第30回 データマイニング+WEB＠東京( #TokyoWebmining 30th)−機械学習活用・マーケティング 祭り− を開催しました - hamadakoichi blog
2013/10/19 "第30回 データマイニング+WEB ＠東京 ( #TokyoWebmining 30th) −機械学習活用・マーケティング 祭り−"を開催しました。 第30回 データマイニング+WEB＠東京 ( #TokyoWebmining 30th) ー機械学習活用・マーケティング 祭り−: Eventbrite Google グループ 会場提供し運営を手伝って下さった ニフティ株式会社 のみなさん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。会場参加、USTREAM参加ともに多くの方々の参加を嬉しく思っています。 参加者ID・バックグラウンド一覧： 参加者Twitter List: Twitter List TokyoWebmining 30th 参加者セキココ：第30回 データマイニング+WEB ＠東京 セキココ (作成してくれた [
データアナリストになる方法～コンサル型かエンジニア型か？ビッグデータ時代に市場価値を上げる2つの道 - エンジニアtype | 転職type
今年に入り、いよいよビッグデータ（大容量のログデータ）を活用したビジネスに企業が本気で取り組み始めた。そこで注目されるのが、大規模データを解析するデータアナリストの存在である。 「何だか難しそう」とエンジニアでさえハードルの高さに臆してしまうこの職種。本当のところはどうなんだろう？ 本企画では、ビッグデータビジネスを行なう企業や現役データアナリストへの取材を通して、ビッグデータ時代の重要ポスト「データアナリスト」の本当の姿を解き明かしていく。 データアナリストに注目は集まっているが、人手不足は深刻 およそ1カ月前の1月27日（金）、ベルサール新宿で開催されたエンジニアサポート新年会『CROSS』にて、昨今のビッグデータ界隈の盛り上がりを象徴するような光景を目の当たりにした。 『CROSS』とは、フロントエンド・バックエンドの垣根を超えて、Webテクノロジーにかかわるあらゆる人たちが集まって
データサイエンティストになりたい学生の為の就職先の選び方 - shakezoの日記
ここ半年でIT業界ではビッグデータというバズワードが一気に広がり、データ分析者の需要が急増しています。データサイエンティストは今後10年で最も魅力的な職業になるとも言われており、データ分析に携わる仕事に就きたいと考えている学生も以前よりは増えてきているのではないかと思います。 ビッグデータ、データサイエンティスト、データマイニング、機械学習などのキーワードが散りばめられた記事も連日のように投稿されていますが、新卒の学生がデータ分析の仕事に就くための方法について触れられているものはあまりないようです。IT業界で働いている人たちの間でも、正しい認知が進んでいない状況ですので、データ分析業界の構造を学生さんが理解することは難しいのではないかと思います。 私自身はデータ分析に携わって5年程度で、まだまだ初心者の域を脱していないぺーぺーですが、データマイナーになるためにどんなキャリアを積めばよいかに
Web系女子がLispと出会って統計学に目覚めるまでのお話 - あんちべ！
こんにちは！今年の春からWeb系企業でHTML/CSSデザイナーとして働きだしたキラキラ女子（を目指してる）のあんちべ（23）です！よろしくお願いします！私は普段自社のWebサービスのCSSなどを書いている*1のですが、最近データマイニングに興味を持ち始め、データを分析して、自社サービスの売り上げ改善に貢献したいなーと思うようになりました！でも。。。私は文系出身で統計学とか全然わからない*2し、プログラミングも得意じゃない*3し、高価な統計解析ソフトを買うのも辛いです。。。無い無い尽くしですね＞＜；！そんな私に救いの手が！インストール作業不要で、便利な統計処理機能が色々あって、しかも無料という素晴らしいソフト*4を発見しました！その名も"Incanter"です！なんでも、 Lispっていう古くから使われてきた実績のあるプログラミング言語で動いてて、Lispの文法でどんな処理をすればよいかを
サービス終了のお知らせ - NAVER まとめ
サービス終了のお知らせ NAVERまとめは2020年9月30日をもちましてサービス終了いたしました。 約11年間、NAVERまとめをご利用・ご愛顧いただき誠にありがとうございました。
Python for Data Analysis
Read it now on the O’Reilly learning platform with a 10-day free trial. O’Reilly members get unlimited access to books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers. Python for Data Analysis is concerned with the nuts and bolts of manipulating, processing, cleaning, and crunching data in Python. It is also a practical, modern introduction to scient
