金融業界の技術革新に黄信号がともっている。障壁となっているのは、銀行がフィンテック企業にシステム接続を認める「オープンAPI」。新しいサービスを生むための目玉の取り組みだが、銀行側の消極姿勢が目立ち、金融庁が警鐘を鳴らす事態に発展した。単なる銀行の怠慢にも映るが、そうとは言い切れない。「データは誰のモノか」が曖昧なことが最大の問題として横たわる。APIには顧客の銀行口座情報を家計簿アプリなどに
この記事は、 Mercari Bold Challenge Monthの最終日の記事です。 SREチームの@catatsuyです。 メルカリでは様々な用途でCDNを使っています。基本的にCDN経由で静的ファイルを配信する場合、CDNからはオリジンからのキャッシュを表示するように設定しています。 しかしキャッシュからデータを削除したいこともあります。例えば古いファイルが配信されているので更新したいなどの理由です。 こうしたCDNのキャッシュからの削除依頼は日々様々なチームで発生します。しかしCDNのキャッシュを削除するにはAPIトークンが必要だったり、管理画面にログインする必要があったりするので知識と権限が必要になります。CDNの知識がなくても社内の人なら簡単に削除できる仕組みが欲しいところです。 そこで弊社では以下のようにSlackで簡単にCDN上のキャッシュを削除できるようにしています。
開発現場にビジネスチャットツール「Slack」の導入が広がっている。メールに代わる新たなコミュニケーションツールとして活用する事例が増えているのだ。Slack Japanの佐々木聖治カントリーマネジャーは「Slackを使い業務を進めているデイリーアクティブユーザー(DAU)は、世界中で1000万人いる」と話す。 Slackは開発現場が中心となって普及した。別のビジネスチャットツールと併用している企業もある。アクセンチュアの山根圭輔テクノロジーコンサルティング本部インテリジェントソフトウェアエンジニアリングサービス統括 マネジング・ディレクターは、「全社では米マイクロソフト(Microsoft)のビジネスチャットツールであるTeamsを使っているが、開発現場ではSlackを併用することが多い」と話す。 なぜSlackが開発現場で使われ、エンジニアに人気があるのだろうか。その理由から探ろう。
コンテンツマーケティングの必勝法と最前線 いよいよ明日、2019年10月1日に私が執筆した通算で5冊目の書籍が出版、発売されます! 「KPI・目標必達のコンテンツマーケティング 成功の最新メソッド(成功の最新メソッドシリーズ)」が、株式会社エムディエヌコーポレーションから2019年10月1日に出版、発売されます! KPI・目標必達のコンテンツマーケティング 成功の最新メソッド (成功の最新メソッドシリーズ) 今回の共著本は、わたくし敷田憲司と徳井ちひろさんの2人で執筆した本であり、私は本書の全体構成及びCHAPTER2とCHAPTER3を執筆しました。 ぜひ購入していただけると幸いです! 書籍のコンセプト 本書は以前にも増して注目が集まっているコンテンツマーケティングについて基礎知識から、コンテンツの企画・制作方法といった具体的な施策についてのノウハウを丁寧に解説した書籍です。 コンテンツ
TikTok広告 3ヶ月で100投稿してわかった、TikTokでファンを獲得するために守るべき3つのポイント 2019年9月にキーワードマーケティングへ入社した、編集部のオオクボです。 広告運用に関しては未経験ですが、これまでに旅行やグルメ系のまとめサイトの運営に携わったり、趣味でお弁当を詰める動画を TikTok で配信をしてきたメディア愛滲み出る経歴があります。 TikTok では3か月でファン( Twitter やインスタグラムでいうフォロワー)が4万人になり、中高生や主婦からコメントやいいねの通知が日々止まりません。今回は僕がこれまでに TikTok でファンを増やすためにおこなってきたことをお伝えしたいと思います。 現在(2019年9月末時点)でファンが4万人になり、毎日300人から1,000人単位で増加している状況です。そんな僕が配信している動画がこちら。 このような感じで、お
「戦略PR」の提唱から約10年。未来のマーケティングPRはどこへ向かうのか。「ブームをつくる」「時代に名前をつける」というPRの役割の変化について、最前線を見てきた嶋浩一郎氏、新世代を牽引する三浦崇宏氏が語り尽くす。 Yahoo! の配信媒体見直しが転機 ──昨今のマーケティングPRの潮流についてどう見ていますか。 嶋:海外の広告賞で、PRの分野でも社会課題を解決する仕事が大きく評価されるようになってきたと感じます。2019年のカンヌライオンズPR部門グランプリ「THE TAMPON BOOK」(ドイツ)は19%の消費税が課される生理用品を消費税7%の本の付録として添付し、「生理用品が高額で困っている」という女性たちの悩みを解決した点が評価されました。 三浦:ここ数年で「戦略PR」を拡大解釈したような、安っぽい「バズる」PRは完全に死にましたよね。それはPRにとって、とても良いことだったと
