【セミナーレポート】gloops山本氏がソーシャルゲームにおける大規模データの分析手法と活用手法を紹介…要諦はわかりやすく表現し改善に活かすこと | gamebiz
gloopsは、6月11日、企業のデータ分析、マーケティング担当者を対象としたビッグデータ分析・活用セミナー「2億PV/日を支えるgloopsのビッグデータ分析」を東京都内のgloops本社で開催した。 gloopsでは累計40タイトルのソーシャルゲームを配信しており、延べ登録者数は3000万人を超えている。今回のセミナーでは、3000万人のユーザーから発生する膨大なデータを効率よく処理・分析し、ソーシャルゲームの運営に活用しているのかが具体的な事例を交えて紹介された。本稿では、そのセミナーの模様をお伝えしておこう。昨年この時期に実施したgloopsのデータマイニングアナリストの伊藤氏のインタビュー記事も合わせて読まれると面白いかと思う（関連記事）。 ■データマイニンググループのミッション 今回、講師としてソーシャルゲーム事業本部システム統括部データマイニンググループのアナリスト山本真吾
Accenture Blogs
The path to 360° value starts here—featuring our most provocative thinking, extensive research and compelling stories of shared success.
委託調査報告書 （METI/経済産業省）
委託調査報告書のご案内 下記のリンク先にある掲載一覧（PDFファイル、エクセルファイル）に記載した委託調査報告書毎のアドレスにリンクすることで閲覧が可能です。 令和5年度分の掲載一覧（PDF形式：61KB） 令和5年度分の掲載一覧（Excel形式：15KB） 令和4年度分の掲載一覧（PDF形式：390KB） 令和4年度分の掲載一覧（Excel形式：120KB） 令和3年度分の掲載一覧（PDF形式：396KB） 令和3年度分の掲載一覧（Excel形式：131KB） 令和2年度分の掲載一覧（PDF形式：384KB） 令和2年度分の掲載一覧（Excel形式：111KB） 平成31年度・令和元年度分の掲載一覧（PDF形式：325KB） 平成31年度・令和元年度分の掲載一覧（Excel形式：100KB） 過去の報告書 過去の報告書については、国立国会図書館に納本されています。 下記より検索してご利用
【退職エントリ】データサイエンティスト目指してたけど、途中で別にデータサイエンティストなりたくねぇなって思ってデータアナリストになった話。｜ねこぼ@データアナリスト
【退職エントリ】データサイエンティスト目指してたけど、途中で別にデータサイエンティストなりたくねぇなって思ってデータアナリストになった話。 特に就活生・転職を考えている方が多そうだったので、私が今回の転職で、何をどのように考えて動いたのか参考になるかもしれないと思い、整理してみました。 目次 1. 自己紹介 2. 準備段階でやってよかったこと 3. 応募先を決めるときの条件 4. あれ、別にデータサイエンティストじゃなくてよくね 5. それから1.自己紹介はじめに簡単に自己紹介します。 ・現在29歳 ・私大文系卒 ・中規模のデータ分析職(現職)⇒大手IT会社のデータアナリスト職(内定先) ・Pythonで機械学習の勉強を始めたのは2年ほど前 (それまでプログラミング経験はなし) 2. 準備段階でやってよかったこと現職に入社してから現時点でおよそ3年半です。転職に向けて実際に求人に応募し始め
分析の本｜データ分析や統計分析を学ぶ【目的別】おすすめ書籍11冊｜あなたをブランドにする読書法 - Mission Driven Brand
分析の本｜データ分析や統計分析を学ぶ目的別おすすめ書籍13冊｜入門書から名著まで このページに辿り着いたあなたなら、何らかの理由で「データ分析や統計分析を学べるおすすめの本」を探していることだろう。 このブログ「Mission Driven Brand」は、外資系コンサルティングファームと広告会社の両方のキャリアを持つ筆者が、ブランディングやマーケティング・ビジネスにおける「できない、わからない」の課題解決を目指しているブログだ。 このブログを運営していると「おすすめの本を紹介して欲しい」という問い合わせを頂くことが多い。 各解説記事でもおすすめのマーケティング本やブランディング本を紹介しているが、今回はそのベースとなる「データ分析・統計分析が学べる本」を入門書から専門書まで13冊紹介しよう。どれも、本ブログの筆者であるk_birdが「ぜひ読むべき」と考える分析関連の名著だ。 関連記事 ビ
データサイエンティストもしくは機械学習エンジニアになるためのスキル要件とは（2017年夏版） - 渋谷駅前で働くデータサイエンティストのブログ
この記事は2年前の以下の記事のアップデートです。 前回はとりあえずデータサイエンティストというかデータ分析職一般としてのスキル要件として、「みどりぼん程度の統計学の知識」「はじパタ程度の機械学習の知識」「RかPythonでコードが組める」「SQLが書ける」という4点を挙げたのでした。 で、2年経ったらいよいよ統計分析メインのデータサイエンティスト（本物：及びその他の統計分析職）vs. 機械学習システム実装メインの機械学習エンジニアというキャリアの分岐が如実になってきた上に、各方面で技術革新・普及が進んで来たので、上記の過去記事のスキル要件のままでは対応できない状況になってきたように見受けられます。 そこで、今回の記事では「データサイエンティスト」*1「機械学習エンジニア」のそれぞれについて、現段階で僕が個人的に考える「最低限のスキル要件」をさっくり書いてみようかと思います。最初にそれらを書
クラスタリング (クラスター分析) - Toshihiro Kamishima
クラスタリング (clustering) とは，分類対象の集合を，内的結合 (internal cohesion) と外的分離 (external isolation) が達成されるような部分集合に分割すること [Everitt 93, 大橋 85] です．統計解析や多変量解析の分野ではクラスター分析 (cluster analysis) とも呼ばれ，基本的なデータ解析手法としてデータマイニングでも頻繁に利用されています． 分割後の各部分集合はクラスタと呼ばれます．分割の方法にも幾つかの種類があり，全ての分類対象がちょうど一つだけのクラスタの要素となる場合(ハードなもしくは，クリスプなクラスタといいます)や，逆に一つのクラスタが複数のクラスタに同時に部分的に所属する場合(ソフト，または，ファジィなクラスタといいます)があります．ここでは前者のハードな場合のクラスタリングについて述べます．
1
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
[PDF]経済産業省「日本の中長期ビジョンの検討に関する調査」 最終報告書