データからの知識発見('12)
講義一覧 > データからの知識発見 > Last Modified: 1章 2章 3章 4章 5章 6章 7章 8章 9章 10章 11章 12章 13章 14章 15章 訂正等 このサイトついて このWebサイトは秋光が主任講師を担当している 放送大学の専門科目 「データからの知識発見('12)」 のための補助資料などを掲載しています. 科目は平成27年度で閉講しました。 資料については各章ごとにページを分けています. 上記のナビから見たい章を選んでご利用ください. これらのページは放送大学の学生や講義の受講生に限らず, 一般に公開しています. 受講生以外の方がご利用になるのは自由ですが, 自己責任にてご利用ください. また, このサイトのデザインや内容については予告なく変更することがあります. サイトをご覧になったからのお問い合わせについては 必ずしもお返事できるとは限りませんが, 修
IT news, careers, business technology, reviews
Apple improves iCloud for Windows, kills iTunes Among the changes to the widely used application are support for physical security keys, dark mode, and an improved user interface. Windows 11 Insider Previews: What’s in the latest build? Get the latest info on new preview builds of Windows 11 as they roll out to Windows Insiders. Now updated for Build 26052 for the Canary and Dev Channels and Build
新年会CROSSでDeNAが語ったWebテクノロジー展望とは｜【Tech総研】
「エンジニアサポート新年会2012 CROSS」は、Webテクノロジーに関わるエンジニアが集まり、未来の展望を語り合う勉強会だ。「技術」「年代」「企業」などの壁を取り払って、オープンにクロスするコミュニケーションが展開された。 オープンソースを中心としたIT・Web技術のプラットフォーム上で、異なる分野のエンジニアが交流する勉強会やセミナーの開催が活発化している。「交流する」という意味を持つ「CROSS」をタイトルに冠した勉強会が1月27日、東京・新宿のイベントホール「ベルサール新宿グランド」で開かれた。題して、「エンジニアサポート新年会 2012 CROSS（以下、新年会CROSS）」。 「単一の技術にとらわれない。複数の要素の織り交ざった話を聞く機会を多くの人と共有しよう」というのが狙い。もともとは、技術者向け勉強会の会場提供や動画配信協力などを行うニフティの「@niftyエンジニアサ
類似度と距離 - CatTail Wiki*
２つのデータが似ている度合いを，類似度の大きさや距離の近さといった数値にしてあらわすことで，クラスタ分析や，k-近傍法，多次元尺度構成法(MDS)をはじめとするいろいろな分析を行うことが可能となる． ここでは，よく知られている類似度や距離について述べる． 類似度という概念は，２つの集合の要素がまさにどれだけ似ているかを数量化したものであり，距離とは，要素同士の離れ具合，従って非類似度とちかい概念と考えてもよい． 参考までに数学における距離の概念の定義を示すと， 距離空間の定義 Sを１つの空でない集合とし，dをSで定義された2変数の実数値関数 d(SxS) → R が，以下の４条件（距離の公理） D1 ： （非負性） 任意のx,y∈Sに対して d(x,y)≧0． D2 ： （非退化性） x,y∈Sに対し d(x,y)=0 ⇔ x=y． D3 ： （対称性） 任意のx,y∈Sに対して d(x
Ring
Ringとは、リクルートグループ会社従業員を対象にした新規事業提案制度です。 『ゼクシィ』『R25』『スタディサプリ』など数多くの事業を生み出してきた新規事業制度は、 1982年に「RING」としてスタートし、1990年「New RING」と改定、そして2018年「Ring」にリニューアルしました。 リクルートグループの従業員は誰でも自由に参加することができ、 テーマはリクルートの既存領域に限らず、ありとあらゆる領域が対象です。 リクルートにとって、Ringとは「新しい価値の創造」というグループ経営理念を体現する場であり、 従業員が自分の意思で新規事業を提案・実現できる機会です。 Ringフロー その後の事業開発手法 Ringを通過した案件は、事業化を検討する権利を得て、事業開発を行います。 さまざまな事業開発の手法がありますが、例えば既存領域での事業開発の場合は、 担当事業会社内で予算や
モバイル空間統計に関する情報 | 企業情報 | NTTドコモ