HOME ニュース ANAが取り組む「顧客に軸を置いたデータマーケティング」、会員への取組みから目指す完成形まで聞いてきた ビッグデータを活用したパーソナライゼーション(個人に合わせた情報の最適化)。すっかりおなじみのフレーズだが、実際に日々、奮闘している最前線では、何に取り組み、どんなことを感じているのか。全日空グループが、顧客に軸を置いたデータマーケティングの実行部隊と位置付けるANA Xのデータドリブン・マーケティング・グループ永山裕氏に、今年の「WiT Japan & North Asia 2019」の会場で話を聞いた。 ANA Xは2016年末、マイレージプログラムを中心に、全日空(ANA)グループの顧客データマーケティングに取り組む新法人としてスタート。永山氏はもともとANAのマーケット・コミュニケーション部でデジタルマーケティングを担当していたが、今春、同部門がANA Xに統
“インスタ映え”という言葉や、空前のタピオカブーム。10代~20代のイマドキ女子たちの選択から生まれるブームは、市場にも大きな影響を与えます。TwitterやInstagramなどのソーシャルメディアを使いこなし、情報の発信と受信を繰り返している彼女たち。そんな彼女たちの消費インサイトは、一体どこから生まれるのでしょうか。 今回は、「モテクリエイター」として10~20代の女性から絶大な支持を得ている「ゆうこす」こと菅本裕子さんと、U25の女性をターゲットとした情報メディア「MERY」でライターのマネジメントを担当する望月菜穂子さんに、等身大の視点で「10~20代のイマドキ女子の消費インサイト」について、語ってもらいました。 若者の間に生まれている「小さな経済圏」にどうアプローチするか 望月:私は大学時代からMERYのライターをしていて、今は18~25歳のMERY公認ライターのマネジメントを
リンクの原則#11 グーグルは、スパムリンクや低品質リンクの価値を引き下げているウェブ上には膨大な数のリンクがあるが、実際のところグーグルはその大多数を無視している可能性が高い。 グーグルの目的は、エディトリアルリンク(編集リンク)に重点を置くことだ。「エディトリアルリンク」とは、リンクを受ける側のサイトでは制御できず、他のユーザーが意図して配置する独自のリンクなどを指す言葉だ。 ペンギン4.0以降、グーグルはアルゴリズムによって「これらの基準を満たしていないと思われるリンクは単に無視するだけ」だとほのめかしている。たとえば、次のようなリンクがそうした扱いを受ける: ネガティブSEOとして張られたリンクリンクプログラムで生成されたリンクとはいえ、グーグルが本当に低品質のリンクをすべて無視しているかどうかについては、多くの議論がある。低品質のリンクが張られたサイトは実際に被害を受けかねないこ
今回は「 ドリルを売るには穴を売れ」という本を紹介します。 この本は有名ブロガーの「☆←ヒトデ」さんがオススメしていてる1冊です。今後のブログ運営に活かせればという思いもあり、読み進めていました。 「ドリルを売るには穴を売れ」とはどんな本か マーケティングは僕たちの身近にある おわりに 「ドリルを売るには穴を売れ」とはどんな本か この本では、商品を売るための戦略=「マーケティング」ついて学ぶことができます。といっても小難しい内容ではなく、イタリアンレストラン再建の物語を読み進めながら、ものすごーく噛み砕いてマーケティングの基礎に触れることが出来ます。 ブログ運営だけでなく、マーケティングについて気軽に学んでみたいすべての方にオススメできる良書です。 マーケティングは僕たちの身近にある 僕にとって、マーケティングは普段の生活ではあまり関わりがない、なんだか遠い世界の存在に感じていました。でも
はじめに 近年AWSが注目されています。 以前案件の商談の際にAWS案件未経験の僕がAWS案件を獲得することができました。 事前に必須のスキル項目としてAWSを挙げられたのですが先方にオファーの理由をお伺いすると商談の印象が良かった為とのことです。 個人的な振り返りとして商談に臨む前に事前知識として本を買いあさり、その知識を商談で話せたことがとても大きいと思っています。 今回はその商談で爆発的に役立った本を紹介いたします。 AWSとは AWS(Amazon Web Services)とはAmazon.com社が提供しているクラウドサービスのこと 特徴 ・自らインフラ環境を構築せずに質の高いリソースにアクセス可能 ・サーバーやデータベースなどのインフラ環境を自ら管理・運営していなくても、インターネットを介してそれらのリソースにアクセスすることが可能 ・従量課金制。利用した料金を支払うことでリ
「#20代マーケピザ」という若手マーケター向けのイベントが話題を呼んでいます。不定期に開催されているこのイベントを主宰しているのが、アドバイザリー会社・ムーンショット代表取締役CEOの菅原健一さんです。 菅原さんは31歳でエンジニアからアドテクノロジーの世界に入り、ブランド広告責任者やCMOなどを歴任してきました。現在では、BtoB、BtoCを問わず、多くの企業のアドバイザーを務めています。 消費者と向き合い自社商品を選んでもらうために多様な施策を繰り出すBtoCと、企業同士の取引を通じて取引先企業の事業価値の最大化を目指すBtoB。菅原さんはいずれのマーケティングについても経験が豊富ですが、「BtoCよりもBtoBのほうが簡単に感じる」と言います。それはなぜでしょうか。今回は菅原さんに、BtoCに比べて語られることが比較的少ないBtoBマーケティングで成果を上げる方法について話を聞きまし
