Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Exploratory v5.3の新機能の紹介
Search
Kan Nishida
August 07, 2019
Science
0
12k
Exploratory v5.3の新機能の紹介
Exploratory v5.3の新機能の紹介。
Kan Nishida
August 07, 2019
Tweet
Share
More Decks by Kan Nishida
See All by Kan Nishida
Seminar #52 - Introduction to Exploratory Server
kanaugust
0
330
Exploratory セミナー #61 政府のオープンデータ e-Statの活用
kanaugust
0
1.1k
Exploratory セミナー #60 時系列データの加工、可視化、分析手法の紹介
kanaugust
0
1.1k
Seminar #51 - Machine Learning - How Variable Importance Works
kanaugust
0
660
Exploratory セミナー #59 テキストデータの加工
kanaugust
0
670
Seminar #50 - Salesforce Data, Clean, Visualize, Analyze, & Dashboard
kanaugust
1
390
Exploratory セミナー #58 Exploratory x Salesforce
kanaugust
0
350
Exploratory Seminar #49 - Introduction to Dashboard Cycle with Exploratory
kanaugust
0
380
Seminar #48 - Introduction to Exploratory v6.6
kanaugust
0
340
Other Decks in Science
See All in Science
機械学習 - 授業概要
trycycle
PRO
0
230
02_西村訓弘_プログラムディレクター_人口減少を機にひらく未来社会.pdf
sip3ristex
0
600
論文紹介 音源分離:SCNET SPARSE COMPRESSION NETWORK FOR MUSIC SOURCE SEPARATION
kenmatsu4
0
300
academist Prize 4期生 研究トーク延長戦!「美は世界を救う」っていうけど、どうやって?
jimpe_hitsuwari
0
160
生成AIと学ぶPythonデータ分析再入門-Pythonによるクラスタリング・可視化をサクサク実施-
datascientistsociety
PRO
4
1.7k
SciPyDataJapan 2025
schwalbe10
0
260
データベース06: SQL (3/3) 副問い合わせ
trycycle
PRO
1
620
サイゼミ用因果推論
lw
1
7.5k
KH Coderチュートリアル(スライド版)
koichih
1
45k
