を持つビッグデータにおいてはのんびり時間をかけて因果関係を検討している余裕はない。近頃話題を集めている「人工知能」を用いれば、ビッグデータに関する諸問題は解決されるのだろうか?

カテゴリー: 未分類 | コメントをどうぞ

外食に関する消費者意識と 飲食店の経営実態調査

これは、膨大な資料です。使うか使わないかは別として参考までに。 https://www.jfc.go.jp/n/findings/pdf/seikatsu25_1218a.pdf

カテゴリー: 未分類 | コメントをどうぞ

ハンバーガーチェーンの比較経済分析

http://www.t.daito.ac.jp/~t037785/zemi_12ki/burger.htm

カテゴリー: 未分類 | コメントをどうぞ

マクドナルドのダブルバーガーはなぜ高い

http://headlines.yahoo.co.jp/hl?a=20151110-00000017-asahi-bus_all 面白い記事でした。

カテゴリー: 未分類 | コメントをどうぞ

輪読 3章 まとめ

 長年、厳しい天候への対策には18世紀中ごろまで、主に二つのやり方が試みられてきた。 1儀式的方法   古代ギリシャにおいて。動物や人間の生贄   教会の鐘による祈祷   8世紀フランスにおいて。身を守るおまじないの言葉で埋まった御札をぶら下げた柱を立てる。  中央ヨーロッパにおいて。嵐が来る前に麦わらや粗朶を燃やす。   2軍事的方法   17世紀ごろ。たいていの船乗りは、大砲の音で雷雨を追い払えると信じていた。   1769年フランス、嵐と戦うための、砲台を設置   オーストリア・イタリアなどが国を挙げて嵐への砲撃を実施。   しかし、1907年クリーヴランド・アッベは上記の慣行の終焉を報じた。   レインフェイカーの登場 1891年 カンザス・ネブラスカ州における旱魃のため、数々の異名を持つ自称レインメイカー、フランク・メルバーンと500ドルで契約を結ぶ。→しかし何も起きなかった。   1902年~ チャールズ・マロリー・ハットフィールドが旱魃に苦しむ地域などと契約、多額の収益を得た。←ローリスク・ハイリターンの仕事であった。   1930年代~ アーヴィング・P・クリックが、天気を操作するビジネスで名声を得た。   レインフェイカーへの追及   2003年 気象予報士のリチャード・バーラーは、自治体に雨を降らせることを約束した会社に対して、そのような天気操作ができることを証明したことが一度もないことを説明し契約を無効にさせた。←上記の人たちがレインフェーカーであることが決定的になった。

カテゴリー: 未分類 | コメントをどうぞ

(法政大学)になぜ入ろうと思ったか

 私が法政大学に就社したい理由は二つあります。一つ目は、法政大学の六大学野球などスポーツで盛り上がれることや、全国から来た様々な人に出会え、いろいろな価値観に触れあえる点が大好きだということ。二つ目は、学生時代に授業、ゼミ、その他課外活動などで培った、幅広い知識や経験が、この総合大学の法政大学において、人気向上や、学内環境向上などで生かせると思ったことです。

カテゴリー: 未分類 | コメントをどうぞ

大学時代に主にしていたこと

 大学時代に、私が一番主に行い、努力していることは、幅広い知識を深めることです。私自身経営学部に所属していますが、法律や自然科学系など専門科目以外の授業も多くとっています。ゼミでも生命科学の一般教養を学ぶゼミに入りました。授業以外でも、大学に入り、増えた自分の時間を使い、小説などの読書や、アルバイト先で様々な社会人の経験を聞くことも積極的にしています。これらの知識や経験は、社会人になる際に、大きな自分への助けになると私は信じています。

カテゴリー: 未分類 | コメントをどうぞ

合宿 アメニティ一覧

最寄のバス停は緑の休暇村

カテゴリー: 未分類 | コメントをどうぞ

2012年前期順番表

新聞 4/19 丸島(日経) 4/26 山本(朝日) 5/10 平間(日経) 5/17今城(朝日) 5/24丸島(日経) (以降繰り返し) GD 4/19 木原(青木テーマ発表) 4/26 青木 捕鯨について(波多野テーマ発表) 5/10 波多野 地熱発電が何故進まないのか? 5/17 岡花 5/24 東 5/31 手島・高橋の誰か? 輪読 本が来た時点から

カテゴリー: 未分類 | コメントをどうぞ