オフィスのファイルの代名詞とも言える「キングファイル」で有名な文房具・事務用品メーカーの「キングジム」は、数多くのニッチな商品を送り出していることでも知られています。2011年の東日本大震災から3年後、災害時のオフィス待機を想定した常備用の寝袋「着る布団&エアーマット」を販売。最近では、観光施設等の窓口での使用を想定した2台1組の対話型翻訳機「ワールドスピーク」を開発して話題となりました。 話題の商品を次々世に送り出すキングジムですが、実は事前の消費者調査や市場調査はほぼ行っていないことでも知られています。なぜマーケティングを行わずに新商品を出し続けることができるのでしょうか。また、どのようにしてニッチな商品の需要を掘り起こしているのでしょうか。株式会社キングジム常務取締役開発本部長の亀田登信さんにお話を伺いました。 (取材・文・撮影 Marketing Native編集部・岩崎 多) 3
インフルエンサーという現象は一部の特別な存在にとどまらない。誰にでも門戸が開かれているところに、インターネットの面白さがある──。 そう訴えるのは、アジャイルメディア・ネットワーク アンバサダーとピースオブケイク noteプロデューサーを兼任するブロガー、徳力基彦氏だ。 Forbes JAPANは、9月25日発売の本誌で「WHO IS THE TRUE INFLUENCER?」と銘打ち、8人の識者をアドバイザリーボードに迎え、トップインフルエンサー50人を初めて選出した。 インターネットの20年をウォッチしてきた徳力氏の経験と論考を、約1万字のロングインタビューでお届けする。 ──インフルエンサーという現象はインターネットやSNSの歴史とも深く関わっていると考えられます。ネットの世界で活躍されてきた自身の経験を振り返ってください。 SNS以前に、ブログの登場によって個人がインターネット上で
前回まで 前回は環境構築やunixコマンドでのクローリング・スクレイピングを行った 見出しは本文に準ずる 第2章Pythonではじめるクローリング・スクレイピング Pythonを使うメリット 標準ライブラリもサードパーティライブラリも充実していて、データ分析に役立つライブラリもいっぱい揃っているよ!という話 Python3.7のインストール Ubuntu 18.04ではPython3.6.8がインストールされているが、本書では3.7の新機能を使うとのことでインストール $ sudo apt install -y python3.7 python3.7-venv libpython3.7-dev python3-pip build-essential apt install のあとの -y は 「問い合わせがあった場合はすべて「y」と答える」のオプション 【 apt-get 】 パッケージを
Google Cloud のエンタープライズ向けクラウド データ ウェアハウスである BigQueryに Kaggle が統合されました。BigQuery をご利用のお客様は、超高速の SQL クエリを実行し、SQL で機械学習モデルをトレーニングし、Kernels でそのモデルを分析できるようになります。Kernels とは、無料で使える Kaggle のホステッド Jupyter ノートブック環境です。 BigQuery と Kaggle Kernels を一緒に使うことで、直感的に扱える開発環境を使用して BigQuery データにクエリを実行し、データの移動やダウンロードなしで機械学習を行えます。Kernels ノートブックまたはスクリプトに Google Cloud アカウントをリンクすると、BigQuery API Client ライブラリを使ってノートブックで直接クエリを組み
Google Colaboratory で Kaggle コンペに参加したいときの データの入手方法や提出方法についてまとめました。 実際の学習を行う部分は省略していますのでご注意ください。 記事よりも下記の成果物とリンク見たほうが早いと思います。 リンク 今回の成果物 | google Chrome 以外のブラウザだとうまく開けない可能性あります https://github.com/Kaggle/kaggle-api https://github.com/google/google-api-python-client Using kaggle datasets into Google Colab - Stack Overflow Kaggle API with Colab | Colab notebook 必要なもの Google アカウント Google Chrome 各手順 お好き
この記事ではGoogle Cloud Platformと、Kaggle APIを用いてKaggleの容量が大きなデータでも、ローカルよりも速い速度でダウンロードするということをやります。 具体的にはGoogle Cloud Engineで仮想マシンを立ち上げ、そのマシン上でKaggle APIを使いデータをダウンロードします。GCP上の仮想マシンはGoogleの回線を使っているので、普通に自宅のwifiなどを使うよりは断然速くダウンロードすることができます。 対象者 最近Kaggleを始めた人 GCP上でKaggleをやってみたい人 データでかすぎてうぜえって思った人 概要 GCEインスタンス立ち上げ Kaggle API導入 Kaggle データセットダウンロード 前提条件 GCPを使える Kaggleに登録している 1 GCEインスタンス立ち上げ まずはGCPのコンソール画面からGCE
複数プロダクトの技術改善・クラウド移行に向き合うチームのフレキシブルなペア・モブプログラミングの実践 / Flexible Pair Programming And Mob Programming