モバイル空間統計に関する情報 モバイル空間統計とは モバイル空間統計とは、ドコモの携帯電話ネットワークの仕組みを使用して作成される新たな人口統計です。日本全国の人口を24時間365日把握することができます。 お客さまのプライバシー保護について モバイル空間統計は、プライバシーを保護するため、運用データに、非識別化処理、集計処理、秘匿処理を行うことにより作成します。集団の人数のみを表す人口統計情報であるため、モバイル空間統計からお客さま※1個人を特定することはできません。
How to use Weka tool box
WekaはニュージーランドWaikato大学で開発されたデータマイニングツール ボックスです．本授業では，このWekaツールボックスの中に含まれる決定木生 成アルゴリズムJ48を用いて演習を行います．以下ではSFCの特別教室の環境を 想定し，必要なセットアップと使用方法について述べます． Wekaはインターネット上で無料で提供されています．利用に際してはヴァー ジョン1.2以上のJava開発環境が必要です．本マニュアルでは，説明の都合上， Wekaを履修者各自がCNSの自分のディスク領域にインストールして使用するこ とを前提としていますが，知識のある人は，自分のノートPCなどにインストー ルしても構いません．Wekaに関する詳しい情報はすべて，WekaのWebページ を参照して下さい． UNIXの操作にある程度慣れている人は、以下で説明するweka-3-3-6.jar を解凍したものをt
hadoopの話とpythonでデータマイニングをする話 - gumi Engineer’s Blog
gumiの粟飯原です。 データマイニングやってます。しかしながら最近はあまりデータをいじる時間がなく社内でプレゼンばかりする日々で、社内でも私がなにやってるのかわからないというもっぱらの評判。そこで今回は一応データ解析もやってはいるんだよということを内外に主張するためにもデータマイニングの話をしようと思います。 アプリの基本的な日々の統計データ取得などは別の方々はやられているので、私からはhadoopを使った大規模解析の話や、そこで得られたデータを分析する環境の話をしたいと思います。コードを併記した具体例などは今回載せられないのですが、今後また紹介していければと思います。 大規模データの解析 日々のログ解析やDB解析はcronによる処理で毎朝レポーティングを行っているのですが、新しい情報を過去のアクセスログからまとめてどかんと取得したいと言う時はHadoopによる大規模解析を実行しています
第７回データマイニング+WEB勉強会＠東京で発表してきました。「明日から始めるソーシャルアプリのログ解析」 - doryokujin's blog
発表者・参加者双方に有意義な勉強会：データマイニング+WEB勉強会＠東京 @doryokujinです。9/26(日)に行われました、第７回データマイニング+WEB勉強会＠東京で発表してきました。@hamadakoichiさんによるまとめ（発表資料一覧）とTogetterも参考にして下さい。 僕は第6回から参加させていただいていますが、前回に負けじと今回も本当に素晴らしい勉強会でした。 主催者@hamadakoichiさんの創設の思い・目的・進行方針からもわかっていただけますように、発表者と参加者双方が熱い議論を交わしながら進んでいく勉強会です。そんな勉強会に幸運にも発表枠を頂けましたので発表してきました。勉強会の発表はこれが初めてでした。 明日から始めるログ解析1 〜HadoopとMongoDB を活用したソーシャルアプリ解析〜 このエントリーでは、たくさんの方から頂いたフィードバックを元
空間木を利用した関連事例の抽出技術 - Preferred Networks Research & Development
はじめまして伊藤です。１月から PFI で働いてます。 今回は関連事例の抽出技術についてお話しします。関連事例の抽出は推薦（レコメンド）サービス等で利用される技術です。ここで事例は扱う対象によって異なります。対象が文書集合であれば、事例は文書を表しますし、E-コマースサービスのログデータであれば、サービスを利用するユーザを表します。 関連事例の抽出技術はデータマイニング分野を含め多くの分野で盛んに研究がなされていて、関連文献をリストアップするだけでも大変です。私は学生時代からずっと推薦技術に関する研究をしてきたのですが、卒業後もその年々の重要そうな（自分が興味が持てる）論文を選んで勉強してます。では推薦関係で調査しておくべき会議とはどのようなものがあるでしょうか。私の場合以下の会議で受理された論文をチェックしています（他におすすめがあれば、お知らせいただけると幸いです）。 データベース分野
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
http://www.nri.co.jp/publicity/mediaforum/2011/pdf/forum164.pdf
http://www.aist-ari.org/papers/distribution/2010/jes2010_ishikawa.pdf
Microsoft PowerPoint - サービス工学シンポ蔵田20110310
Jubatusにおける大規模分散オンライン機械学習
