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
気軽に手に入る成績データで野球分析をしてみた
Search
kuma127
December 12, 2018
Programming
2.2k
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
気軽に手に入る成績データで野球分析をしてみた
12/12 Baseball Play Study で使ったスライドです。ボツネタ入り
kuma127
December 12, 2018
More Decks by kuma127
See All by kuma127
ReactPyを使ってreact likeにUIをPythonで実装する
kuma127
0
410
私と#pyhack
kuma127
0
330
配信チームの準備と当日進行について
kuma127
0
390
石川雅規のことをもっと知ってもらいたいLT
kuma127
0
1.5k
Beginning PyData with Django and Jupyter
kuma127
3
5.9k
DjangoとJupyterで捗るPyData
kuma127
1
1.7k
趣味駆動学習のススメ〜野球の場合〜
kuma127
0
360
プロスペクトをデータで紹介
kuma127
2
2.8k
Python is simple and deep
kuma127
0
78
Other Decks in Programming
See All in Programming
【やさしく解説 設計編・中級 #4】ルールの寿命と、システムの年輪
panda728
PRO
2
150
AI時代の仕事技芸論〜ソフトウェア開発で「遊ぶように働く」職人的熟達のすすめ(スクフェス仙台 2026バージョン)
kuranuki
0
660
なぜ関数型プログラミングで「型」と「証明」が語られるのか #fp_matsuri
kajitack
3
980
PHP に部分適用が来るぞ!……ところで何それ?おいしいの? #phpcon / phpcon-2026
shogogg
0
270
【やさしく解説 設計編 #1】「ドメイン駆動」と「実装駆動」ってなに? 〜設計の考え方を、たとえ話で学ぼう〜
panda728
PRO
1
120
Claude Opus 4.6以後の受託開発エンジニアの変化(Claude Code開発ノウハウ大公開スペシャルbyクラスメソッド)
iidatakuma
1
800
【SRE NEXT 2026 Lunch Session】一人目専任SREの立ち上げを加速する ― AIと進めたオンボーディングで2分を0.04秒にした話
pkshadeck
PRO
0
2.8k
アルゴリズムは何を圧縮しているのか ─ Haskell から育った「圧縮代数」というメンタルモデル
naoya
16
3.5k
ローカルLLMでどこまでコードが書けるか -縮小版 / How much code can be written on a local LLM Shortened
kishida
2
190
えっ!!コードを読まずに開発を!?
hananouchi
0
220
霧の中の代数的エフェクト
funnyycat
1
410
ルールを書いて終わらせないハーネスエンジニアリング
yug1224
3
1.6k
Featured
See All Featured
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
37
6.5k
Taking LLMs out of the black box: A practical guide to human-in-the-loop distillation
inesmontani
PRO
3
2.3k
What Being in a Rock Band Can Teach Us About Real World SEO
427marketing
0
1k
The innovator’s Mindset - Leading Through an Era of Exponential Change - McGill University 2025
jdejongh
PRO
1
220
We Have a Design System, Now What?
