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
阪神タイガース優勝のひみつ - Pythonでシュッと調べた件 / SABRmetrics ...
Search
Shinichi Nakagawa
PRO
October 01, 2023
Research
1.6k
1
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
阪神タイガース優勝のひみつ - Pythonでシュッと調べた件 / SABRmetrics for Python
PyLadies Tokyo 9周年LT
Shinichi Nakagawa
PRO
October 01, 2023
More Decks by Shinichi Nakagawa
See All by Shinichi Nakagawa
野球解説AI Agentを開発してみた - 2026/02/27 LayerX社内LT会資料
shinyorke
PRO
0
500
WBCの解説は生成AIにやらせよう - 生成AIで野球解説者AI Agentを実現する / Baseball Commentator AI Agent for Gemini
shinyorke
PRO
1
470
自らを強いエンジニアにするための3つの習慣 2025/ Fitter happier more productive
shinyorke
PRO
0
300
生成AI時代におけるSREの進化とキャリア戦略 / Building an Embedded SRE team and my career
shinyorke
PRO
0
170
生成AIを活用した野球データ分析 - メジャーリーグ編 / Baseball Analytics for Gen AI
shinyorke
PRO
1
6.4k
ゼロから始めるSREの事業貢献 - 生成AI時代のSRE成長戦略と実践 / Starting SRE from Day One
shinyorke
PRO
3
8.3k
AI・LLM事業部のSREとタスクの自動運転
shinyorke
PRO
0
570
実践Dash - 手を抜きながら本気で作るデータApplicationの基本と応用 / Dash for Python and Baseball
shinyorke
PRO
2
4.8k
Terraform, GitHub Actions, Cloud Buildでデータ基盤をProvisioningする / Data Platform provisioning for Google Cloud and Terraform
shinyorke
PRO
2
3.7k
Other Decks in Research
See All in Research
データセンター事業者を取り巻く近年の状況とその中での研究開発動向、テストベッドへの貢献の可能性
kikuzo
1
270
LLM Compute Infrastructure Overview
karakurist
2
1.5k
SOTAのさらに先へ:厳しい推論制約下での高性能モデルのPost-Training
analokmaus
0
1.4k
機械学習で作った ポケモン対戦bot で 遊ぼう!
fufufukakaka
0
360
某助成金プロジェクト採択に向けて企業研究所のアウトリーチ専任者がやったこと
afroscript
0
110
Visual SLAM未来予測 / Future Prediction in Visual SLAM
koide3
1
650
適応的スパムフィルタのための軽量な類似メッセージカウンタ / jsai2026-adaptive-spam-filter
monochromegane
0
4.3k
長時間動画QAにおけるマルチエージェント推論 ・SVAgent: Storyline-Guided Long Video Understanding via Cross-Modal Multi-Agent Collaboration
murakawatakuya
1
160
はじまりの クエスチョンブック —余暇と豊かさにあふれた社会とは?
culturaltransition
PRO
0
570
重要だけど測れていないもの:高齢者ケアの見えない課題
theoriatec2024
0
410
敵対生成プロンプト同時探索による内省型プロンプト最適化
kinoue_smarthr
0
310
Sleuthcon Keynote - How Cybercriminals (ab)use AI
