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
野球エンジニアの72万球 #BPStudy
Search
Shinichi Nakagawa
PRO
March 29, 2018
Research
0
2.6k
野球エンジニアの72万球 #BPStudy
Baseballsavantを例とした可視化と簡単な分析事例です
Shinichi Nakagawa
PRO
March 29, 2018
Tweet
Share
More Decks by Shinichi Nakagawa
See All by Shinichi Nakagawa
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
350
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
6k
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
7.2k
AI・LLM事業部のSREとタスクの自動運転
shinyorke
PRO
0
520
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
Cloud RunとCloud PubSubでサーバレスなデータ基盤2024 with Terraform / Cloud Run and PubSub with Terraform
shinyorke
PRO
9
4.3k
Other Decks in Research
See All in Research
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
900
Attaques quantiques sur Bitcoin : comment se protéger ?
rlifchitz
0
160
SkySense V2: A Unified Foundation Model for Multi-modal Remote Sensing
satai
3
600
Earth AI: Unlocking Geospatial Insights with Foundation Models and Cross-Modal Reasoning
satai
3
590
大規模言語モデルにおけるData-Centric AIと合成データの活用 / Data-Centric AI and Synthetic Data in Large Language Models
tsurubee
1
520
Akamaiのキャッシュ効率を支えるAdaptSizeについての論文を読んでみた
bootjp
1
490
FUSE-RSVLM: Feature Fusion Vision-Language Model for Remote Sensing
satai
3
190
衛星×エッジAI勉強会 衛星上におけるAI処理制約とそ取組について
satai
4
300
2026 東京科学大 情報通信系 研究室紹介 (大岡山)
icttitech
0
530
令和最新技術で伝統掲示板を再構築: HonoX で作る型安全なスレッドフロート型掲示板 / かろっく@calloc134 - Hono Conference 2025
calloc134
0
580
教師あり学習と強化学習で作る 最強の数学特化LLM
analokmaus
2
940
生成的情報検索時代におけるAI利用と認知バイアス
trycycle
PRO
0
360
Featured
See All Featured
Faster Mobile Websites
deanohume
310
31k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
31
10k
Tips & Tricks on How to Get Your First Job In Tech
honzajavorek
0
450
Lightning talk: Run Django tests with GitHub Actions
sabderemane
0
140
How to train your dragon (web standard)
notwaldorf
97
6.5k
Leveraging Curiosity to Care for An Aging Population
cassininazir
1
190
GraphQLの誤解/rethinking-graphql
sonatard
75
11k
How to Create Impact in a Changing Tech Landscape [PerfNow 2023]
tammyeverts
55
3.3k
Raft: Consensus for Rubyists
vanstee
141
7.3k
The Pragmatic Product Professional
lauravandoore
37
7.2k
HDC tutorial
michielstock
1
510
Paper Plane (Part 1)
katiecoart
PRO
0
5.2k
Transcript
ٿΤϯδχΞͷ72ສٿ τϥοΩϯάɾσʔλ͔ΒޠΔٿϊϯϑΟΫγϣϯ Shinichi Nakagawa@shinyorke
ٿΤϯδχΞis୭?
ʲʳϫΠͰ͢ • Shinichi Nakagawa(த৳Ұ) • ωΫετϕʔε CTO/ٿΤϯδχΞ • #ηΠόʔϝτϦΫε #Python
#σʔλੳ • Baseball Play Study ։͔࢝࣌Βৗ࿈(2014ʙ) • Baseball Play Study͔Βϗϯτʹٿքʹདྷ·ͨ͠
ʁʁʁʮ72ສٿ͛ͨΒݞග͕(ryʯ ※͛ͯͳ͍Ͱ͢w
72ສٿ=MLBͷ1γʔζϯٿ 2017ͷ࣮,ϨΪϡϥʔγʔζϯͷΈ. ϓϨʔΦϑΛؚΊΔͱ73ສٿͪΐͬͱʹͳΔ.
