Elena Petrova
データサイエンス
Elenaはデータ調査とベンチマーク、そして収集データの品質について執筆しています。測定方法、クリーニング方法、そして実用に耐えるデータセットの構築方法についてです。
執筆テーマ
- データ調査とベンチマーク
- データ品質
- データセット構築
Elena Petrovaの記事
-
2026年10月26日 · ナレッジ
AI学習データのマーケットプレイスとライセンス：購入すべきか、自分で収集すべきか
AI学習データのマーケットプレイスとライセンス契約の仕組み、ライセンスデータに実際にかかるコスト、そしてデータセットを購入すべきときと自分で収集すべきときを判断するための実践的なフレームワークを解説します。
-
2026年10月24日 · ナレッジ
AIトレーニングパイプラインにおけるプロベナンス:データセットの出所を証明する
AIトレーニングデータのプロベナンスが実務で意味すること:すべてのドキュメントについて保持すべき記録、EU AI Actのサマリーが求める内容、そしてそれを一貫して引き継ぐ方法。
-
2026年10月19日 · スクレイピング
リトライの経済学:リトライが割に合わなくなる試行回数
リトライを重ねるごとに成功率は下がっていきます。自分のログと数行のPythonを使って、リトライが割に合わなくなるポイントを見極める方法。
-
2026年10月15日 · レジデンシャルプロキシ
レジデンシャルプロキシネットワークにおけるASN多様性の理解
大きなIP数も、ほとんどのアドレスが少数のネットワークに集中していれば意味を持ちません。プロキシプールにおけるASN多様性の測定方法、使用すべき指標、そして良好な状態とは何かについて解説します。
-
2026年10月11日 · ナレッジ
CAPTCHAは本当にボットを止めるのか、それとも遅らせるだけなのか? 抑止力と解読率の測定
CAPTCHAに関する20年間の研究が示すこと。人間が費やす時間、ボットやAIエージェントが解読する頻度、そしてCAPTCHAが今やコストとして機能する理由。
-
2026年10月8日 · スクレイピング
ペイロード効率:スクレイピングしたページのうち、費用を払って取得した定型文はどれくらいの割合か
上位1,000サイトから278件のコンテンツページを測定した。欲しいテキストはHTMLの約1%にすぎず、ブラウザがダウンロードするデータ全体の中ではごくわずかな割合にとどまる。
-
2026年10月7日 · レジデンシャルプロキシ
Shifterが最大のライブ米国レジデンシャルIPプールを保有
当社のレジデンシャルプロキシベンチマークでShifterを再計測した結果、250,000リクエスト中212,212件がライブ米国IPとなり、計測した16ネットワークの中で最大のライブ米国プールとなりました。