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
1.4k
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
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
58
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
730
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
400
AI・LLM事業部のSREとタスクの自動運転
shinyorke
PRO
0
440
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
3.3k
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
3.3k
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
4.1k
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
85
87k
Pythonとクラウドと野球の推し活. / Baseball Data Platform for Python and Google Cloud
shinyorke
PRO
2
3k
Other Decks in Research
See All in Research
Mechanistic Interpretability:解釈可能性研究の新たな潮流
koshiro_aoki
1
400
電力システム最適化入門
mickey_kubo
1
860
PhD Defense 2025: Visual Understanding of Human Hands in Interactions
tkhkaeio
1
160
[CV勉強会@関東 CVPR2025] VLM自動運転model S4-Driver
shinkyoto
2
460
2025年度人工知能学会全国大会チュートリアル講演「深層基盤モデルの数理」
taiji_suzuki
25
18k
利用シーンを意識した推薦システム〜SpotifyとAmazonの事例から〜
kuri8ive
1
240
時系列データに対する解釈可能な 決定木クラスタリング
mickey_kubo
2
900
MetaEarth: A Generative Foundation Model for Global-Scale Remote Sensing Image Generation
satai
3
110
診断前の病歴テキストを対象としたLLMによるエンティティリンキング精度検証
hagino3000
1
120
A scalable, annual aboveground biomass product for monitoring carbon impacts of ecosystem restoration projects
satai
3
170
AI エージェントを活用した研究再現性の自動定量評価 / scisci2025
upura
1
140
cvpaper.challenge 10年の軌跡 / cvpaper.challenge a decade-long journey
gatheluck
3
300
Featured
See All Featured
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
49
3k
Product Roadmaps are Hard
iamctodd
PRO
54
11k
Raft: Consensus for Rubyists
vanstee
140
7.1k
10 Git Anti Patterns You Should be Aware of
lemiorhan
PRO
656
61k
Art, The Web, and Tiny UX
lynnandtonic
302
21k
Dealing with People You Can't Stand - Big Design 2015
cassininazir
367
26k
Measuring & Analyzing Core Web Vitals
bluesmoon
9
570
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
33
2.4k
The World Runs on Bad Software
bkeepers
PRO
70
11k
Building a Scalable Design System with Sketch
lauravandoore
462
33k
Optimising Largest Contentful Paint
csswizardry
37
3.4k
Six Lessons from altMBA
skipperchong
28
4k
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·ͨ͠🐯