morganepeng
55
8.2k
Why Our Code Smells
bkeepers
PRO
340
58k
How to make the Groovebox
asonas
2
2.3k
A Soul's Torment
seathinner
6
3.1k
JAMstack: Web Apps at Ludicrous Speed - All Things Open 2022
reverentgeek
1
500
Imperfection Machines: The Place of Print at Facebook
scottboms
270
14k
Jamie Indigo - Trashchat’s Guide to Black Boxes: Technical SEO Tactics for LLMs
techseoconnect
PRO
0
380
GraphQLとの向き合い方2022年版
quramy
50
15k
Transcript
2018/12/12 ؾܰʹखʹೖΔσʔλͰ ٿੳΛͯ͠Έͨ ʙࢁాਓͷ෮׆ͱϑϥΠϘʔϧֵ໋Λఴ͑ͯʙ ͘·ͽ TwitterIDɿ@kumappp27
ࣗݾհ ✤ ʮ͘·ͽʯͱ͍͍·͢ ✤ TwitterID:@kumappp27 ✤ ύϦʔάΦϑΟγϟϧεϙϯαʔاۀͰWebΤϯδχΞ ͬͯ·͢ ✤ ݹాPM͔࣌ΒͷͪͳϠΫ
✤ ಉ͍ʹࠓFAࢢΛ૽͕ͤͨ˓˓બखͱ˓બख͕͍Δ ʢϠΫϧτͰ͍͏ͱখखதଜબखͳͲʣ
ࠓγʔζϯɺԠԉ͓ർΕ༷Ͱͨ͠ʂ
ࠓγʔζϯͷ;Γ͔͑Γ ✤ ͪͳϠΫతʹେຬͷ γʔζϯͰͨ͠ ✤ ੨ͷ෮ؼɺࢁాͷ෮׆ɺ ݪथཧͷҰຊཱͪ…ͳͲ ✤ ·ͨएखͷʹΛ ݟுΔͷ͕͋Γ·ͨ͠
ͳ͓
ຊͷ͓
ؾܰʹखʹೖΔσʔλͰٿੳΛͯ͠Έͨ
͓ͷ֓ཁ ✤ ͱΓ͋͑ͣٿͷσʔλੳ͕͍͚ͨ͠ͲɺຊͰMLBͷΑ͏ͳ ৄࡉͳσʔλ͕Ұൠެ։͞Εͯͳ͍ͷͰɺϠ˓ʔͷΑ͏ͳ୭Ͱݟ ΕΔʢ༡ΰɾݟࡾৼͳͲʣΛͬͯͰ͖Δ͚ͩੳͯ͠ΈΔ ͧʂ͓ͬͯͰ͢ ✤ ػցֶशͳͲߴͳٕज़ͷͳ͍ͷͰѱ͔͠Βͣ ✤ ٿքͰ͍ݹ͞Εͨͩͱࢥ͏ͷͰɺ؍ઓͷࡘఔʹͲ͏ͧ
