あらゆるミュージシャンが「みなし分配」による不利益を被ることがないよう、透明性の高い分配の実現を目指す〜日本音楽制作者連盟 理事長 野村達矢氏インタビュー | Musicman
あらゆるミュージシャンが「みなし分配」による不利益を被ることがないよう、透明性の高い分配の実現を目指す〜日本音楽制作者連盟 理事長 野村達矢氏インタビュー 日本音楽制作者連盟（以下 音制連）が、現行の商業用レコード二次使用料の分配方法に対して、改めて強い疑義を呈している。音制連は、データ収集の仕組み等が確立されていなかった20年以上前に設定された一部の分配方法（自己申告等による“みなし分配”）を、デジタル化が進み、正確なデータを収集できる時代になった今も踏襲し、その結果、分配受領額上位を特定ジャンルのサポートミュージシャンが独占し、ヒット曲に関わっているサポートミュージシャンに二次使用料が正当に分配されていないと主張する。 音制連は、文化庁長官による指定団体として、商業用レコード二次使用料等を徴収し、その楽曲に実演参加したメインアーティストやサポートミュージシャンに対して使用料分配を行って
【格ゲー】『俺を獲れ』ウメハラがデータ収集のGeminiさんに厳しい対応をしていた理由が判明！「オレ自身が自分のプレイをデータ収集に近い感じでSF4から見てた」「だからこそ言いたい。メチャレベル低いすよって」 | まじっく ざ げーまー - ゲームのレビュー、攻略、情報サイト
ストリートファイター6 格ゲーマートーク 【格ゲー】『俺を獲れ』ウメハラがデータ収集のGeminiさんに厳しい対応をしていた理由が判明！「オレ自身が自分のプレイをデータ収集に近い感じでSF4から見てた」「だからこそ言いたい。メチャレベル低いすよって」 今回は、先日おこなわれたウメハラさんの企画「俺を獲れ」での、配信裏話を取り上げます。コメント欄の読者さんから情報を提供してもらいました。 取り上げるのは、SFL2021のデータを収集し、分析した情報を紹介していたGemini（ジェミニ）さんに関する話です。 以下、配信書き起こしです。 ソース元リンク：俺を獲れ振り返り（ウメハラさんのツイッチチャンネル） （アーカイブ50分付近のトーク） トークが長かったので要約で済ませようと思ったのですが、あまりに良い話が出てきたので結局書き起こした部分もあります。カギ括弧内は全てウメハラさんの発言です。 ウ
ChatGPTの新機能「Advanced Data Analysis(旧Code Interpreter)」にアパレル店舗の売上分析をお願いしたらデータサイエンティストが不要になった｜Ainova
ChatGPTの新機能「Advanced Data Analysis(旧Code Interpreter)」にアパレル店舗の売上分析をお願いしたらデータサイエンティストが不要になった 2023年7月7日頃に日本でも利用できるようになったChatGPTの新機能「Advanced Data Analysis(旧Code Interpreter)」が凄いと話題なので、架空のアパレル店舗の売上データを元に売上を上げるための分析を依頼してみました。 どうせデータ分析の専門家でないと使いこなせないんだろうなと全然期待していなかったのですが、予想を超えるクオリティでしたので、一部始終を皆様にもご紹介します。 「Advanced Data Analysis」の基本的な機能やどんなことができるかは以下のページでまとめているので、「Advanced Data Analysis」について知りたい人はこちらをご覧
数理最適化と機械学習を比較してみる - めもめも
数理最適化 Advent Calendar 2022 の記事です。 何の話かと言うと Pythonではじめる数理最適化 ―ケーススタディでモデリングのスキルを身につけよう― 作者:岩永二郎,石原響太,西村直樹,田中一樹オーム社Amazon 上記の書籍の第7章では、次のような問題を取り扱っています。 細かい点は書籍に譲りますが、まず、生データとして次のようなデータが与えられます。 これは、あるショッピングサイトの利用履歴を集計して得られたもので、あるユーザーが同じ商品を閲覧した回数（freq）と、その商品を最後に閲覧したのが何日前か（rcen）の2つの値から、そのユーザーが次にサイトにやってきた時に、再度、その商品を閲覧する確率（prob）を実績ベースで計算したものです。実績ベースのデータなので、ガタガタしたグラフになっていますが、理論的には、 ・freq が大きいほど prob は大きくな
有線 vs 無線：Pingとパケットと、より良いゲームプレイ | League of Legends
クレアボヤンス・ブログ 記事：Viscarious デザイン：Nancymon 「ラグはマジで勘弁」というのは、全世界共通の認識です。常にpingの急上昇やラグ、さらには回線の切断という最悪の事態に悩まされているプレイヤーの数は少なくありません。もしもそんな接続関連の問題を一発で解決できるとしたら…？一部のプレイヤーにはそれが可能かもしれません。無線（Wi-Fi）から有線（イーサネット）に切り替えることで、ゲームプレイが劇的に改善されるかもしれないのです。 注記： 解析に必要なデータがまだ足りないため本記事に日本サーバーのデータは含まれていませんが、世界的な傾向として、この情報を皆さんと共有させていただきたいと思います。 僕はライアットのライブ・サービス・チームでプロダクトマネージャーを務めているViscariousです。半年ほど前に、ラグのせいで酷い目に合い、なんとかしなくてはと強く思い