fr0gger
0
250
Featured
See All Featured
Tips & Tricks on How to Get Your First Job In Tech
honzajavorek
1
600
Building Experiences: Design Systems, User Experience, and Full Site Editing
marktimemedia
0
550
How to optimise 3,500 product descriptions for ecommerce in one day using ChatGPT
katarinadahlin
PRO
1
3.7k
Why You Should Never Use an ORM
jnunemaker
PRO
61
9.9k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
35
3.6k
How to Talk to Developers About Accessibility
jct
2
400
Making the Leap to Tech Lead
cromwellryan
135
10k
Leveraging LLMs for student feedback in introductory data science courses - posit::conf(2025)
minecr
1
320
Designing Experiences People Love
moore
143
24k
The Illustrated Children's Guide to Kubernetes
chrisshort
51
53k
The Curse of the Amulet
leimatthew05
2
13k
Neural Spatial Audio Processing for Sound Field Analysis and Control
skoyamalab
0
370
Transcript
ʮ͓ࢄาʯΛͨ݁͠Ռ ࡕਆλΠΨʔε͕༏উͨ݅͠. ࡕਆλΠΨʔε༏উΛه೦ͯ͠PythonͰσʔλੳͨ͠Β ࢥΘͣʮͦΒɺͦ͏Αʯͱೲಘͯ͠͠·ͬͨ. Shinichi Nakagawa(@shinyorke) 2023/10/01 PyLadies Tokyo
9पه೦ύʔςΟʔ
Who am I ? ʢ͓લ୭Α?ʣ • Shinichi Nakagawa@shinyorke • େख֎ࢿܥITίϯαϧاۀϚωʔδϟʔ
• ຊۀͰSREతͳࣄΛ͍ͯ͠·͢. • ΤϯδχΞతʹԿͰͰ͖Δਓ. • దͳ⽁ωλ͔ΒLTΛ͢ΔΤϯδχΞͷਓ. • ஶ໊ͳٕज़ϒϩάʮLean Baseballʯͷਓ. • ຖ10,000าఔͷʮ͓ࢄาʯ͕՝. ※͓ࢄาͷূڌ݅
PyLadies Tokyo 9प͓ΊͰͱ͏͍͟͝·͢🎉 ʢ9ܦͬͯ͠·ͬͨͷ͔…ͳ͍ͭʣ
͏Ұ͓ͭΊͰ͍ͨࣄ͕ ͋Γ·͢ΑͶʁ🐯
ࡕਆλΠΨʔε, ηɾϦʔά༏উ͓ΊͰͱ͏͍͟͝·͢🎉 2005Ҏདྷ18ͿΓͷ༏উ🐯
334 ʲ౾ࣝʳ͓ೃછΈͷͪ͜Βͷࣈ18લͷ༏উ͕ΩοΧέͰര.
18ͿΓʹʮ༏উʯΛ Ϳ͔ͪ·ͨ͠ࡕਆλΠΨʔε ݁ہԿ͕ྑ͔ͬͨͷ͔🤔
ࡕਆλΠΨʔε༏উͷཧ༝ʢͲΕਖ਼ղʣ 1. ໊কʮԬాজʯ௨শʮͲΜͰΜʯͷಜ෮ؼ. →18લͷ༏উԬాಜ&ʮͦΒɺͦ͏Αʯͱೲಘߦ໊͘ࡃ. 2. ࣆJAPAN͕༏উͨ͠WBCʹελϝϯڃͷબखΛग़͍ͯ͠ͳ͔ͬͨ. ࡕਆ͔Βதͱ౬ઙͷΈ͔ͭ͞΄Ͳग़ճଟ͘ͳ͍. 3.
ʮ͓ࢄาେࣄʯʮ໎ͬͨΒา͚ʯͱ͍͏ҙࣝͷժੜ͑. ۩ମతʹʮ࢛ٿʢϑΥΞϘʔϧʣʯΛࢁબΜͩ.
ʮʰ͓ࢄาେࣄʱʰ໎ͬͨΒา͚ʱͱ͍͏ҙࣝͷժੜ͑ʯ ͜Ε͕ࡕਆλΠΨʔε༏উͷͬͱΒ͍͠ཧ༝ͩͱσʔλݴͬͯ·ͨ͠.
ࡕਆͷεʔύʔυϥΠͳʮ͓ࢄาʯͷྲّྀ • όολʔࡾৼ͍͍͔ͯ͠Βʮۃʹ͓ࢄาʯ͠ͳ͍͞. • ϐονϟʔࡾৼΛऔΒͳ͍͍͔ͯ͘ΒʮࢄาΛࢭΊΖʯ. ͳ͓ٿʹ͓͚Δʮ͓ࢄาʯʮ࢛ٿʢϑΥΞϘʔϧʣʯͷࣄ. ※εϥϯάతʹʮࢄาʯͱಡΜͰ͍·͢ʢʮา͔ͤΔʯͱ͔ݴ͏ʣ.
ࡕਆλΠΨʔε͓ࢄาͷྲّྀᶃ όολʔࡾৼͯ͠ ͍͍͔Β ʮۃʹ͓ࢄาʯ ͠ͳ͍͞. ࡾৼ͍͍͔ͯ͠Βา͚. 11
ʮދଧઢʯվΊʮ”า”ଧઢʯ • 2023ͷࡕਆλΠΨʔε, νʔϜͱ࢛ͯ͠ٿͷ͕ΊͪΌͪ͘Όଟ͍. • ηɾϦʔάͲ͜Ζ͔ϓϩٿશମͰΠέͯΔग़ྥͷߴ͞. • Ұํ, ࢛ٿΛऔΓʹߦ͘ͷʹͭͨΊࡾৼ૿͍͑ͯΔ.