Ͳ͜ʹσʔλ͋Δͷ? • MLBެࣜʮBaseballsavantʯͱ͍͏αΠτͰ ୭ͰೖखͰ͖Δ • https://baseballsavant.mlb.com/ statcast_search • τϥοΫϚϯɾStatcastͰهͨ͠ τϥοΩϯάɾσʔλ͕ݩʹͳ͍ͬͯΔ
τϥοΫϚϯ=ٿɾଧٿͷܭଌػث ͘Θ͘͠ʮBaseball GeeksʯͷղઆΛͲ͏ͧʂ https://www.baseballgeeks.jp/?p=3551
ࠓͷςʔϚʮଧٿʯ • 72ສٿ͔Βબग़ͨ͠ʮҹతͳଧٿʯΛհ • ຊͱ͍,ϝδϟʔͷϨδΣϯυ͞Μ • ࠓ͔ΒೋྲྀͰߦ͘ਓ…ͷಉ྅ • งғؾΛ௫ΜͰ͘ΕΔͱ͋Γ͕͍ͨͰ͢
128,945 / 718,917(ٿ) ※શσʔλͷ18%Λ༻(͓͓Αͦ100MB͘Β͍)
ʲਤʳશଧٿσʔλͷ݁Ռ(2017) X(ԣ)ɿଧٿ, Y(ॎ)ɿଧٿ֯
ʲਤʳશଧٿσʔλͷ݁Ռ(2017) X(ԣ)ɿଧٿ, Y(ॎ)ɿଧٿ֯ ଧκʔϯ
ʲਤʳશଧٿσʔλͷ݁Ռ(2017) X(ԣ)ɿଧٿ, Y(ॎ)ɿଧٿ֯ ଧκʔϯ ୯ଧκʔϯ
ʲਤʳશଧٿσʔλͷ݁Ռ(2017) X(ԣ)ɿଧٿ, Y(ॎ)ɿଧٿ֯ ଧκʔϯ ୯ଧκʔϯ खͷ͓ࣄκʔϯ
ʲਤʳશଧٿσʔλͷ݁Ռ(2017) X(ԣ)ɿଧٿ, Y(ॎ)ɿଧٿ֯ ଧκʔϯ ୯ଧκʔϯ ্͕Γ͗͌͢ खͷ͓ࣄκʔϯ
֮͑ͯ΄͍͜͠ͱ • ͍͍ײ͡ͷʮଧٿʯʮඈᠳ֯ʯͰඈͿଧٿϗʔϜϥϯɾଧʹͳΔՄೳੑ͕ߴ͍ • ҆ • 187km/h / 8~50 •
161km/h / 24~33 • 158km/h / 26~30 • ͜ΕΛʮόϨϧκʔϯʯͱ͍͍·͢ • ʁʁʁʮڈϑϥΠϘʔϧɾϨϘϦϡʔγϣϯ͕͋ͬͨ͡Όͳ͍ɺͦΕ(ryʯ ˠਖ਼ղʂͦ͏͍͏͜ͱͰ͢ • ʲࢀߟจݙʳ https://www.baseballgeeks.jp/?p=1342 ※Baseball GeeksΑΓҾ༻
ೋਓͷଧऀʹ͍ͭͯ • ຊͱ͍,ϝδϟʔͷϨδΣϯυ͞Μ • ࠓ͔ΒೋྲྀͰߦ͘ਓ…ͷಉ྅ • ͜ͷೋਓͷଧٿΛݟͯΈΑ͏
ҰਓʮIchiro Suzukiʯ ϚϦφʔζ෮ؼ͓ΊͰͱ͏͍͟͝·͢ʂ ը૾ɿ https://commons.wikimedia.org/wiki/File:Ichiro_Suzuki_2010.jpg
ʲਤʳIchiro Suzukiબखͷଧٿ(2017) X(ԣ)ɿଧٿ, Y(ॎ)ɿଧٿ֯
ʲਤʳIchiro Suzukiબखͷଧٿ(2017) X(ԣ)ɿଧٿ, Y(ॎ)ɿଧٿ֯ ͜ͷล͕ ଧκʔϯ