はじめに Kaggle上位解法の共有等を目的としたKaggle Tokyo Meetupというイベントが2019/07/13にDeNAの渋谷ヒカリエオフィスにて開催されました*1. connpass.com このイベントは非常に人気が高く,参加するためには ①Kaggleで一定の成果を残す もしくは ②抽選に受かる といういずれかの鬼門を突破する必要があり,僕は当然のように落選しました. 途方に暮れていたところ,hakubishin(@jy_msc)さんからKaggle Tokyo 裏 Meetup*2というKaggleの小規模なLT会に来ませんか?というお誘いを受けました. 開催日はなんと2019/07/13. 偶然にもKaggle Tokyo Meetupと同じ日時です. 場所は渋谷の外れの貸し会議室で,何も関係はありませんがヒカリエは再開発工事のせいでちょうど見えませんでした.ぐぬぬ
前回まで、決定木・ランダムフォレストの理論について勉強しました。 www.randpy.tokyo www.randpy.tokyo 今回はPythonで実際に動かしていきたいと思います。扱うのは、タイタニック号の生存者データです。性別や年齢など、どんな要素が生存率に影響を与えていたのか、分析してみます。 なお、Pythonによる決定木・ランダムフォレスト のコード例は、以下の書籍にも記載されてますので、参考にしてみてください。 Pythonと実データで遊んで学ぶ データ分析講座 作者: 梅津雄一,中野貴広出版社/メーカー: シーアンドアール研究所発売日: 2019/08/10メディア: 単行本(ソフトカバー)この商品を含むブログを見る これは、kaggleという世界的なデータ分析コンペティションで提供されているサンプルデータですので、ご存知の方も多く少し面白みには欠けますが、決定木とラン
お前3連休の残り何しとってん?って話ですが、今更ながら Kaggle Tokyo Meetup 参加した一口感想を資料を振り返りながら書こうと思います。あと LT させて頂いた感想とか。 connpass.com 本当は meetup の次の日くらいに公開するはずだったんですが、どうしてこうなった... 参加直後の電車の中 → 帰宅後。 今日中むりな気がしてきた。眠い...— 俵 (@tawatawara) July 13, 2019 そして時が経ち... . . . 感想文ポエムを書くといってから気づけば3日が経過している— 俵 (@tawatawara) July 16, 2019 流石にまずいと思ったので書き始めた、はずだったが... . . . 昨日は途中で prime day に流されてしまったが、今日こそ終わらそう— 俵 (@tawatawara) July 17, 2019
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 今回は「Kaggle」の画像コンペに取り組む方法を紹介したいと思います。筆者は、2017年9月ごろにKaggleを始め、最初はECサイト向けの画像分類に挑戦しました。それ以降、画像コンペを中心に取り組んでいます。大学の専攻はオペレーションズリサーチで画像認識とは無縁でしたが、コンペを通じて知識や知見を得ながら、念願のKaggle Masterになることができました。本稿ではその取り組みを紹介し、少しでもイメージを持ってもらえればと思います。 Kaggleにおける画像コンペとは Kaggleで行われる画像コンペでは、画像認識の分野においてオーソドックスな分類や検出、セグメンテーションといったタスクが多いです。例えば、「Human Prot
上記の方々の推奨本 2票(naotaka1128、カレーちゃん)[第2版]Python 機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear) 1票(naotaka1128)PythonとKerasによるディープラーニング 1票(naotaka1128)scikit-learnとTensorFlowによる実践機械学習 1票(mlm_kansai)機械学習のための特徴量エンジニアリング ―その原理とPythonによる実践 (オライリー・ジャパン) 記事の概要 Kaggle参戦記 〜入門からExpert獲得までの半年間の記録 & お役立ち資料まとめ〜 *1) 特徴量エンジニアリング 次元削減系 LDA、PCA、tSNE Kaggle TalkingData Fraud Detection コンペの解法まとめ(基本編) 「カテゴリー変数を組み合わ
KaggleのJigsawコンペにチーム参加して、32位で銀メダルでした。public 58位からは上昇しましたが、金メダル圏内にはもうひと押し足らずという結果でした。 www.kaggle.com discussionにチームメイトのKazSappさんが投稿した通り、解法は6モデルの重み付き平均です。 1. bert base uncased 2. rnn 3. rnn (data augmented by translation) 4. rnn (data augmented by old toxic competition) 5. bert base cased 6. bert base multilingual cased w = [0.39193463, 0.14464678, 0.03892303, 0.06871146, 0.317778, 0.038006]重みは、Kagg