データベース11: 正規化(1/2) - 望ましくない関係スキーマ
trycycle
PRO
0
930
データから見る勝敗の法則 / The principle of victory discovered by science (open lecture in NSSU)
konakalab
1
130
Masseyのレーティングを用いたフォーミュラレースドライバーの実績評価手法の開発 / Development of a Performance Evaluation Method for Formula Race Drivers Using Massey Ratings
konakalab
0
190
Featured
See All Featured
A Modern Web Designer's Workflow
chriscoyier
696
190k
Thoughts on Productivity
jonyablonski
69
4.8k
Rails Girls Zürich Keynote
gr2m
95
14k
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
8
900
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
49
3k
Product Roadmaps are Hard
iamctodd
PRO
54
11k
Easily Structure & Communicate Ideas using Wireframe
afnizarnur
194
16k
For a Future-Friendly Web
brad_frost
179
9.9k
Build your cross-platform service in a week with App Engine
jlugia
231
18k
Testing 201, or: Great Expectations
jmmastey
45
7.6k
A better future with KSS
kneath
239
17k
The Art of Programming - Codeland 2020
erikaheidi
55
13k
Transcript
Exploratory ηϛφʔ Exploratory v5.3
2 εϐʔΧʔ ా צҰ CEO EXPLORATORY ུྺ 2016ɺσʔλαΠΤϯεͷຽओԽͷͨΊɺExploratory, Inc Λཱͪ
্͛Δɻ Exploratory, Inc.ͰCEOΛΊΔ͔ͨΘΒɺσʔλαΠΤϯεɾϒʔ τΩϟϯϓɾτϨʔχϯάͳͲΛ௨ͯ͠γϦίϯόϨʔͰߦΘΕ͍ͯ Δ࠷ઌͷσʔλαΠΤϯεͷීٴͱڭҭʹऔΓΉɻ ถΦϥΫϧຊࣾͰɺ16ʹΘͨΓσʔλαΠΤϯεͷ։ൃνʔϜΛ ͍ɺػցֶशɺϏοάɾσʔλɺϏδωεɾΠϯςϦδΣϯεɺσʔ λϕʔεʹؔ͢Δଟ͘ͷΛੈʹૹΓग़ͨ͠ɻ @KanAugust
Vision ΑΓΑ͍ҙࢥܾఆΛ͢ΔͨΊʹ σʔλΛ͏͜ͱ͕ͨΓલʹͳΔ
Mission σʔλαΠΤϯεͷຽओԽ
