dip developers

【Findyキャンパスハッカソン全チームフィードバック】GOODポイントとさらにパワーアップするためのMOREポイント大公開

こんにちは！ディップ株式会社26年新卒CTO室の本松達裕です。 今回は2026年8月8日に開催されたFindyキャンパスハッカソンにメンター兼審査員として参加してきたので僭越ながら全チームのフィードバックを書いておこうと思います！ https://www.craftstadium.com/hackathon/findy-campus-hackathon-202608 京：めちゃAI大喜利

ガウス過程5000回酷使劇場：最先端モデルはどこまで追い詰められたら壊れるか？

はじめに こんにちは、事業会社で働いているデータサイエンティストです。 本記事は、前回の記事の続編です。 前回の記事では、指数二乗カーネルを用いたガウス過程が、ランダムウォークで生成されたデータのデータ不足区間を推定するタスクにおいて、より単純なモデルにボロ負けするという結果を、シミュレーションを通じてお見せしました。 この結果については、 「いや、指数二乗カーネルは滑らかな関数を

• R
• Stan
• ベイズ推定

【全統計学博士号泣】ガウス過程、撃沈。高度で柔軟なモデルがボロ負けする惨劇をどうぞ

はじめに こんにちは、事業会社で働いているデータサイエンティストです。 本記事は、前回の記事の続編です。 前回の記事の内容を少しおさらいすると、データが急激に減った期間の平均を、どうすれば精度よく推定できるのか、というのがテーマでした。 具体的には、普段は各時点で500件のデータが得られているにもかかわらず、担当者が長期休暇に入ったことで、ある期間だけデータが1件しか得られなくなった、とい

• R
• Python
• Stan

担当者の長期休暇でデータが1件に！？絶望的な状況を時系列ベイズで乗り切る方法を教えます

はじめに こんにちは、事業会社で働いているデータサイエンティストです。 どうでもいい話ですが、この記事は私にとって、記念すべきPositronを使って書いた初めてのアウトプットです！たぶんまだRStudioから完全に卒業することはないと思いますが、Positronもかなり使いやすかったので、気になっている方はぜひ一度試してみてください！ さて、皆さんもベイズ統計の教科書などで、ベイズ

• R
• Stan
• 階層ベイズ

不確実性を30まで落とすのが設計 〜 開発部長陣が考えるAI協働の型 〜

はじめに 先日、開発部の打ち合わせで部長が「設計」の話をしてくれた。 「設計って、不確実性を100から30まで落とす作業なんだ」 数字で言われた瞬間、腑に落ちた。 この記事は、私を含めた部長レイヤーが普段考えていることを、AI協働の実践者としてまとめたものです。テーマは「不確実性の減らし方」。 📌 3秒でわかるこの記事の要約 対象読者: 設計の「終わりどころ」や実装に入るタイミングに

AIに社内1,127リポジトリを爆速調査させて分かった、「何を疑うか」を決める人間の仕事

※この記事は、日常的に生成AIを業務（設計・調査・コード生成など）に取り入れているエンジニアや、AIツールの出力成果物の品質管理に悩んでいる方に向けた知見共有です。 こんにちは、パッションうさぎ（小野）です。 先日、AIに設計を手伝わせていたら、出力に 「既存：Users テーブル」 と書かれていました。 そんなテーブル、うちのチームはまだ作っていません。気になって聞き返すと 既存と書いてるけど

KPTの「Try」は「Problemを受けて挑戦したいこと」ではない

こんにちは、JP（Ohtaki）です。 先日、社内のどこかのKPTで 「Try（Problemを受けて挑戦したいこと）」 という表記を見かけました。 世で使われているKPT（Keep / Problem / Try）の解説でもよく見かける表現ですが、これを見るといつもさみしく感じます。 そんな表現がされていなかったとしても、ProblemからしかTryを作っていないチームはよく目にします。

VARモデルを用いたマーケティング効果の動的分析

1. はじめに 効果検証において、ユーザーごとや店舗ごとの詳細な履歴を追跡したパネルデータが利用可能だとします。このとき、差の差法（DID）や合成コントロール法、固定効果モデルといった因果推論の枠組みに落とし込むことでマーケティング施策の因果効果を推定できる可能性が高まります。 しかし、実際のマーケティング実務においては、テレビCMや交通広告（OOH）といったマス媒体で誰がいつ広告に接触したかを

• マーケティング
• 時系列解析
• データ分析