11ଧ੮ʹ1ճ͓ࢄา͢ΔࡕਆλΠΨʔε͞Μ༏लʢϦʔά1Ґʣ. ࠷ԼҐதυϥΰϯζΑΓ1.5ഒͷϖʔεͰʮ͓ࢄาʯΛྔ࢈.
Ұํ, ࡾઢͷ۶ࢦͰ4.5ଧ੮ʹҰࡾৼ͍ͯ͠ΔʢϦʔάϫʔετʣ. ܭࢉ্ελϝϯͷશଧऀ͕ࢼ߹தʹ1ճࡾৼ͍ͯ͠Δࣄʹ.
2ͭͷάϥϑΛ͚ͬͭͯ͘ࢄา͢ΔॱʹฒͨϞϊ. ࡕਆૉΒ͍͠, Ұํʮྩͷถ૽ಈʯͷத͞Μ(ry
ࡕਆλΠΨʔε͓ࢄาͷྲّྀᶄ ϐονϟʔࡾৼΛ औΒͳ͍͍͔ͯ͘Β ʮࢄาΛࢭΊΖʯ. ૬खͷଧऀΛྥʹग़͔͢Βͣ. 16
૬खͷʮࢄาʯΛઈରʹࢭΊΔखਞ. • 2023ͷࡕਆλΠΨʔε, νʔϜͱͯ͠खͷ༩࢛ٿ͕গͳ͍. • ༩࢛ٿ͕গͳ͍ = ૬खʹ࢛ٿʢࢄาʣΛ͍ͤͯ͞ͳ͍. • ͦͦ͜͜ࡾৼऔΕ͓ͯΓ,
ࡕਆखਞͷ༏ल͕͞Θ͔Δ.
༏लͳࡕਆखਞ, ૬खʹ࢛ٿʢࢄาʣΛ࠷༩͍͑ͯͳ͍ʢϦʔά1Ґʣ. ૬खଧऀʹແବͳ࢛ٿΛग़͞ͳ͍ͱ͍͏పఈͨ͠ํ.
༏लͳࡕਆखਞ, ૬ख͔Βͦͦ͜͜ࡾৼΛୣ͏༷ʢϦʔά4Ґʣ. ࢛ٿ͕ݮΔͱ͍͏͜ͱࡾৼΛऔΕͳ͍ࣄʹܨ͕Δ͕ҧͬͯͨ…ੌ͍🐯
2ͭͷάϥϑΛ͚ͬͭͯ͘ࢄาͤ͞ͳ͍ॱʹฒͨϞϊ. ࡕਆ͕ૉΒ͍͕͠, DeNAͷʮࡾৼͨ͘͞ΜऔΔʯʮ࢛ٿগͳ͍ʯ͔͍͍ͬ͜.
???ʮPythonͷ͕ແ͍͡Όͳ͍͔ʁ͍͍͔͛Μʹ͠Ζʯ
ࠓͷσʔλ શ෦PythonͰ ͍͍ײ͡ʹ🐍 େͨ͠ίʔυ͡Όͳ͍ͷͰͥͻਅࣅͯͬͯ͠Έͯ. https://gist.github.com/Shinichi-Nakagawa/3ca01932532ba41ceaef94bd722107b9 NPBͷWebαΠτΛ εΫϨΠϐϯά Google ColabͰ γϡοͱՄࢹԽ.
ʲ݁ʳࡕਆλΠΨʔεʮ͓ࢄาʯͷྲّྀ • όολʔࡾৼ͍͍͔ͯ͠Βʮۃʹ͓ࢄาʯ͠ͳ͍͞. • ϐονϟʔࡾৼΛऔΒͳ͍͍͔ͯ͘ΒʮࢄาΛࢭΊΖʯ. • ͳ͓, ࢛ٿ͕૿͑Δͱࡾৼ૿͑ΔʢʣͳͷͰ(ry ͓Θ͔Γ͍͚ͨͩͨͩΖ͏͔?
͝ਗ਼ௌ͋Γ͕ͱ͏͍͟͝·ͨ͠🐯