5 ୈ̏ͷ σʔλαΠΤϯεɺAIɺػցֶश౷ܭֶऀɺ։ൃऀͷͨΊ͚ͩͷͷͰ͋Γ·ͤΜɻ σʔλʹڵຯͷ͋ΔਓͳΒ୭͕ੈքͰ࠷ઌͷΞϧΰϦζϜΛͬͯ ϏδωεσʔλΛ؆୯ʹੳͰ͖Δ͖Ͱ͢ɻ Exploratory͕ͦ͏ͨ͠ੈքΛՄೳʹ͠·͢ɻ
ୈ1ͷ ୈ̎ͷ ୈ̏ͷ ϓϥΠϕʔτ(ߴ͍/ݹ͍) Φʔϓϯɾιʔε(ແྉ/࠷ઌ) UI & ϓϩάϥϛϯά ϓϩάϥϛϯά 2016
2000 1976 ϚωλΠθʔγϣϯ ίϞσΟςΟԽ ຽओԽ ౷ܭֶऀ σʔλαΠΤϯςΟετ Exploratory ΞϧΰϦζϜ Ϣʔβʔɾ ମݧ πʔϧ Φʔϓϯɾιʔε(ແྉ/࠷ઌ) UI & ࣗಈԽ ϏδωεɾϢʔβʔ ςʔϚ σʔλαΠΤϯεͷຽओԽ
質問 ExploratoryͰ؆୯ʹͰ͖ΔλεΫ 伝える データアクセス データ ラングリング 可視化 アナリティクス 統計/機械学習 UI
Exploratory ηϛφʔ Exploratory v5.3
質問 伝える データアクセス データ ラングリング 可視化 アナリティクス 統計/機械学習 UI
質問 伝える データアクセス データ ラングリング 可視化 アナリティクス 統計/機械学習 UI
σʔλϥϯάϦϯά • ूܭʢSummarizeʣͷUI • ϐϘοτͷUI • ྻ໊ͷมߋʢRenameʣͷUI • ϚʔδʢߦΛՃ͢ΔʣͷσʔλϑϨʔϜ໊ •
৽͍ؔ͠ͷՃɿmode, str_logical, str_extract_inside
ूܭʢSummarizeʣ
ϐϘοτ
ྻ໊ΛมߋʢRenameʣ
ϚʔδʢߦΛՃʣ
None
質問 伝える データアクセス データ ラングリング 可視化 アナリティクス 統計/機械学習 UI
ՄࢹԽ • ͷΧςΰϦʔԽ - XɺYɺ৭ • ͷ੍ݶ - Top /
Bottom Nɺ݅ • Logʢϩάʣ, Absoluteʢઈରʣ, Weekendʢि/ฏʣ • ϐϘοτςʔϒϧͷΞοϓσʔτ • Re-order - X, Y, Legend
• ͷΧςΰϦʔԽ - XɺYɺ৭ • ͷ੍ݶ - Top / Bottom
Nɺ݅ • Log, Absolute, Weekend • Pivot Table - Post Calculation, 30 Columns for Values • Re-order - X, Y, Legend ՄࢹԽ
None
ͷΧςΰϦʔԽ
None
৭ͷΛ̑ʹ͢Δ
X࣠ͱ৭
खಈͰ͚Δ
ΧςΰϦʔʹϥϕϧΛ͚ͭΔ
None
None
None
None
• ͷΧςΰϦʔԽ - XɺYɺ৭ • ͷ੍ݶ - Top / Bottom
Nɺ݅ • Log, Absolute, Weekend • Pivot Table - Post Calculation, 30 Columns for Values • Re-order - X, Y, Legend ՄࢹԽ
None
None
τοϓNɾϘτϜN
νϟʔτʹΘΕ͍ͳ͍ྻ͑Δ
݅
݅
εϩϕχΞͷฦ͕100ˋʂ ࣮จ͕গͳ͍͔Βɻ
εϩϕχΞ͕ফ͑ͨɻ ͜ΕͰɺจ͕ҰఆҎ্͋ΔࠃͲ ͏͠ΛൺΔ͜ͱ͕Ͱ͖Δɻ
• ͷΧςΰϦʔԽ - XɺYɺ৭ • ͷ੍ݶ - Top / Bottom
