良書紹介04_効果的な現実世界のデータ収集

Transcript

1. DS初心者向け 知名度は低いけどオススメの良書紹介４ ～効果的な現実世界のデータ収集～ ぶんちん 2025年9月4日 データサイエンティスト集会 in VRC 1
2. 自己紹介 ぶんちん  データサイエンティスト集会の主催  複合経営が特徴の企業（製造業）に所属  データ分析担当者だったが。。。 e ラ ー ニ ン グ の イ ラ ス ト （ 男 性 ） 困 っ た 顔 で 働 く 会 社 員 の イ ラ ス ト （ 男 性 ） 成果獲得を狙うと、 同じことに繰り返しで 飽きた 他者にやってもらったら、 成果が増えるのでは？ 特に非専門家向けの データサイエンス活用教育 2
3. 良い書籍はたくさんあるけど。。。 良書は人気になりやすい 3 人気書籍 知られていない本でも良書がある 今回はそれを紹介
4. データ収集のデザイン Garbage in, garbage out ⇒『無意味なデータ（ゴミ）』を入力する 『無意味な結果（ゴミ）』が出力される ゴミにならないよう設計していますか？ 特に現実世界のデータ取得！ 4 丸投げNG
5. 現実世界のデータ取得の難しさ 全てのデータに明確な意図を持った設計が必要 ⇒ 逆に意図しないデータは取得できない  どのようなデータを取りたいのか  どのように測定するのか  どのような条件で記録するのか  どのくらいの期間・量のデータを記録するのか 5 データ取得は高コスト（カネ・時間・手間） ⇒ 追加・変更が困難 なんとなくで条件を決めるのは不適切
6. データ取得条件を検討する分野はないのか 実験の設計！ 6 実験 ＝未知を明らかにするための 科学的アプローチ方法
7. 生命科学の実験デザイン  「生命科学」とのタイトルだが、分野に関わ らず有用な内容  「実験デザイン」を扱った和書は本書を含め て２冊しか見つからず、どちらもバイオ系  成果を出すための実験（データ取得条件）の 設計に必要な要件を知ることができる 7
8. 目次 1. デザインはなぜ大切か 2. 仮説を明確にする 3. デザインの大枠を選ぶ 4. 個体間のばらつき、反復、サンプリング 5. 偽反復 6. サンプルサイズ、検出力、効果的なデザイン 7. 最もシンプルな実験デザイン―１因子完全ランダム化デザイン 8. 複数の因子をもつ実験―複因子デザイン 9. 完全ランダム化を超えて―ブロックと共変数 10.被験体内デザイン 11.測定―良質なデータをとるために 8 ここにコンセプトが集約 コンセプト ⇒ 具体的対応
9. 誤った思い込み どのようにデータをとるかは重要ではない．統計的 な「応急処置」は必ずあるので，どのようにとった データでも解析はできる． とにかくデータをたくさんとりさえすれば，何かし らおもしろい結果が出てくるし，非常に微妙な効果 でさえも検出できる． 9 現実はそんなに甘くない！
10. 大学（アカデミック）の出版社だけど キレッキレな表現  1.2 貧弱なデザインの害悪  1.2 .1 時間と金の無駄遣い  劣悪な実験デザインで時とエネルギーを無駄遣いするのが愚 かであることは言うまでもない． 10 地に足の着いた話が多く、表現もわかりやすい ⇒基礎統計と並行して学ぶべき本では？
11. なんで知名度が低い領域なの？ 建前：本書の内容は大学での研究（卒論・修論・博 士論文）に取り組む中で、全員が身に着けている 11 本当？ • 体系化されて説明されている書籍が少ないのに？ • 実験しない人も学んでいる？ • 仕事でこの考え方、使えている？
12. 実験デザインの重要性  できているようで、実はできていない領域  課題オーナーに丸投げはNG  成果を出すためには、押さえておく分野  個人的にビジネスでも有用だと思う 12 データ取得のコア部分に 積極的に関与しませんか？