ʲਤʳIchiro Suzukiબखͷଧٿ(2017) X(ԣ)ɿଧٿ, Y(ॎ)ɿଧٿ֯ ͜ͷล͕ ଧκʔϯ όϨϧ ൃݟʂ
ΠνϩʔબखͷόϨϧ • 2017/8/22 ϑΟϦʔζઓ(ఢͰͷࢼ߹) • ୈ3߸ιϩ,ઌൃͷϊϥ͔ΒҰൃ • 160.48 km/h, 28
• શ3ຊͷΞʔνத,όϨϧೖΓ͜ͷ1ຊͷΈ …Ͱ͚͢Ͳ,͜Ε͕40ͱ͔ා͍(ଚܟͷ؟ࠩ͠)
ೋਓʮMike Troutʯ େ୩ᠳฏ(ΤϯδΣϧε)ͷಉ྅͔ͭεʔύʔελʔ ը૾ɿ https://commons.wikimedia.org/wiki/File:Los_Angeles_Angels_center_fielder_Mike_Trout_(27)_(5972457428).jpg
Mike Trout #ͱ ※೦ͷҝ • ϝδϟʔΛද͢ΔελʔͷҰਓ • ϩαϯθϧεɾΤϯθϧεͷ֎ख(ηϯλʔ) • ӈ͛ӈଧͪ,26ࡀ,ϝδϟʔ8
• ߈कࡾഥࢠ͕ʮຊʹʯἧ໊ͬͨબख • ௨ࢉOPS .976ɹ˞Ϊʔλ(ιϑτόϯΫ).946
ʲਤʳMike Troutબखͷଧٿ(2017) X(ԣ)ɿଧٿ, Y(ॎ)ɿଧٿ֯
ʲਤʳMike Troutબखͷଧٿ(2017) X(ԣ)ɿଧٿ, Y(ॎ)ɿଧٿ֯ ͜ͷล͕ଧκʔϯ ˠϗʔϜϥϯଟ͗͌͢
ʲਤʳMike Troutબखͷଧٿ(2017) X(ԣ)ɿଧٿ, Y(ॎ)ɿଧٿ֯ ͜ͷล͕ଧκʔϯ ˠϗʔϜϥϯଟ͗͌͢ όϨϧ͚ͩͲ Ξτͩͱʁ
Ξτʹͳͬͨଧٿͷৄࡉ X(ԣ)ɿଧٿ, Y(ॎ)ɿଧٿ֯
͜Ε͍͢͝ϓϨʔͳͷͰʁ • ͱࢥ͍,ࢼ߹݁ՌΛνΣοΫ • هɿηϯλʔϑϥΠ • ϑΝΠϯϓϨʔͱ͍͏هͳ͘ • ී௨ͷଧٿͱͯ͠ͱΒΕ͍ͯͨ •
ϝονϟྑ͍͋ͨΓͷਅਖ਼໘ͩͬͨʁʁʁ ;ʔΜ(ಡΈ)
·ͱΊ • ϝδϟʔϦʔάଧٿɾٿͷσʔλ͕ϑΝϯͰ͑Δ • ଧٿͱ֯ʹண͢Δ͚ͩͰ৭ʑͳࢹ͕Ͱ͖Δ • Πνϩʔબख·ͩ·͔ͩͬͱͤΔ (ελΠϧม͑ͯ͘Εͳ͍͔ͳ͋ʁ) • େ୩ᠳฏ͕͛Δͱ͖τϥτʹͯ͠Ͷ
• ࢸͬͯී௨ͷϑϥΠ࣮ී௨͡Όͳ͍Մೳੑ͕
τϥοΩϯάɾσʔλ ָ͘͠ͳ͖͔ͬͯͨͳʁ
Baseball GeeksͰͬͱָ͘͠! • τϥοΩϯάɾσʔλΛ׆༻ͨ͠ٿͷ৽͍͠ݟํɾࢹΛհͯ͠·͢ • σʔλɾεϙʔπՊֶͰ໌Β͔ʹͳͬͨ͜ͱΛʮΘ͔Γ͘͢ʯ͑Δ • ΈΜͳಡΜͰͶ&ϒΫϚΑΖ͘͠ʂ https://www.baseballgeeks.jp/
ϓϨΠϘʔϧʂ ࠓٿͰྑ͍ҰΛʂ͝ਗ਼ௌ͋Γ͕ͱ͏͍͟͝·ͨ͠⽁ Shinichi Nakagawa(Twitter/Facebook/etc… @shinyorke)