はじめに
スコットランドに、産業界や学術界および公共部門のデータ活用、データ駆動型のビジネス成長を支援することを目的としたThe Data Labという団体があります。
彼らがコミュニティで人気だった読み物・資料のTOP5を紹介していましたので、どのような内容か見てみました。
第5位『My class required AI. Here's what I've learned so far.』
要約
この記事では、著者が大学で受けた人工知能（AI）のクラスについて説明しています。著者は、クラスが役に立ったと感じており、AIの基礎知識を学ぶことができたと述べています。
最初に、著者はAIの歴史と概要について学びました。これには、AIの起源、機械学習の基本、およびAIがどのように機能するかを学ぶことが含まれます。
次に、著者はAIを使用するための実際の手法について学びました。これには、データ前処理、データ分析、およびモデルのトレーニングなどが含まれます。
著者は、クラスで学んだことを実践する機会を得ることができました。具体的には、Pythonを使用して機械学習アルゴリズムを実装し、データセットを分析することができました。
著者は、AIクラスで学んだことが、将来のキャリアに役立つことを期待しています。また、AIの応用についてより深く学ぶために、将来的には追加のクラスを取得したいと考えています。
第4位『The 2023 MAD (Machine Learning, Artificial Intelligence & Data) Landscape』
要約
この記事では、AI、機械学習、データ分析などの技術が、将来のビジネスや経済にどのような影響を与えるかについて議論されています。
まず、記事はAIの発展によって、自動運転車、ロボット、そしてAIによる医療診断など、多くの分野で大きな進歩があったことを指摘しています。また、AIがますます進歩するにつれ、データ分析や機械学習のスキルがますます重要になっていることも述べています。
次に、記事はビジネスにおけるAIの影響について論じています。例えば、自動化により、企業は労働力を減らすことができ、生産性を向上させることができると述べています。また、AIによるデータ分析により、企業は市場動向をより正確に予測することができ、より適切な戦略を策定することができると述べています。
最後に、記事はAIによる倫理的問題についても言及しています。例えば、AIが人間の判断力を置き換えることがあるため、AIによる決定が人間の判断力に基づいたものよりも不正確である可能性があると指摘しています。また、AIが偏見や人種差別的な結果を生み出す可能性もあるため、AIの開発と使用において、倫理的な配慮が必要であると述べています。
第3位『https://blog.pragmaticengineer.com/the-job-market-for-new-grads-2023/』
要約
この記事では、2023年の新卒向けの雇用市場について説明しています。著者は、テック業界が引き続き急速に成長していること、そしてテック業界の中でもソフトウェアエンジニアが最も需要がある職種であることを指摘しています。
著者は、新卒エンジニアが求められる主な技術スキルとして、バックエンド開発、フロントエンド開発、データベース設計、およびクラウドインフラストラクチャーの知識を挙げています。また、新卒エンジニアが求められるソフトスキルとして、コミュニケーション能力、チームワーク、および問題解決能力が重要であることを強調しています。
著者は、新卒エンジニアが就職するにあたって、求人情報を注意深く調べ、文化や福利厚生についても考慮することを勧めています。また、インターンシップやオープンソースプロジェクトなどの経験を積むことも、就職に有利であると述べています。
最後に、著者は、2023年の新卒エンジニアの雇用市場が、引き続き大きな需要があることを示唆しています。ただし、テック業界が急速に変化しているため、常に最新の技術とトレンドに関する知識を維持することが重要であることを強調しています。
第2位『Health and social care: data strategy』
要約
この記事は、スコットランド政府が発表した「ヘルスケア・ソーシャルケアのためのデータ戦略」について説明しています。
この戦略は、スコットランドのヘルスケア・ソーシャルケア分野におけるデータ活用の重要性を認識し、データを有効活用するための枠組みを提供することを目的としています。
具体的には、この戦略は、データの収集、管理、共有、分析、および活用のための原則やガイドラインを提供し、スコットランド全体でデータを共有するためのプラットフォームを構築することを目指しています。また、データの利用にあたっては、倫理的、法的、および技術的な問題に対処することも強調しています。
この戦略は、スコットランドのヘルスケア・ソーシャルケア分野におけるデータ活用の促進を目的としており、より効率的かつ効果的なケアの提供につながることを期待しています。
第1位『PyGWalker📊』
1位は、以下の記事で取り上げた、Jupyter Notebook上（Google ColabもOK）で実行できる Tableau風 BIツール「PyGWalker」でした。
The Data Labは、以下のようにTweetしています。
データの視覚化にTableauやPower BIを使っている方は、オープンソースの代替品であるPyGWalkerをご覧になるとよいでしょう。
「PyGWalkerありがてぇ」と感じているのは、以下のtweetをみるとThe Data Labや私だけではなさそうです。
あまりに便利なので、私はデータ探索段階のグラフ作成はとても世話になることが増えました。
直近、気に入っているのは、「プロットがどのデータに該当するのか見たい」という時です。
例えば、以下のようなテキスト情報と数値が対応づいたデータがあるとします。
このデータを「PyGWalker」で読み込んで、Field List の 「喜び」 と 「信頼」 をドラッグして、X-Axis と Y-Axis にドロップすると以下が表示されます。
ドラッグしてドロップするだけでグラフが描けますので、これだけでもとても助かるのですが、テキスト情報と数値が対応づいたデータの場合、気になるプロットがどのテキストか？が知りたくなりますね。
「テキスト」 をドラッグして、Color にドロップしたのが以下です。
このグラフの気になるプロットにマウスポインターを近づけると・・・以下のようにX･Yの値とテキストが表示されます。このようなグラフはExcelでも作成できますが、データ探索の過程で直感操作だけで試行錯誤的にできるのはありがたい！、しかも圧倒的に早いです。
次に 「期待」 をドラッグして、 Size にドロップしたのが以下です。
これが一瞬でできるのもありがたい。「期待」 は 「喜び」 と 「信頼」 が低いほど高くなっています。
低いほど高くなるというよりも 「喜び」「信頼」 と 「期待」 の関係性は低いのでしょう。
”やったー！ありがとう” という「喜び」、”あなたが一緒にいてよかった”という「信頼」からは、「期待」を感じないといったところではないでしょうか。
ここまで確認するのは、一瞬です。簡単すぎる(笑)。
最後に
データ分析や機械学習のスキルがますます重要になっていることをひしひしと感じました。
それにしても、「PyGWalker」は大健闘ですね。
データイノベーションの支援団体でも話題となっているんですからね。
とても目まぐるしく、いろいろ出てくるので、本当にこの世界はおもしろいですね。