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
1.6k
1
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
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
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
500
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
470
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
300
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
170
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
6.4k
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
8.3k
AI・LLM事業部のSREとタスクの自動運転
shinyorke
PRO
0
570
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
4.8k
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
3.7k
Other Decks in Research
See All in Research
非試合日の野球場を楽しむためのARホームランボールキャッチ体験システムの開発 / EC79-miyazaki
yumulab
0
310
ScoreMatchingRiesz for Automatic Debiased Machine Learning and Policy Path Estimation with an Application to Japanese Monetary Policy Evaluation
masakat0
0
300
医療LLMの現在地〜最新研究から社会実装までを考える〜
kento1109
1
1.6k
Scalable dynamic origin-destination demand estimation enhanced by high-resolution satellite imagery data
satai
3
350
Data Visualization Tools in the Age of AI
flekschas
0
170
第64回CV・PRML勉強会 論文紹介:Linguistic Priors for Visual Decoupling: Towards Symmetric Vision-Brain Alignment
sokikatayama
0
140
CVPR2026論文紹介_VLMにとって良いvision encoderとは何か?Rethinking Model Selection in VLM Through the Lens of Gromov-Wasserstein Distance
kobayashi31
1
170
COMETAを用いたデータ民主化運動の歴史
sazimai
0
110
AIエージェント時代のLLM-jpモデルのあるべき姿
k141303
0
520
長時間動画QAにおけるマルチエージェント推論 ・SVAgent: Storyline-Guided Long Video Understanding via Cross-Modal Multi-Agent Collaboration
murakawatakuya
1
160
SLAMはどこまで解決されたのか?
tomonom
0
830
GLIM とMegaParticles:正規分布近似の限界とタイトカップリング&パーティクルフィルタの進展 / GLIM and MegaParticles : Progress of the distribution representation in SLAM
koide3
0
590
Featured
See All Featured
Introduction to Domain-Driven Design and Collaborative software design
baasie
1
900
AI in Enterprises - Java and Open Source to the Rescue
ivargrimstad
0
1.4k
Unsuck your backbone
ammeep
672
58k
The agentic SEO stack - context over prompts
schlessera
0
850
So, you think you're a good person
axbom
PRO
2
2.1k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
249
1.3M
Improving Core Web Vitals using Speculation Rules API
sergeychernyshev
21
1.5k
The Art of Delivering Value - GDevCon NA Keynote
reverentgeek
16
2k
Large-scale JavaScript Application Architecture
addyosmani
515
110k
Winning Ecommerce Organic Search in an AI Era - #searchnstuff2025
aleyda
1
2.1k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
25
2k
The Power of CSS Pseudo Elements
geoffreycrofte
82
6.4k
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·ͨ͠🐯