✤ 6ͳͷʹΉͬͪΌεϥΠυ࡞ͬͯ͠·ͬͨͷͰۦ͚ؾຯͰߦ͖ ·͢ʢ৭ʑੳͯ͠Δͱָ͍ͯͭ͘͠…
͓ͷϫέ ✤ ڈΑ͘ݟͨͭ ࢁా·ͨΈͷ͞Μͯ͠Δʂ ෆௐͳબखͬͯಉ͡Α͏ͳܗͰΞτ ʹͳΔޫܠΛΑ͘ݟͨʢؾ͕ͨ͠ʣͷ Ͱɺ͡Ό͋ௐͯΈΑ͏ʂͱ͍͏ͷ͕ ΩοΧέ
ʮଧ੮݁Ռʯʹ͍ͭͯ ✤ ʮ༡ΰʯʮݟࡾৼʯͳͲͷ݁Ռ͔Β͋Δఔঢ়گ͕ਪ ଌͰ͖Δ ✤ ༡ΰͳΒɺӈଧऀͳΒʮҾͬுͬͯస͕ͨ͠ʢͻ͔ͬ ͚ͨʁʣʯதඈͳΒʮηϯλʔํʹଧ্ͪ͛ͨʢਊ Λ֎ͨ͠ʁʣʯͳͲʢώοτܥใগͳΊͰ͕͢ ✤ →֤ଧ੮݁ՌΛूܭ͢Δ͜ͱͰόοςΟϯάΞϓϩʔ
νෆௐͳ࣌ͷ͕͔ͭΊΔͷͰͳ͍͔ʁ
Special Thanks ✤ ࠓճੳ͢Δʹ͋ͨͬͯݩͱͳΔσʔλΛఏڙ͍ͯ͠ ͍ͨͩͨʢͱ͍͏͔ϦϯΫϑϦʔͩͬͨͷͰউखʹར ༻͍ͤͯͨ͞ʣʮσʔλͰָ͠Ήϓϩٿʯ༷ ✤ ϦϯΫɿhttp://baseballdata.jp/ ✤ શଧ੮σʔλΛ͡Ί༷ʑͳσʔλ͕ॆ࣮͍ͯ͠Δૉ
Β͍͠αΠτͰ͢ʢએʣ
ੳͯ͠Έͨʙࢁాਓฤ
ࢁాਓ෮׆ͷཧ༝Λ୳Δ ✤ ࠓɺલͷෆৼ͔Βݟࣄ෮׆͠3ͱͳΔτϦϓ ϧεϦʔΛୡͨ͠զ͕ϠΫϧτͷࢁాਓબख ✤ ࠓͱલͱͰଧ੮݁ՌʹͲͷΑ͏ͳ͕ࠩ͋ͬͨͷ͔ʁ ·͔ͨͦ͜Β෮׆ͷཧ༝Λ୳Εͳ͍͔ʁ ✤ ͬͦ͘͞σʔλΛݟͯΈ͍ͨͱࢥ͍·͢
ଧ੮݁ՌΛूܭ͢Δʹ͋ͨͬͯ ✤ ଧ੮݁ՌΛԼهͷΑ͏ʹྨ͠·͢ 1.ଧٿํʢࠨɾதɾӈʣ 2.֯ʢϑϥΠɺΰϩɺϥΠφʔʣ 3.࢛ࢮٿ 4.ࡾৼ ✤ ҆ଧํผͱͯ݁͠Ռ͚ͩͰϑϥΠ͔ΰϩ͔அͰ͖ ͳ͍ͷͰɺʮෆ໌ʯͱக͠·͢ʢHRϑϥΠѻ͍ʣ
ྨͨ͠σʔλ͕ͪ͜Β ྆ͱ630ଧ੮΄ͲͳͷͰɺ1% = 6.3ճ ڈʹൺͯࠨํͷΰϩʢओʹ༡ΰɺࡾΰʣ͕ݮΓɺ ࠨํͷϑϥΠʢओʹࠨඈɺࠨຊʣ͕૿͑ͨ
ෆௐظΰϩ͕૿͑Δʁ ✤ Έͨײ͡Լهͷ݁Ռ͕ڈͱൺͯݮ͍ͬͯΔΑ͏ 1.Ҿֻ͚ͬΔʢࠨଆͷΰϩʣ 2.ԡ͞ΕΔʢӈଆͷϑϥΠʣ ✤ ෆௐظڈͱಉ͡Α͏ͳଧ੮݁Ռͷׂ߹ʹͳ͍ͬͯ Δͷ͔ʁͦΕͱಉ͡ෆௐͰதશ͘ҧ͏ͷ͔ʁ
ظؒΛ͠΅Δ ✤ ࢀߟ·ͰʹɺࠓͷதͰ 1.ෆௐ݄ͩͬͨʢ3ɾ4݄ɺ.264 6݄ɺ.253ʣ 2.ௐ݄ͩͬͨʢ5݄ɺ.326 7݄ɺ.425ʣ ✤ ͜ΕΒΛ߹ࢉͯ͠ൺͯΈΔ ✤
