データサイエンスをする人々にとって, 生データを解析し分析可能な数値化を行う「特徴量エンジニアリング」「前処理」は必要不可欠かつ大切なタスクです.

その中でもスポーツデータサイエンスは特徴量エンジニアリング・前処理のやりがいがあるテーマであり, 中には「野球データサイエンスの応用で別の分野の分析に役立てる」というシグナルアンドノイズのような事例もあります.

この発表では, 「特徴量エンジニアリングの勘どころ」「野球選手の成績予測モデル作成と検証」を通じて, スポーツデータサイエンスのみならず, データサイエンス全般に役立つノウハウや知見を「野球の時間」を通じて紹介いたします.

【Outline】

- 自己紹介（5min）
- 特徴量エンジニアリング #とは（10min）
　- 生データの数値化
　- 泥臭い泥臭いアンド泥臭いタスクをシュッとこなす
　- Python/R/SQLを適切に使い分ける
- 野球選手の成績予測アルゴリズムとその実践（15min）
　- 第一人者のネイト・シルバーがやったモデル
　- shinyorke（わたし）がやろうとしているアプローチ
　- PythonとBigQueryでガツッと特徴量抽出
　- 分析そしてその結果は...!?
- まとめ

【補足】
2001〜2019年のメジャーリーグの公開データセットを元に予測を行います（日本のプロ野球ではありません）.