データサイエンス 構音障害への応用を見据えた、フォルマント分析の要点まとめ
声の“中身”を覗くための下調べメモ
構音障害のリハビリに役立つかもしれない――。そんな思いからフォルマント分析アプリを試作した前回の記事では、「声を可視化する仕組み」に主眼を置いて紹介しました。
今回は、その過程で自分なりに調...
データサイエンス
データサイエンス 
データサイエンス “ポチョムキン理解”って何!?響きが癖になるデータサイエンス用語5選。意味・由来・活用シーンも解説
はじめに
データサイエンスや統計学を勉強していると、**「なんだこの響き…？」**という独特な言葉に出会うことがあります。
「ポチョムキン理解」「マハラノビス距離」「バリマックス回転」…一見すると難しそうですが、ちょっとした由...
アプリ作成 Python×Streamlit Cloudで機械学習Webアプリを作って公開する方法｜GitHub & Streamlit Cloud活用ガイド
はじめに
ローカルでStreamlitアプリを動かしたことはありますか？
例えば、研究データの可視化アプリや簡易予測モデルのデモを作るときに便利ですよね。
でも、こんなことを思ったことはありませんか？
チ...
データサイエンス MAEやAccuracyだけでAIを信用するのは危険！医療AI予測モデル導入前に確認すべきこと
はじめに
以前の記事で、回帰モデルや分類モデルの評価指標として、MSE（平均平方法誤差）・MAE（平均絶対誤差）やAccuracy（正解率）、ROC-AUCなどの指標をご紹介しました。
しかし、これらの数値だけで「この予測モデ...
データサイエンス 【注意】AccuracyやROC曲線だけでは不十分？医療現場で使える分類モデル評価指標を図解で解説
【医療現場にも役立つ】分類モデルの評価指標をやさしく解説
近年、医療の世界でも「機械学習」や「予測モデル」の活用が注目されています。たとえば、患者の転倒リスク、疾患のスクリーニング、退院時の自立度などを予測するモデルが登場し、学会や...
データサイエンス 【コード量とUIデザインで比較】Streamlit vs Tkinter：機械学習GUIアプリ開発はどっちがベスト？
機械学習モデルを「使える」形に！Streamlitでアプリ化のススメ
モデルを構築し、素晴らしい予測性能を達成したとき、次に考えるのは「このモデルをどうやってみんなに使ってもらうか？」ではないでしょうか。
以前の記事では、機械...
データサイエンス MAE・MSEの違いと使い分けを図解で解説｜回帰モデルの評価指標まとめ【初心者向け】
機械学習やディープラーニングを利用した予測モデルの利用が一般的になってきています。売り上げ予測や在庫管理など、将来が高精度に予測できると良い場面はたくさんあります。医療分野でも、近年は予測モデルを活用する場面が増えてきました。学会やジャー...
データサイエンス LightGBM・XGBoost・CatBoostを比較！回帰タスクで勾配ブースティング3モデルの精度を検証
はじめに
Kaggleなどの機械学習コンペでは、決定木ベースのブースティング手法やディープラーニングがよく使われている印象があります。しかし、私自身は CatBoost や XGBoost をこれまで使ったことがなく、「実際どんな...
データサイエンス ディープラーニングと機械学習の使う上での違いとは？数値データ・画像データでの使い分けについて易しく解説
この記事のテーマ
以前の記事はディープラーニングと機械学習の一つである回帰分析の精度の違いについて紹介しました。ディープラーニングと回帰分析だと条件によって精度に大きな差が出ていました。
しかし、実のところエクセルで処理するよ...
データサイエンス クリック操作だけでAI予測！かんたんアプリをPythonで作ってみた話
背景：せっかく作ったモデル、誰が使うの？
データサイエンスや機械学習のモデルを作ったはいいけど、こんな状況になったりします。
「このモデル、Pythonが使える人しか動かせなくない？」
頑張って集めたデータを前処理し...