ʢͪͳΈʹෆௐظͱ͍͍ͳ͕ΒOPS .900͘Β͍͋Δʣ
ௐظͱෆௐظͷൺֱ ෆௐظࡾৼ͕͘͢͝ଟ͍͕ɺ ڈͷΑ͏ʹࠨํͷΰϩ͕͘͢͝૿͑ͨΓɺʢΉ͠Ζ݁ߏݮͬͯΔʣ ࠨɾதํͷϑϥΠ͕ݮͬͨΓ͍ͯ͠ͳ͍
·ͱΊΔͱ ✤ ෮׆ͨ͠ࠓڈʹൺ 1.ࠨํͷΰϩ͕ݮͬͨ 2.ࠨதํͷϑϥΠ͕૿͑ͨ 3.্هɺௐظɾෆௐظมΘΓ͕΄΅ͳ͠ ✤ ݁ɿ͘·ͱΊΔͱʮҾͬுΓํʹଧ্ͪ͛Δҙ ͕ࣝపఈͰ͖͍ͯΔʯͷ͕෮׆ͷཧ༝Ͱʁ
དྷͷࢁాਓΛݟकΔʹ͋ͨͬͯ ✤ ࡾৼ͕ଟͯۤ͘͠ΜͰΔ͋ͨΓ·ͩେৎ ✤ ʹݟ͑ͯࠨํͷΰϩɾӈํͷϑϥΠ͕૿͑ͨ Γ͠ͳ͍ݶΓɺདྷق҆ହ…ͳͣ ✤ དྷق՚ྷͳҾͬுͬͨHRΛظ͠·͠ΐ͏
ੳͯ͠ΈͨʙϑϥΠϘʔϧֵ໋ฤ
ϑϥΠϘʔϧֵ໋ɺى͖ͯΔʁ ✤ ࡢɺMLBΛ੮רͨ͠ʮϑϥΠϘʔϧֵ໋ʯ ✤ ελοτΩϟετͷొͰৄࡉͳσʔλ͕औΕΔΑ ͏ʹͳͬͨ݁ՌɺϑϥΠΛଧͭ͜ͱ͕༗ޮͰ͋Δͱ ໌͠ɺଧऀͷେ෦͕ϑϥΠૂ͍Λ࢝ΊͨΞϨͰ͢ ✤ ຊͰౡҎ֎ͷ11ٿஂ͕ຊڌʹτϥοΫϚϯΛ ಋೖ͠·ͨ͠͠ɺຊͰͲ͏ͳΜͰ͠ΐʁ
ͱɺௐΑ͏ͱͨ͠ઌʹ͜Μͳهࣄ͕ ग़యɿhttps://full-count.jp/2018/11/23/post254049/
ͦΒ͏ΞϨʢωλόϨʣΑ ✤ ·͋ถٿͷࢼ߹ͷͳͷͰ͋·Γؾʹͤͣ… ✤ Ή͠ΖʮϗϯϚ͔ʁʯͱௐͨ͘ͳΔܹΛ͘Εͨ ʢ͑
୯७ͳຊྥଧൺֱ͔Β ✤ ※ຊྥଧɿ1ຊྥଧ͋ͨΓʹ͔͔Δଧɺগͳ͍΄ͲHR͕ଟ͍ 2018 2017 2016 ηɾϦʔά 35.3 40.2 40.6
ύɾϦʔά 33.7 36.5 45.8 ※খҎԼୈ2ҐͰ࢛ࣺޒೖ
݁ߏݮͬͯΔ… ✤ ୯७ͳຊྥଧͩͱ͔͋Β͞·ʹݮগ͍ͯ͠Δɺͭ· ΓHRͷׂ߹͕૿͍͑ͯΔ ✤ ಛʹηͷ্ঢ͕ੌ·͍͡ʢԣͱڊਓ͕ಛʹ৳ͼͯ ͍Δɺࠓʹ͍ؔͯ͑͠ڪΒ͘ιτͱԬຊޮՌ͔ͱ ✤ ΞϓϩʔνʹࣗମʹมԽ͋Δͷ͔ʁ
Let’sूܭ ✤ 2018ͱ2017ɺ͍ͭͰʹ2016ަ͑ͯɺͦͷͷ نఆଧ੮ͷҎ্ଧ੮ʹཱͬͨଧऀΛରʹूܭ͠ ·͢ ✤ ଧ੮݁ՌΛΰϩɺϑϥΠɺϥΠφʔɺࡾৼɺ࢛ࢮٿɺ ෆ໌ʢ΄΅΄΅ώοτʣͷ6ͭʹྨ͠·͢