NYタイムズの記者も使っている、データ・ストーリーの王道パターン7選｜Saya｜note
このように、可視化されたデータを連続して見せることによってファクトを伝えるのが、データ・ストーリーの手法です。 Ben Jones氏によるデータ・ストーリーについての解説と、彼が見出した7つの王道パターン データを伝える記事を多く出しているNYタイムズですが、彼らの新人記者向けの研修の資料では、データ・ストーリーについて詳しいBen Jones氏による以下の講演動画が紹介されていました。(講演のスライドはこちらから見られます。) 講演の内容について手短に解説します。Jones氏は当時(2015年)、データ可視化ツール大手のタブローソフトウェアでプロダクトマネージャーをしていました。(ちなみにタブローは、先月Salesforceに1.7兆円で買収されています。) ある日、タブローがいくつかの可視化されたデータを連続して見せる機能を公開したところ、ユーザーはそれを使ってさまざまなデータ・ストー
統計モデリングで癌の5年生存率データから良い病院を探す - StatModeling Memorandum
概要 2017年8月9日に国立がん研究センターは、がん治療拠点の約半数にあたる全国188の病院について、癌患者の5年後の生存率データを初めて公表しました（毎日新聞の記事）。報告書は国立がん研究センターが運営するウェブサイトからダウンロードできます（ここ）。報告書をダウンロードしようとすると注意点を記したポップアップが表示されます。大切な部分を抜粋すると以下です。 本報告書には、施設別の生存率を表示していますが、進行がんの多い少ない、高齢者の多い少ないなど、施設毎に治療している患者さんの構成が異なります。そのため、単純に生存率を比較して、その施設の治療成績の良し悪しを論ずることはできません。 一般に高齢者が多い病院ほど、進行癌（ステージが進んだ癌）が多い病院ほど、その病院の生存率は下がるわけです。それならば、統計モデリングで年齢と進行度（ステージ）の影響を取り除いて（専門的な言葉で言えば「調
機械学習を使って東京23区のお買い得賃貸物件を探してみた - データで見る世界
さて、改めて今回の目的を確認しておくと、機械学習を使って東京都23区のお買い得賃貸物件を発見しよう、というものです。前回までの記事で、お買い得賃貸物件を発見するためのデータを収集し、分析にかけられるよう前処理してきました。 www.analyze-world.com www.analyze-world.com 今回の記事では、いよいよ機械学習を使って分析していきましょう。前回まではPythonを使っていましたが、この分析ではRを用いています。なお、コードはGitHub（https://github.com/ShoKosaka/Suumo）に上げておきますので興味ある方は参照ください。 最初に、データの中身をざっくり見ていきます。具体的には、分析のキーになるポイントをグラフにしながら、賃貸物件の現状や変数同士の関係性を把握していきます。 データ探索 まず、23区の中でどこが物件数が多いのかを
JR東日本の新幹線｢一番稼げる｣のはどこか
筆者が例年発表しているJR各社の路線ごとの営業係数を試算した結果は、おかげさまで各位に受け入れていただいている。 100円の収入を上げるために要した費用を示す指標である営業係数は、JR各社全体の数値までは公表されたデータから導き出せる。さらに各路線の営業係数を試算するには、収入と費用とを一定の考え方によって分配すればよい。収入、費用とも、輸送規模によって変動する項目を旅客人キロの比で、路線が存在するだけで生じる固定的な項目を、営業キロの比でそれぞれ分配した結果、各路線の営業係数の推測値が得られる。 精度の高い試算が可能に 近年、一部のJR旅客会社は各路線の営業状況について、より詳しい数値の公表を行うようになった。各路線の旅客運輸収入や、一部の路線に関しては区間ごとの旅客輸送密度(平均通過人員)を示すという具合だ。旅客輸送密度は年間の旅客人キロを年間の延べ営業キロで除した数値であるから、営業
整然データとは何か｜Colorless Green Ideas
整然データとは、1) 個々の変数が1つの列をなす、2) 個々の観測が1つの行をなす、3) 個々の観測の構成単位の類型が1つの表をなす、4) 個々の値が1つのセルをなす、という4つの条件を満たした表型のデータのことであり、構造と意味が合致するという特徴を持つ。R言語などを用いたデータ分析の際には非常に有用な概念である。 はじめに データ分析の際には、データが扱いやすい形式になっている必要がある。データの中身がぐちゃぐちゃになっていたり、データの形式が統一されていなかったりすれば、分析は骨の折れる作業となる。 それでは、どのようなものがデータ分析において扱いやすい形式のデータになるのだろうか。この問題に対する唯一の正しい解答というものは存在しない。しかし、表の形式で表すことができるデータを考える場合、ハドリー・ウィッカム (Hadley Wickham) 氏が提唱した整然データ (tidy d
