Welcome to Apache PredictionIO®!
What is Apache PredictionIO®?Apache PredictionIO® is an open source Machine Learning Server built on top of a state-of-the-art open source stack for developers and data scientists to create predictive engines for any machine learning task. It lets you: quickly build and deploy an engine as a web service on production with customizable templates; respond to dynamic queries in real-time once deploye
「アフリカの呪術師」と全面対決するため、電子マネーを導入した話。
こんにちは。日本植物燃料株式会社、代表の合田です。 今回は、前回に引き続き、モザンビークで「バイオディーゼル事業」に着手したところからの話です。 バイオディーゼル燃料事業を成立させるためには「生産」と「販売」の２つが課題です。 ですから何よりもまず、私たちは「バイオディーゼル燃料」を安定して生産できなければなりませんでした。 そこで、前回も少し触れましたが、ヤトロファの種を現地の人に提供しました。 今利用している農地にヤトロファを植えてもらうことはできませんが、今ある畑の脇に「柵」としてヤトロファを植えてもらい、収穫したヤトロファは私たちが買い取り、加工して燃料とします。 「組合」と言う形態をとりながら、１万人の農民たちに協力してもらい、なんとか私たちはモザンビークでバイオディーゼル燃料の原料となるヤトロファを栽培し、燃料を作り出すことはできるようになりました。 ですが、もちろんそれだけで
Netflix's Recommendation ML Pipeline Using Apache Spark: Spark Summit East talk by DB Tsai
Netflix's Recommendation ML Pipeline Using Apache Spark: Spark Summit East talk by DB Tsai Netflix is the world’s largest streaming service, with 80 million members in over 250 countries. Netflix uses machine learning to inform nearly every aspect of the product, from the recommendations you get, to the boxart you see, to the decisions made about which TV shows and movies are created. Given this s
Distributed Time Travel for Feature Generation
We want to make it easy for Netflix members to find great content to fulfill their unique tastes. To do this, we follow a data-driven algorithmic approach based on machine learning, which we have described in past posts and other publications. We aspire to a day when anyone can sit down, turn on Netflix, and the absolute best content for them will automatically start playing. While we are still wa
NetflixにおけるPresto/Spark活用事例
Hadoop/Spark Conference Japan 2016でのライトニングトークの資料 by Ryosuke Iwanaga (@riywo)
Introducing Surus and ScorePMML
Today we’re announcing a new Netflix-OSS project called Surus. Over the next year we plan to release a handful of our internal user defined functions (UDF’s) that have broad adoption across Netflix. The use cases for these functions are varied in nature (e.g. scoring predictive models, outlier detection, pattern matching, etc.) and together extend the analytical capabilities of big data. The first
技術文書の翻訳で本気だしてみた
継続的翻訳システムに関する情報です。 5分版 @ Creators Meetup 2016 スライド: https://speakerdeck.com/yasulab/ji-shu-wen-shu-falsefan-yi-deben-qi-dasitemita/ 発表動画: https://www.youtube.com/watch?v=fhDHqEwADFs 30分版 @ RubyWorld Conference 2015 スライド: https://speakerdeck.com/yasulab/continuous-translation-system-at-rwc2015 発表動画: https://www.youtube.com/watch?v=7cqOJtL5Fvc 《提供》 YassLab - Having a Good Life with OpenSource ;) htt
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
Heterogeneous Workflows With Spark At Netflix