はじめに 本記事では2019年6月~8月にかけて開催され、約2800チームが参加したKaggleのコンペ Predicting Molecular Properties(通称分子コンペ)について、振り返りを兼ねてまとめたいと思います。 www.kaggle.com はじめに コンペ概要 データ データ数について xyzファイルについて scalar couplingについて Additional Dataについて 評価指標 Graph Convolutional Networks (GCN) Message Passing Neural Networks (MPNN) GCNの本コンペへの適用 その他GCNモデル GNNの参考資料 最後に コンペ概要 まず初めに本コンペのポイントをいくつか挙げます。 分子内の2つの原子間の磁気的相互作用(scalar coupling constant、以
はじめに Kaggle テーブルデータコンペでよく利用するEDA・特徴量エンジニアリングのスニペットをたくさん集めました。間違いやもっとこうした方がいいなどあればコメントください。 Kaggle を始めたばかりの方はまず 実践Data Scienceシリーズ PythonではじめるKaggleスタートブック を読むことをお勧めします。ある程度慣れている方は Kaggleで勝つデータ分析の技術 を読むとよいでしょう。 また、Python によるデータ処理周りに不安があるひとは、事前に Python実践データ分析100本ノック や DS協会のデータサイエンス100本ノック(構造化データ加工編 を一通りこなしておくと基本的なデータ操作については学べると思います。 前提 以降全て Notebook 上での実行を想定。 ライブラリ import os import json import multi
Kaggle で開催されたAPTOS 2019 Blindness Detection(網膜コンペ)にソロで参加したのでその振り返りです。 www.kaggle.com 結果は174th/2943 (TOP6%)で銅メダルでした。このコンペで2枚目の銅メダルを獲得し、Kaggle Expertになることができました。 コンペ概要 網膜の画像から糖尿病網膜症の重症度を予測します。 ラベルは0〜4の5段階で数字が大きいほど重症を表しています。 糖尿病網膜症については以下のスライドが分かりやすいです。 糖尿病網膜症 from 理 秋山 評価指標はquadratic weighted kappaです。 またkernel only コンペだったので学習は手元でOKですが推論はkernel上で完結させる必要があり、以下にkernelの制限時間内に推論できるかもこのコンペのポイントでした。 自分の手法
限定の先行販売*1で紙版を入手した『Kaggleで勝つデータ分析の技術』(技術評論社)を読みました。なお電子版をご恵贈いただく予定です。 gihyo.jp 10月7日の発売を待たずして Amazon*2のベストセラー1位になるなど、注目を集めています。 既に著者の一人である threecourse さんは、執筆者視点で見どころを紹介しています*3。 本記事では一人の読者、そして Kaggler の視点で書評を記します。なお私は既に1年以上 Kaggle に取り組んでおり、一定程度の知識を有している視点からの書評になります*4。 本書の魅力 1. データ分析コンペのテーブルデータコンペに注力して書かれた「教科書」である 2. 技法のみならず筆者および関係者の実体験に基づいた集合知も言語化されている 3. コードが公開されている どんな人に本書はお勧めか Kaggleに取り組んだ経験があり、更
はじめに こんにちは。くるぴー(@kurupical)です。 このたび、IEEE CIS Fraud Detectionコンペに、@pondelion1783さん、@HighGradeToppoさん、@TaTakoihirokazuさんと参加し、19位/6381の成績を残すことができました。 チームのみなさまはとても優秀で、コンペに参加した2ヶ月の間とても刺激的な時間を過ごすことができ、いい経験になりました。 チーム目標であった「金メダル」も達成できてとても嬉しいです。本当にありがとうございました! このブログでは、これからKaggleなどのデータ分析コンペ参加しようとしている方向けに、どのようにコンペに取り組んだのかという経緯を残しておきたいと思います。 何かのお役に立てれば幸いです。 もしよろしければ、1年前に書いたkaggle体験記もあわせてご覧ください。 kurupical.hat
前回のブログ記事投稿から約1ヶ月。この1ヶ月はKaggleのIEEE-CIS Fraud Detectionに人生を捧げると決めてブログを休んでいましたが、10/4にコンペが終了しました。 結果は、6381の参加チーム中、532位でした。上位10%に入ることができ、初Kaggle本気参戦で銅メダルを獲得することができました。 しかし、2週間ほど前からあらゆる試行錯誤を繰り返してもPublic LBが上がらず、所謂「このKaggleコンペ何もわからない」状態に陥り、非常に苦しい思いをした記憶が強いです。 ということで、本記事はKaggleで初メダル圏内を目指そう、という方を読者に想定して、自分のやったことを書きます。 メダルを既に獲得されている方、ましてKaggle Expert以上の方で万が一本記事にたどり着かれた場合は、さくっと離脱いただくか、笑って眺めていただければと思います。 1.