「パナマ文書」解析の技術的側面
世界中で話題になっているパナマ文書。各国で政権を揺るがすような事態にもなっていますが、純粋にデータとしてみた場合、これは計算機やデータ解析に関わる人々にも面白いものだと思います。データの中身や背景などについてはさんざん報道されていますのでここでは触れません。一方、現場でどのような作業が行われているのかはあまり報道されていません。現実的な問題として、人力ではどうしようもない量のリークデータを手に入れた場合、調査報道機関はどんなことを行っているのでしょうか？私も以前から疑問に思っていたのですが、先日あるデータベース企業と、データ分析アプリケーションを作成する会社のブログにて、その実際の一端を窺うことができる投稿がありました: Panama Papers: How Linkurious enables ICIJ to investigate the massive Mossack Fonseca
「ブラック就業率」が高い県ほど「いじめ容認」の傾向
27人に1人、約114万人が「ブラック就業者」 ブラック企業――。 従業員をメチャクチャに酷使し使い捨てる企業ですが、こういう阿漕な組織で働いている人間はどれほどいるか。この点に関する統計はありませんが、ブラックな働き方をしている人の数は、官庁統計から知ることができます。私生活、場合によっては生存が脅かされるほど、長時間労働をしている人たちです。 総務省の『就業構造基本調査』では、「年間就業日数×週間就業時間」のクロス表が掲載されています。年間200日以上の規則的就業をしている正規職員に限ると、集計対象は3092万人です（2012年）。この正社員3092万人について、就業日数と就業時間をビジュアルに表現すると、図1のようになります。 全体の正方形（3092万人）を、「就業日数×就業時間」の群で区分けしたグラフです。各群の比重が視覚的に分かる仕掛けになっています。 最も多いのは、年間250～
トレタのデータから読む、常連さまづくりのポイント : TORETA（トレタ） ブログ
今回、トレタではデータ解析ベンチャーのかっこ株式会社さんと業務提携を締結しまして、共同で予約データの解析および分析を行うこととなりました。
生活保護受給世帯 過去最多の約162万2500世帯に NHKニュース
生活保護を受けている世帯は、ことし５月の時点でおよそ１６２万２５００世帯となり、高齢者世帯の受給が増えたことを背景にこれまでで最も多くなりました。 世帯別では、６５歳以上の「高齢者世帯」が前の月よりも１４００世帯余り増えて７９万３６５８世帯となり、全体の４９．１％を占めました。次いで働くことのできる世代を含む「その他の世帯」が２７万４３９８世帯、けがや病気などで働けない「傷病者世帯」が２５万５０１１世帯、「障害者世帯」が１８万７４８４世帯、「母子世帯」が１０万４２５６世帯となっています。 一方、生活保護の受給状況を人数で見ると、前の月より１９００人余り減って２１６万１４４２人でした。 厚生労働省は「雇用情勢の改善などで、働くことのできる世代を含む『その他の世帯』などでは減少傾向が続いているが、単身の高齢者の受給が増えているため、今後も受給世帯の増加傾向は続くのではないか」と分析しています。
Yahoo!ニュースで起こった「ダルビッシュ論争」～編集とデータ活用の現場から
2015年4月、オンライン学習サイト「schoo（スクー）」によるYahoo!ニューススタッフの講義「Yahoo!ニュースによるnews HACK術」全5回生放送が無事終了いたしました。 今回は、第5回目「Yahoo!ニュースの育て方 データ分析の活用術」の中で登場した、Yahoo!ニュースの「編集におけるデータ活用」について、当ブログでもご紹介したいと思います。 編集部を支える「データ」 Yahoo!ニュース・トピックスは、編集部が1日4000本の配信記事の中から記事をピックアップし、13文字の見出しをつけるなどの作業を経て掲出しています。Yahoo!ニュース・トピックスの編集方針などについては第2回目「何が『ニュース』なのか Yahoo!ニュースに学ぶ価値判断と『見出し力』」で説明されていますのでこの記事では割愛いたしますが、以下のブログで第2回目講座の一部をご紹介いただいておりますの
毎日新聞デジタルご購読・お申し込み - 毎日新聞
最初の1カ月 90 円 （税込 99円） ※初めてお申し込みの場合 月額 980 円 （税込 1,078円） ※プランは１カ月ごとに自動更新です。 ※2カ月目以降は通常料金（月額980円税別・1,078円税込）
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://twitter.com/kanenooto7248/status/1632321270007369729
http://kigyou-journey.com/1000man-445/
機械学習を用いた東西日本の境界線決定
第１回日本博士人材追跡調査調査結果（速報版）