Nɺ݅ • Logʢϩάʣ, Absoluteʢઈରʣ, Weekendʢि/ฏʣ • ϐϘοτςʔϒϧͷΞοϓσʔτ • Re-order - X, Y, Legend ՄࢹԽ
41
42
None
None
• ͷΧςΰϦʔԽ - XɺYɺ৭ • ͷ੍ݶ - Top / Bottom
Nɺ݅ • Logʢϩάʣ, Absoluteʢઈରʣ, Weekendʢि/ฏʣ • ϐϘοτςʔϒϧͷΞοϓσʔτ • Re-order - X, Y, Legend ՄࢹԽ
ϐϘοτςʔϒϧɿͨ͘͞Μͷྻ͕ΞαΠϯͰ͖Δʂ
ϐϘοτςʔϒϧɿ߹ܭͷܭࢉͷλΠϛϯά
質問 伝える データアクセス データ ラングリング 可視化 アナリティクス 統計/機械学習 UI
ΞφϦςΟΫε • ςετɾϞʔυ • ྨͷ͖͍͠ઃఆ • ϥϯμϜϑΥϨετ / Ϙϧʔλɺઢܗճؼ /
มॏཁɺϩδεςΟοΫճؼ / ݶքޮՌ • Prophet - ֎෦༧ଌม, ͷपظੑ, τϨϯυͷมԽ, ๏ • ݕग़ྗੳɺޮՌྔ • ΟϧίΫιϯݕఆɺΫϥεΧϧɾΥϨεݕఆ • GLM - ෛͷೋ߲
ΞφϦςΟΫε • ςετʢධՁʣϞʔυ • ྨͷ͖͍͠ઃఆ • ϥϯμϜϑΥϨετ / Ϙϧʔλɺઢܗճؼ /
มॏཁɺϩδεςΟοΫճؼ / ݶքޮՌ • Prophet - ֎෦༧ଌม, ͷपظੑ, τϨϯυͷมԽ, ๏ • ݕग़ྗੳɺޮՌྔ • ΟϧίΫιϯݕఆɺΫϥεΧϧɾΥϨεݕఆ • GLM - ෛͷೋ߲
None
None
None
None
ΞφϦςΟΫε • ςετɾϞʔυ • ྨͷ͖͍͠ઃఆ • ϥϯμϜϑΥϨετ / Ϙϧʔλɺઢܗճؼ /
มॏཁɺϩδεςΟοΫճؼ / ݶքޮՌ • Prophet - ֎෦༧ଌม, ͷपظੑ, τϨϯυͷมԽ, ๏ • ݕग़ྗੳɺޮՌྔ • ΟϧίΫιϯݕఆɺΫϥεΧϧɾΥϨεݕఆ • GLM - ෛͷೋ߲
None
None
None
0.3 0.8 0.5 ͖͍͠
ΞφϦςΟΫε • ςετɾϞʔυ • ྨͷ͖͍͠ઃఆ • ϥϯμϜϑΥϨετ / Ϙϧʔλɺઢܗճؼ /
มॏཁɺϩδεςΟοΫճؼ / ݶքޮՌ • Prophet - ֎෦༧ଌม, ͷपظੑ, τϨϯυͷมԽ, ๏ • ݕग़ྗੳɺޮՌྔ • ΟϧίΫιϯݕఆɺΫϥεΧϧɾΥϨεݕఆ • GLM - ෛͷೋ߲
ϥϯμϜϑΥϨετɿϘϧʔλ
ઢܗճؼɿมॏཁ
ϩδεςΟοΫճؼɿฏۉݶքޮՌ
ΞφϦςΟΫε • ςετɾϞʔυ • ྨͷ͖͍͠ઃఆ • ϥϯμϜϑΥϨετ / Ϙϧʔλɺઢܗճؼ /
มॏཁɺϩδεςΟοΫճؼ / ݶքޮՌ • Prophet - ֎෦༧ଌม, ͷपظੑ, τϨϯυͷมԽ, ๏ • ݕग़ྗੳɺޮՌྔ • ΟϧίΫιϯݕఆɺΫϥεΧϧɾΥϨεݕఆ • GLM - ෛͷೋ߲
पظͷقઅੑ
νΣϯδϙΠϯτͷظؒ
νΣϯδϙΠϯτ : 0.5
νΣϯδϙΠϯτ : 0.8
Ճ๏ vs. ๏
Ճ๏త
๏త
ରਖ਼ن ରΛऔΔͱਖ਼نʹͳΔ 72
ਖ਼ن͢Δσʔλͱʁ 73
த৺ۃݶఆཧ ͱͷ͕Ͳ͏͋Εɺฏۉ·ͨͷਖ਼نʹۙͮ͘ɻ 74
ͱͯ͠Γཱ͍ͬͯΔ • = 0ࡀͷ࣌ͷ ʴ 1ࡀͷ࣌ͷ ʴ … ̎̌ࡀͷ࣌ͷ
• ࢼݧͷ = ୈ̍ͷ ʴ ୈ̎ͷ ʴ ୈ̏ͷ ʴ … ࠷ޙͷͷ த৺ۃݶఆཧʹΑΓɺ͜ΕΒΓཱ͔ͪΒͯ͠ਖ਼نͦ͠͏ͳ ੑ࣭Λ͍࣋ͬͯΔɻ 75