こんにちは、インフラ開発部のsandatsです。 今回は、前回記事の最後に受験を予告していた Google Cloud認定資格 Professional Cloud Architect の話をします。(2回連続資格の話になります。。) Google Cloud認定資格Professional Cloud Architectについて 前回の記事にも少し書きましたが、今回受けたProfessional Cloud ArchitectはGoogle Cloud認定資格の複数ある内の1つになります。 公式のProfessional Cloud Architect 説明には、以下のような記述があります。 Professional Cloud Architect は、Google Cloud の技術を組織が活用するために必要なクラウド アーキテクチャと Google Cloud Platform に関
社内でのサーバーレスアプリケーション開発を、プラットフォームエンジニアリングを整備して 迅速化・安定化させる取り組み
2019年7月、グーグルジャパンのブログにおいて、ある新たなAI(人工知能)に関するプログラムの発表が行われました。その名も「Google AI for Japan」。 これは、日本が社会的に困難な問題に立ち向かい、様々な課題を解決しようとするうえで、AI(人工知能)が果たすことのできる可能性をグーグルが独自に模索したものです。このプログラムによってグーグルは、日本のAI(人工知能)人材の育成支援や、AI(人工知能)分野の研究の活性化、さらにはビジネス・社会課題等の諸問題の解決に向けたAI(人工知能)の活用促進などを目指すとしています。 そこで今回は、グーグルが提起するこの「Google AI for Japan」の3つの取り組みについてご紹介しましょう。 すべては日本のために? Google AI for Japanの全貌に迫る!! Google AI for Japanとは具体的にはど
機械学習(ML)や人工知能(AI)の発展にGoogleが果たしている役割は大きい。2003年と2004年に発表した2つの論文からHadoopの活動が生まれ、2017年に公開したSpannerやその後のGoogle BrainをきっかけにAIへの関心が再燃した。またTensorFlowは深層学習に欠かせないツールとなっている。 本資料は、そうしたGoogleがCIO向けにデータ分析と機械学習についてどう理解しておくべきかを手引きしたものだ。「データを取り巻く新たな状況」「クラウド ストレージとデータ ウェアハウジング」「リアルタイム データ統合」「機械学習とAI」という4つの章を立て、全28ページでポイントをおさえながらガイドしている。企業がどのようにデータ分析と機械学習に取り組むべきかを網羅的に解説した格好の資料だ。経営の一助として役立ててほしい。
機械学習の精度を左右する「データ加工」の基礎知識――「攻めのデータ加工」=「特徴量エンジニアリング」編:「AI」エンジニアになるための「基礎数学」再入門(5)(1/2 ページ) AIに欠かせない数学を、プログラミング言語Pythonを使って高校生の学習範囲から学び直す連載。前回から2回に分けて「データ加工」の手法を紹介します。今回は「攻めのデータ加工」です。 AIに欠かせない数学を、プログラミング言語Pythonを使って高校生の学習範囲から学び直す本連載『「AI」エンジニアになるための「基礎数学」再入門』。初回は、「AIエンジニア」になるために数学を学び直す意義や心構え、連載で学ぶ範囲についてお話ししました。 また第2回では、データの種類を紹介しました。そこでは、数値としてのデータ自体、あるいはその統計量には尺度によって意味のあるもの(=情報として価値があるもの)と、そうでないものがあるこ
Amazon Web Services (AWS)のサービスで正式名称や略称はともかく、読み方がわからずに困ることがよくあるのでまとめてみました。 Amazon Web Services (AWS) - Cloud Computing Services https://aws.amazon.com/ まとめルールについては下記を参考ください。 Amazon Web Services (AWS)サービスの正式名称・略称・読み方まとめ #1 (コンピューティング) - Qiita https://qiita.com/kai_kou/items/a6795dbab7e707b0d1a6 全サービスを並べたチートシートもあるよ! Amazon Web Services (AWS)サービスの正式名称・略称・読み方チートシート - Qiita https://qiita.com/kai_kou/ite
2019年9月27日、アマゾン ウェブ サービス ジャパン(AWSジャパン)はコンテナに関する技術説明会を開催した。前半はAWSジャパンの塚田朗弘氏がコンテナの基礎やAWSのコンテナサービスを紹介。後半はメルカリ取締役CTOの名村卓氏が登壇し、おもに機械学習を支えるコンテナの活用について語った。 課題にフィットするAWSのコンテナ関連サービス 技術説明会に登壇したAWSジャパンのシニアソリューションアーキテクトの塚田朗弘氏は、コンテナについてのおさらいからスタートした。従来、システム開発においてはローカル、ステージング・QA、本番などで環境が異なっていたため、テストで動いても、本番で動かないということがあった。こうした課題を解消すべく生まれたのがコンテナ。コンテナのライフサイクル管理を行なうDockerは、2013年3月にOSSとしてリリースされた。Dockerが実行エンジンとして常駐する
