2014年12月5日に開催されたPostgreSQLカンファレンス2014の講演資料です。 http://www.postgresql.jp/events/jpug-pgcon2014Read less
![Django/Celeyを用いたデータ分析Webアプリケーションにおける非同期処理の設計と実装](https://cdn-ak-scissors.b.st-hatena.com/image/square/b2378b705f7f1a5200bde3e373dbfcf4c8989ce2/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Fdjangopub-141206005334-conversion-gate02-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
この記事は Google Cloud Platform Advent Calendar 2014 – Qiita の19日目の記事も兼ねています。 こんにちは。Perfumeエンジニアの@massa142です。 今回の記事は、Google BigQueryに関して前々から気になっていたんで、このAdvent Calendarをきっかけに遊んでみたよっていうのが趣旨です。 やることは、タイトル通り『Perfumeに関するtweet分析』です(`・ω・´)ゞ 7年連続7回目の出場となるNHK紅白歌合戦を間近に控えた、この年の瀬の1週間分のTwitterデータを取得して分析していこうと思います。 Google BigQueryってなに? BigQueryとは、Google Cloud Platformの大規模クエリサービスです。 詳しくは@naoya_itoさんの以下のスライドをご覧になって下さ
PyCon JP 2014参加レポート第3回は、カンファレンス2日目のセッションを中心にお届けします。 OpenCVのpythonインターフェース入門 はじめにMasaki Hayashi氏によるOpenCVのpythonインターフェース入門のセッションをご紹介します。Hayashi氏は現在大学院にて機械学習の画像認識の研究をしており、ブログやWebなどでもコンピュータービジョンについて記事を執筆しているとの事でした(コンピュータビジョンのセカイ - 今そこにあるミライ)。 Masaki Hayashi氏のセッション ©PyCon JP Computer Visionとは? まずは導入部分で、Computer Visionについての説明を行いました。Computer Visionとは次のようなものであることを解説し、またComputer Visionのサンプル動画を紹介してとてもわかり
『PyCon JP 2014』で登壇するALBERTの池内孝啓氏(左)と、白ヤギコーポレーションCEOのシバタアキラ氏 あらゆる業種・分野でデータ分析へのニーズは高まる中、データサイエンティストと呼ばれる職種を耳にする機会が増えた。データサイエンティストとは、さまざまな統計手法を駆使して膨大なデータの中からビジネスに役立つ知見を引き出すスペシャリスト。エンジニアのキャリアパスとしても今、注目を集めている。 そこで今回、9月12日から3日間にわたって開催される年に1度のPython使いの祭典『PyCon JP 2014』に「Pythonを使ったデータ分析」をテーマに登壇する株式会社ALBERTの池内孝啓氏と、フォローメディアアプリ『カメリオ』の開発当初から膨大なデータの分析・解析を実施してきたという白ヤギコーポレーションのシバタアキラ氏に、「データサイエンティストに必要な資質やスキル」をテー
ゴクロ改め、スマートニュース株式会社の大平です。 巷間では「bigdata」の活用が叫ばれて久しいですが、弊社はまだまだ小さい規模のスタートアップのため少なくともデータサイズとしてhugeなdataの活用が行える環境ではありません。 であればデータの活用に対する要求が低いか、というとそうでも無く、サービスサイドでも自然言語処理や機械学習を中心としたデータ解析処理がサービスの生命線となっていますし、サービスの裏側でも戦略を立てる上で効果測定や諸々のデータの分析は非常に重要な位置を占めています。 本記事では主にサービスの裏側で求められるデータ解析において、いかにカジュアルにデータを解析するか、の一例として、掲題のような組み合わせによるデータ可視化の事例を簡単にですがご紹介したいと思います。 データ解析基盤を作る側の視点からすると、システムとして求められる要件は以下のようなものだと理解していま
752万人。ネッテレイティングス発表の2010年3月のTwitterユーザー数です*1。利用者の増加もあり、企業でのTwitter活用事例も増えてきました。しかし分析手法に関してはそれほど語られていません。 自社あるいは競合商品がどのように言及されているのか? Twitter経由のサイトへの流入数とコンバージョン数は? 自アカウントはどのように評価すればよいか? Twitterから情報をどのように取得して無料で分析するか?これが、本記事の内容です。 Twitterはユーザーの素直な声が溢れている情報の宝庫です。例え自社アカウントを持っていなくても、自分達のサービスや業界に関する、幅広い意見が存在します。これをマーケティングに使わない手はありません。 長文ですのでお時間がある時にどうぞ。 目次 1.Twitterの情報取得 1.1つぶやき情報 1.2アカウント情報 1.3アクセス解析情報 2
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
処理を実行中です
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