ରਖ਼ن͢Δσʔλͱʁ 76
ੵͱͯ͠Γཱ͍ͬͯΔ • څྉ = ॳڅ x څྉΞοϓ105% x څྉΞοϓ110% x
… • ࠃͷਓޱ= ࠃՈཱ࣌ͷਓޱ x 90%ʹઓ૪Ͱਓޱݮ x 110%ʹϕϏʔϒʔϜͰਓޱ૿ x … த৺ۃݶఆཧʹΑΓɺ͜ΕΒΓཱ͔ͪΒͯ͠ରਖ਼ن ͦ͠͏ͳੑ࣭Λ͍࣋ͬͯΔɻ 77
த৺ۃݶఆཧ͔Β͍͑Δ͜ͱ ͱͷ͕Ͳ͏͋Εŋŋŋ ฏۉ·ͨΛͱΔ ͱŋŋŋ ਖ਼نʹۙͮ͘ ੵΛͱΔͱŋŋŋ ରਖ਼نʹۙͮ͘ 78
ͱͯ͠Γཱ͍ͬͯΔͷϦχΞͳ৳ͼํ ੵͱͯ͠Γཱ͍ͬͯΔͷෳརޮՌͷ͋Δ৳ͼํ ຊͷஉࢠੜెͷྸผฏۉ Amazonͷച্ߴͷਪҠ ͢Δͱ͖ͷͷ৳ͼํͷҧ͍ 79
ରΛऔͬͯΛݟͯΈΔ͜ͱɺ ͕ੵͱͯ͠Γཱ͍ͬͯΔͱ͍͏Ϟσϧ Λݕ౼͢Δ͜ͱʹ͍ۙɻ 80
จ͝ͱͷച্ߴ 81
จ͝ͱͷച্ߴ 82
Ճ๏త
๏త
ΞφϦςΟΫε • ςετɾϞʔυ • ྨͷ͖͍͠ઃఆ • ϥϯμϜϑΥϨετ / Ϙϧʔλɺઢܗճؼ /
มॏཁɺϩδεςΟοΫճؼ / ݶքޮՌ • Prophet - ֎෦༧ଌม, ͷपظੑ, τϨϯυͷมԽ, ๏ • ݕग़ྗੳɺޮՌྔ • ΟϧίΫιϯݕఆɺΫϥεΧϧɾΥϨεݕఆ • GLM - ෛͷೋ߲
ޮՌྔʢEffect Sizeʣ & ݕग़ྗʢPowerʣ
ݕग़ྗΛͱʹͨ͠αϯϓϧαΠζͷࢉग़
ඞཁͱ͞ΕΔαϯϓϧαΠζ
ΞφϦςΟΫε • ςετɾϞʔυ • ྨͷ͖͍͠ઃఆ • ϥϯμϜϑΥϨετ / Ϙϧʔλɺઢܗճؼ /
มॏཁɺϩδεςΟοΫճؼ / ݶքޮՌ • Prophet - ֎෦༧ଌม, ͷपظੑ, τϨϯυͷมԽ, ๏ • ݕग़ྗੳɺޮՌྔ • ΟϧίΫιϯݕఆɺΫϥεΧϧɾΥϨεݕఆ • GLM - ෛͷೋ߲
Wilcoxon Test & Kruskal-Wallis Test
ΞφϦςΟΫε • ςετɾϞʔυ • ྨͷ͖͍͠ઃఆ • ϥϯμϜϑΥϨετ / Ϙϧʔλɺઢܗճؼ /
มॏཁɺϩδεςΟοΫճؼ / ݶքޮՌ • Prophet - ֎෦༧ଌม, ͷपظੑ, τϨϯυͷมԽ, ๏ • ݕग़ྗੳɺޮՌྔ • ΟϧίΫιϯݕఆɺΫϥεΧϧɾΥϨεݕఆ • GLM - ෛͷೋ߲
ҰൠԽઢܗϞσϧ - ෛͷೋ߲
Demo
None
݄̍̍։࠵ܾఆʂ ि൛ɿ̕ʢʣɺ̍̌ʢʣɺ̍̒ʢʣ ฏ൛ɿ̍̎ʢՐʣɺ̍̏ʢਫʣɺ̍̐ʢʣ
• ϓϩάϥϛϯάͳ͠ RݴޠͷUIͰ͋ΔExploratoryΛੳπʔϧͱͯ͠༻͢ΔͨΊडߨதɺϏδωεͷ Λղܾ͢ΔͨΊʹඞཁͳσʔλαΠΤϯεͷख๏ͷशಘʹ100ˋूதͰ͖Δ • ੳπʔϧͷϕϯμʔϩοΫΠϯͳ͠ ExploratoryͰͷ࡞ۀશͯಠཱͨ͠ΦʔϓϯιʔεͷRڥͰ࠶ݱ͕Մೳ • ࢥߟྗͱεΩϧͷशಘ σʔλαΠΤϯεͷεΩϧशಘ͚ͩͰͳ͘ɺσʔλੳʹඞཁͳࢥߟྗशಘͰ͖Δ
ಛ
Q & A
࿈བྷઌ ϝʔϧ
[email protected]
ΣϒαΠτ https://ja.exploratory.io ϒʔτΩϟϯϓɾτϨʔχϯά https://ja.exploratory.io/training-jp Twitter @KanAugust