本記事は、2019年インターンシップとして勤務した佐々木 克仁さんによる寄稿です。 はじめまして。PFNの2019年夏季インターンシップに参加させていただいた東京大学修士1年の佐々木克仁です。大学ではHCIの研究をしています。WEB開発が好きです。 テーマとその背景 今回のインターンシップで私が取り組んだ研究テーマは「スポーツ映像に対するシーンのアノテーション効率化」です。 PFNでは、スポーツ映像の中でチームが取っている戦術を推定し、スポーツの戦術解析に応用するシステムを開発しています。このような推定を実現する機械学習モデルを学習するためには、チームが取っている戦術とその時間範囲(以降シーンと呼びます)がスポーツ映像にアノテーションされた大量のデータセットが要求されます。しかし、スポーツ映像におけるシーンの戦術レベルでの詳細な区別を一般の人々が行うのは困難で、そのスポーツに精通した専門家
機械学習をAI(人工知能)全体から捉えられる本、人工知能は人間を超えるか まず最初にご紹介する本は、機械学習を始めたら最初に読んでおきたい本は「人工知能は人間を超えるか」です。こちらはAI(人工知能)についての研究の第一人者である松尾豊さんが著者。 機械学習についてを機械学習が含まれているAI(人工知能)という全体像から捉えられる本で、AI(人工知能)が発展し現在に至るまでの経緯や、今何ができどんなことができるようにしているかが説明されています。また、基礎的な理論についても数学など難しい内容を交えず触れられているので大まかな内容を理解することも可能です。 松尾さんによると、現在 AI(人工知能)が抱えている大きな壁は「どこに注目しどの情報を得ればいいか」を自力で判断するのが難しいということ。 ディープラーニングがその壁の突破口になる可能性があると言及されており、機械学習とどう関連性があるの
ゲームAI技術入門──広大な人工知能の世界を体系的に学ぶ作者: 三宅 陽一郎出版社/メーカー: 技術評論社発売日: 2019/09/30メディア: 単行本AmazonKindle本書はゲームAIの研究と開発の最前線で戦い続けている三宅陽一郎さんの「ゲームAI技術入門」である。三宅さんはこれまで何冊も本を書かれていて、入門編的な意味だと昨年出た『高校生のための ゲームで考える人工知能』も素晴らしいんだけど、本書(ゲームAI技術入門)は技術評論社から出ているだけあって専門的にアルゴリズムを紹介・説明していて、しっかり理解したいならまずはこちらをオススメしたい。 とはいえ、ガチのゲームプログラマ向けというわけでもなく、本文中にほとんどコードは出てこないし、基本的にアルゴリズムの概念の説明に終始しているので、「ゲーム好き/ゲームAIに興味があるけどプログラムとか書いたことない」とかそういう人でもま
こんにちは、機械学習エンジニアの河本 (@nnkkmto) です。マイクロアドのシステムにおいて、機械学習が必要な部分の研究開発及び実装を担当しています。 この記事では GCP (Google Cloud Platform)、特に GCE (Google Compute Engine) を用いた機械学習モデル学習バッチのスケジュール実行について紹介できればと思います。 はじめに 前提 全体の流れ 各処理の詳細 スケジューリング Cloud Scheduler Cloud Pub/Sub Cloud Functions インスタンス起動による学習バッチの実行 preempted 時のリトライ処理 終わりに はじめに 現在マイクロアドでは、以下にあるようにGCP を用いた機械学習基盤の構築を進めていて、Kubeflow を用いた実行環境へ移行予定です。 オンプレ×Google Cloud Pl
これぞラグビーの美しさ!最後まで希望の道を選んだサモア代表の誇りが、日本に不死鳥のようなボーナスポイント1をもたらすの巻。 Tweet Share on Tumblr カテゴリ:ラグビー 2019年10月06日00:42 信じるチカラで攻め勝ったぞジャパン!! 「俺たちは強い」。そう本気で、心から信じている。これほどの頼もしさでラグビー日本代表が本大会を席巻することになろうとは、この大会を招致したとき誰が思っていたでしょうか。ラグビーワールドカップ、日本代表“ブレイブブロッサムズ”は第3戦サモア戦に臨み、4トライでボーナスポイントをもぎとる勝利を挙げました。 天地ほども違うボーナスポイントの有無。 ラグビーワールドカップの順位決定方式では、勝点で2チームが並んだ場合、直接対決の結果で順位を決めることになっています。日本はサモア戦前に2勝で勝点9を獲得していました。勝てば4点を積んで勝点13
