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
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
270
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
130
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
5.9k
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
2
6.7k
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
4.1k
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
自らを強いエンジニアにするための3つの習慣 / I need to be myself, I can't be no one else
shinyorke
PRO
86
91k
Other Decks in Research
See All in Research
2026.01ウェビナー資料
elith
0
220
Self-Hosted WebAssembly Runtime for Runtime-Neutral Checkpoint/Restore in Edge–Cloud Continuum
chikuwait
0
340
ロボット学習における大規模検索技術の展開と応用
denkiwakame
1
210
生成AI による論文執筆サポート・ワークショップ ─ サーベイ/リサーチクエスチョン編 / Workshop on AI-Assisted Paper Writing Support: Survey/Research Question Edition
ks91
PRO
0
140
ドメイン知識がない領域での自然言語処理の始め方
hargon24
1
240
When Learned Data Structures Meet Computer Vision
matsui_528
1
2.9k
J-RAGBench: 日本語RAGにおける Generator評価ベンチマークの構築
koki_itai
0
1.3k
AWSの耐久性のあるRedis互換KVSのMemoryDBについての論文を読んでみた
bootjp
1
460
自動運転におけるデータ駆動型AIに対する安全性の考え方 / Safety Engineering for Data-Driven AI in Autonomous Driving Systems
ishikawafyu
0
130
SREのためのテレメトリー技術の探究 / Telemetry for SRE
yuukit
13
3k
svc-hook: hooking system calls on ARM64 by binary rewriting
retrage
1
110
情報技術の社会実装に向けた応用と課題:ニュースメディアの事例から / appmech-jsce 2025
upura
0
310
Featured
See All Featured
HU Berlin: Industrial-Strength Natural Language Processing with spaCy and Prodigy
inesmontani
PRO
0
230
How to build an LLM SEO readiness audit: a practical framework
nmsamuel
1
650
Discover your Explorer Soul
emna__ayadi
2
1.1k
Money Talks: Using Revenue to Get Sh*t Done
nikkihalliwell
0
160
Groundhog Day: Seeking Process in Gaming for Health
codingconduct
0
98
VelocityConf: Rendering Performance Case Studies
addyosmani
333
24k
Done Done
chrislema
186
16k
The Pragmatic Product Professional
lauravandoore
37
7.1k
Game over? The fight for quality and originality in the time of robots
wayneb77
1
120
Fashionably flexible responsive web design (full day workshop)
malarkey
408
66k
Mozcon NYC 2025: Stop Losing SEO Traffic
samtorres
0
150
Site-Speed That Sticks
csswizardry
13
1.1k
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)