Discover companies you will love
Available to logged-in users only
大学院の研究テーマ：日本の賃金制度は労働生産性と乖離しているかどうか 機器学習の練習項目の一：クレジットカード不正検出
プロジェクト概要：クレジットカードのトランザクションデータに基づいて分類モデルを構築し、トランザクションが異常、あるいは正常であることを予測します。 プロジェクトの技術点と流れ： 1.この項目では、データを観察したことにより、サンプルが不均衡であるという問題を発見し、それによりオーバーサンプリング（Over-Sampling）とダウンサンプリング（Under-Sampling）の2つの方案を提案し、二つのモデリング比較の結果を行って、より良いモデルを選ぶ。 2.モデリングの前に、データの標準化（Standardization）、欠落値充填（Fill Nan）など、データに対して様々な前処理を行った。 3.モデル化する前に、このモデルの評価方法としてリコール率（Recall Score）を使った。 4.適切なアルゴリズムを選択した。ここではロジスティック回帰（LogisticRegression）モデルを使用した。 5.クロスリファレンス（Cross Validation）によりモデルをパラメータ調整し、最適なモデルを見つけた。
⒈研究テーマ紹介：日本で、急速な高齢化と人口減少が進みつつあるが、今後の日本の潜在成長を考える上で、労働生産性に与える影響をどうのように評価するか？ ⒉ディザインモデル： log(y(t)) = C + α1*exp + α2*exp_square + α3*edu + α4*log(ME(t)) + α5*log(CKB(t)) + α6*Full + u y: 実質産出 exp:勤続年数 exp_square:勤続年数2乗 edu:教育年数 ME(t)：実際中間投⼊(t年での条件) CKB(t)：資本サービス投⼊指数 * 実質資本ストック指数(t年での条件) Full：总劳动时间 ⒊研究時使う技術： 1.numpy、pandasを使い、データを洗浄し、計算する 2.Statsmodelの多元線形回帰モデルを導入して回帰分析を行う。 3.matplotlibによるデータの可視化。 注：この項目のコード、GitHubの制造业というファイルに入った。研究はまた終わらないので、コードの部分は完成品ではない。
ロボットについて
弘前大学大学院 / 修士
⒈研究テーマ紹介：日本で、急速な高齢化と人口減少が進みつつあるが、今後の日本の潜在成長を考える上で、労働生産性に与える影響をどうのように評価するか？ ⒉ディザインモデル： log(y(t)) = C + α1*exp + α2*exp_square + α3*edu + α4*log(ME(t)) + α5*log(CKB(t)) + α6*Full + u y: 実質産出 exp:勤続年数 exp_square:勤続年数2乗 edu:教育年数 ME(t)：実際中間投⼊(t年での条件) CKB(t)：資本サービス投⼊指数 * 実質資本ストック指数(t年での条件) Full：总劳动时间 ⒊研究時使う技術： 1.numpy、pandasを使い、データを洗浄し、計算する 2.Statsmodelの多元線形回帰モデルを導入して回帰分析を行う。 3.matplotlibによるデータの可視化。 注：この項目のコード、GitHubの制造业というファイルに入った。研究はまた終わらないので、コードの部分は完成品ではない。