原 康紘 アマゾン ウェブ サービス ジャパン株式会社 技術統括本部 ソリューションアーキテクト AWS 上でのマネージド・サービスメッシュを実現する AWS App Mesh や、Kubernetes ワークロードとの親和性が高い Istio など、サービスメッシュの世界には数々のプロダクトやソリューション、アイデアが生まれつつあります。本セッションでは、マイクロサービスにおけるベストプラクティスの集大成とも言えるサービスメッシュについて、その解決すべき課題と人々が熱狂する理由、サービスメッシュそのものの必要性について掘り下げます。同時に、サービスメッシュを実現する上で最も重要なコンポーネントの一つとも言える Envoy の詳細にも触れながら、皆さまがサービスメッシュを活用する手助けとなるヒントを紹介します。 AWS の詳細については http://aws.amazon.com/jp
Scenery Illustration by J.HUAこちらの記事は、2018年12月に公開された『 2019 UI and UX Design Trends 』の和訳になります。 はじめに私たちは去年、モバイルUIデザインのトレンドについての予測をまとめました。今年はモバイルだけを対象とせずに、さらに深く掘り下げていきます。 モダンなデザインの一番のトレンドは前後関係のあるつながりの中にあります。そのため、一般化することができません。 この記事を読むことであらゆるツール、技術の進歩、またユーザー向けのプロダクトが実際にどのように機能なのか開発者が理解し、全てが上手くいくように感じるでしょう。 近いうちに、販売だけでなく、生産するものすべてを網羅するユニバーサルデザインの考え方を発展させて行くでしょう。自分で何か物事を行うためには、より良いデザインの選択が必要です。 国家としての印象さ
機械学習を完全に独学でやった者です。今回は自分は様々な教材を使ってきましたが、その教材のうち動画についての感想を述べていこうと思います。 具体的には ・Udemy ・Coursera(machine learning) の二つを経験したので、それぞれについてのレポートをします。 自分はUdemyではとても多くの講座を見てきたのでそれぞれについてレビューしていきます ちなみにこれが自分が行ってきた講座一覧です ではまずUdemyから見ていきたいと思います。他にもいくつかの動画を見ましたが、その中でもオススメなものをピックアップして説明していきます。 Udemyとは オンラインで受けれるコースです。値段を見ると普段1コースあたり12000円とかしてとても高いと感じるかもしれませんが、バーゲンを異様に多くするのが特徴で、バーゲン期間には値段が10分の1ほどになります笑、一週間に一度ほど安くなりま
リクルートデータ組織のブログをはじめました。※最新情報はRecruit Data Blogをご覧ください。 Recruit Data Blogはこちら こんにちは。今年2018年4月より新卒でRCOに入社した松田です。 kaggle というデータ分析のコンペティション運営サイトが昨今世間に注目されていますが、 今回 TalkingData AdTracking Fraud Detection Challenge において2月にkaggleを始めた私が単独で金メダル(ソロゴールド)を獲得できたのでそれまでにやったことなどをシェアしたいと思います。 図: kaggleサイト( https://www.kaggle.com/ )のプロフィール画面より 図: kaggleでの活動ログ。中2ヶ月はやってないので実質の活動期間は1ヶ月ほど コンペの具体的内容やテクニックの話は 別記事 にまとめたので、
機械学習の基礎用語や初歩的な手法、数学的な理解を深めませんか?環境構築が不要、オンラインで実行が可能な機械学習入門チュートリアルを公開中!機械学習の世界へ飛び込んでみませんか? スクラッチで最小二乗法と最急降下法をPythonでコーディング(線形回帰) ロジスティック回帰の概要や数学的理解と実践に役立つ知識(ロジスティック回帰) まず呼び方ですが、Kaggleと書いて「カグル」と読みます。日本でも最近は定着してきましたが、Kaggleに参加している方を「カグラー(Kaggler)」とも呼びます。 Kaggleですが、本サイトへ行くと一番上に書かれていますが「The Home of Data Science & Machine Learning」(データサイエンスと機械学習の家)と題されている通り、世界中の機械学習・データサイエンスに携わっている約40万人の方が集まるコミニティーです。 Ka
今回自分は0から始めて9か月でコンペで銀メダル(6385分の249位,top4パーセント)を獲得できました。 自分の今までの流れをおさらいしていきます。 それまでの僕のスペック 数3と行列はほぼ何も分からない プログラムはrubyとjavaはそこそこに書ける、pythonは知らん 勉強の流れ 12月末 機械学習を始めると決心、とりあえず何をやればいいかよく分からないがpythonが必要らしいのでprogateでpythonをやってみる 1月 数学が必要らしいので、行列と微分積分について1から学んでみる。今から考えると、行列の基礎をさらえたのは良かったですが、それ以外はこの時間は絶対いらなかったなと考えています。 微分積分 行列 2月 Udemyで多くの講座を受ける、詳細は以下の記事にまとまっています https://qiita.com/HayatoYamaguchi/items/c8051
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