2018 ✤ ΰϩɿ26% ✤ ϑϥΠɿ24% ✤ ࡾৼɿ17%
2017 ✤ ΰϩɿ26% ✤ ϑϥΠɿ24% ✤ ࡾৼɿ18%
2016 ✤ ΰϩɿ26% ✤ ϑϥΠɿ23% ✤ ࡾৼɿ17%
ੴࢁହஓʢϠʣͳΈͷ҆ఆײ ✤ ԁάϥϑͩͱͼͬ͘Γ͢Δ͘Β͍มΘͬͯͳ͍ ✤ ΓٿքશମͰϑϥΠϘʔϧֵ໋ى͖͍ͯͳ͍ ͱߟ͑Δͷ͕ແ͔
ϐοΫΞοϓ ✤ ݸਓϨϕϧͰͱ͍͏͜ͱͰɺڈͱൺͯຊྥଧ ͷ্ঢ͕ੌ·͍͡2ਓΛϐοΫΞοϓ͠ௐࠪ͠·͢ ✤ ରԼهͷબखͰ͢ʢӈଆڈͱࠓͷຊྥଧ ͷมԽʣ 1.ٶ㟒 හ खʢYBʣɿ2017
: 32.0 → 2018 : 19.7 2.ؙ Ղߒ ֎खʢCʣɿ2017 : 24.2 → 2018 : 11.1
ٶ㟒બखʹ͍ͭͯ ✤ ڈͷटҐଧऀ ✤ ࠓຊྥଧ͕15→28ͱ΄ ΅ഒ૿ ✤ ૿ྔʹΑΔεΠϯάεϐʔ υ্͕HRܹ૿ͷཧ༝ ͷҰͭͩͱ͔
ٶ㟒બखͷൺֱ ϑϥΠͰͳ͘ɺΰϩ্͕ঢ ࡾৼͱ࢛ࢮٿݮ͓ͬͯΓɺ όοςΟϯά͕ੵۃతʹͳͬͨΑ͏ʹݟ͑Δ
ؙબखʹ͍ͭͯ ✤ ڈͱࠓͷMVP ✤ ڈͷ23ຊ͕ΩϟϦΞϋΠ ͕ͩͬͨࠓͳΜͱ39ຊ ✤ લड़ͷ௨ΓౡτϥοΫ ϚϯΛಋೖ͍ͯ͠ͳ͍ͨΊ Ұݟؔͳͦ͞͏͕ͩ…
ؙબखͷൺֱ ΰϩϑϥΠݮগ͍ͯ͠Δ Ұํɺݩʑଟ͍ࡾৼ࢛ࢮٿ͕͞Βʹ૿͑ɺ HRΛؚΊΔͱΠϯϓϨʔͰͳ͍݁Ռ͕աΛ͑ΔτϯσϞ
2ਓʹ͍ͭͯͷߟ ✤ ٶ㟒બखؙબखϑϥΠΛ্͛Δ͜ͱͳ͘ຊྥଧ Λٸ্ঢ͍ͤͯ͞Δ ͭ·ΓɺϑϥΠΛಛผҙ͍ࣝͯ͠Δ༁Ͱͳ͍ →୯७ʹεΠϯάεϐʔυ͕૿͍ͯ͠Δʁ
Α͏͢Δʹࠓ·ͰͷΛ·ͱΊΔͱ ✤ ຊͰϑϥΠϘʔϧֵ໋Γى͖ͯͳͦ͞͏ʂ ✤ ͔͠͠ຊྥଧ͜͜3Ͱʑݮগ͍ͯ͠Δʂ ✤ ͭ·ΓɺڪΒ͘ຊͰଧٿ֯Ͱͳ͘ɺεΠϯά εϐʔυΛҙࣝͨ͠ϚοεϧεΠϯά͕ྲྀߦ͍ͬͯΔ ͷͰͳ͍͔ʂʢʁʣ ※ը૾ʹಛʹҙຯ͋Γ·ͤΜ
͜Ε͚͔ͩ͑ͨͬͨ ✤ དྷͷࢁాਓʹͥͻຌଧؚΊɺશଧ੮ͯ͠ ΈͯΈΑ͏ ✤ ຊͰϚοεϧϘʔϧֵ໋͕ى͖͍ͯΔʂʂʂ ظͷ৽ਓˠ
͝੩ௌɺ͋Γ͕ͱ͏͍͟͝·ͨ͠ʂ