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
Sponsored
·
Your Podcast. Everywhere. Effortlessly.
Share. Educate. Inspire. Entertain. You do you. We'll handle the rest.
→
Shinichi Nakagawa
PRO
October 01, 2023
Research
1
1.5k
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
Tweet
Share
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
370
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
380
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
280
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
150
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
6.1k
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
7.4k
AI・LLM事業部のSREとタスクの自動運転
shinyorke
PRO
0
530
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
4.2k
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
3.6k
Other Decks in Research
See All in Research
AI Agentの精度改善に見るML開発との共通点 / commonalities in accuracy improvements in agentic era
shimacos
6
1.4k
明日から使える!研究効率化ツール入門
matsui_528
10
5.5k
2026 東京科学大 情報通信系 研究室紹介 (すずかけ台)
icttitech
0
1k
離散凸解析に基づく予測付き離散最適化手法 (IBIS '25)
taihei_oki
1
730
生成AI による論文執筆サポート・ワークショップ 論文執筆・推敲編 / Generative AI-Assisted Paper Writing Support Workshop: Drafting and Revision Edition
ks91
PRO
0
170
2026年3月1日(日)福島「除染土」の公共利用をかんがえる
atsukomasano2026
0
470
The mathematics of transformers
gpeyre
0
150
COFFEE-Japan PROJECT Impact Report(海ノ向こうコーヒー)
ontheslope
0
1.1k
学習型データ構造:機械学習を内包する新しいデータ構造の設計と解析
matsui_528
6
4.2k
[IBIS 2025] 深層基盤モデルのための強化学習驚きから理論にもとづく納得へ
akifumi_wachi
20
9.8k
【SIGGRAPH Asia 2025】Lo-Fi Photograph with Lo-Fi Communication
toremolo72
0
140
データサイエンティストをめぐる環境の違い2025年版〈一般ビジネスパーソン調査の国際比較〉
datascientistsociety
PRO
0
1k
Featured
See All Featured
How To Stay Up To Date on Web Technology
chriscoyier
790
250k
Large-scale JavaScript Application Architecture
addyosmani
515
110k
Bash Introduction
62gerente
615
210k
Color Theory Basics | Prateek | Gurzu
gurzu
0
260
Unlocking the hidden potential of vector embeddings in international SEO
frankvandijk
0
210
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
31
10k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
508
140k
Six Lessons from altMBA
skipperchong
29
4.2k
Navigating Algorithm Shifts & AI Overviews - #SMXNext
aleyda
1
1.2k
The Invisible Side of Design
smashingmag
302
51k
世界の人気アプリ100個を分析して見えたペイウォール設計の心得
akihiro_kokubo
PRO
68
38k
How STYLIGHT went responsive
nonsquared
100
6k
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·ͨ͠🐯