オープンデータ・パーソナルデータビジネス最前線
第27回 データマイニング+WEB ＠東京 ( #TokyoWebmining 27th) －WEB解析・オープンデータ・クラウド 祭り－ TokyoWebmining Saturday, June 22, 2013 from 12:00 PM to 7:30 PM (JST) 14:50 - 15:45 2.「オープンデータ・パーソナルデータビジネス最前線」 (講師: @ito_nao) (発表25分 + 議論30分) 安倍政権が日本経済の成長戦略の柱の一つと定めているIT戦略の中で、重要なキーとなっているのが、オープンデータ・ビッグデータ(パーソナルデータの流通・促進等)の利活用推進による新産業・新サービスの創出です。 これらに関する海外先進事例・ムーブメントや日本国内の現状についてご紹介します。 Read less
ビッグデータ時代の注目職種「データ・サイエンティスト」の第一人者がNYで学んだ、適者生存の極意【匠たちの視点】 - エンジニアtype | 転職type
アクセンチュア株式会社 テクノロジー コンサルティング本部 アナリティクス インテリジェンス グループ統括 シニア・プリンシパル 工藤卓哉氏 慶應義塾大学を卒業しアクセンチュアに入社。コンサルタントとして活躍後、コロンビア大学国際公共政策大学院で学ぶため退職。同大学院で修士号を取得後は、ブルームバーグ市長政権下のニューヨーク市で統計ディレクター職を歴任。在任中、カーネギーメロン工科大学情報技術科学大学院で修士号の取得も果たす。2011年に帰国し現職に。Accenture SAS Analytics Group数理統計アーキテクト顧問委員会でアジア太平洋地区代表顧問も務める データ・サイエンティストは統計データを分析するだけの仕事ではない データ・サイエンティスト。日本ではおそらく1000人に満たないであろう、この職に就くのはどのようなタイプの人間なのだろうか？ 外界との接触を好まない象牙の
RIETI - ビッグデータが迫る研究開発の変革
最先端の研究開発現場からビジネスまでのありとあらゆる場面で大きな変革―第四のパラダイムと呼称されることが多い―が起きつつある。それは、この一、二年"ビッグデータ"と総称される、質的に極めて多様で膨大な量のデータ群を有効利用することにより、地球から人間にいたるまで様々な対象をモデル化し、目的に応じた、より良い予測情報やサービスを提供する研究開発手段の台頭である。ビッグデータの取扱に必須の基幹的な科学技術は、巨大データベースに関わる工学領域をはじめとして、統計科学、数理工学、機械学習、データマイニングといった、日本では人材が量的に不足している研究分野で生まれている。 このBBLセミナーでは、ビッグデータを取りまく日米の現状を概説するとともに、ビッグデータの利活用を阻む日本独自の問題点について論じてみたい。 昨今、データを取り巻く環境が激変しています。以前はデータの質・量ともに不足しており、地球
大規模データマイニング・機械学習 Mahout 活用に向けて読んでおきたい12のプレゼン資料 - hamadakoichi blog
2012年度が始まり1ヶ月が経ちました。2011年度は、大規模分散処理技術・データ基盤の普及が広く進んだ年だったと思います。2012年はそれら蓄積された大規模データを活用しデータマイニング・機械学習を用い、ビジネス・サービス洗練を大きく広げていく年ではないでしょうか。 Mahoutは 大規模分散データマイニング・機械学習のライブラリです。ApacheプロジェクトのOpen Sourceで、Hadoop上で動作しデータマイニング・機械学習の大規模分散実行を行うことができます。 Apache Mahout 大規模分散 データマイニング・機械学習を実行できる Mahout ですが、まだ「ドキュメント整備が発展途上で詳細を知るためにはソースコードから読み解く」必要がある場合が多く、また、活用には「対象とするデータマイニング・機械学習の基礎知識」が必要なため、まだまだ活用の敷居が高いのが現状ではない
Kazuho@Cybozu Labs: アクセスログからアテンション（注目情報）をデータマイニングする手法について
多数のユーザーの行動記録からアテンション情報（注目されているデータが何か）をデータマイニングしたいというのは、大量のデータを扱っているウェブサイトにおいては自然と出てくる要求です。そこで、先月末にサービスを終了したサービス「パストラック」において使用していた、アクセスログから注目度（人気度）の高いウェブページや人名等のキーワードを抽出するためのアルゴリズムを紹介しておきたいと思います。 たとえばはてなブックマークのような、ユーザーの能動的な行為（「ブックマークする」という作業）から注目情報を抽出するのは決して難しいことではありません。それは、直近の一定期間内のブックマーク数＝注目度、という前提が上手に機能するからです。現に、はてなブックマークの人気エントリーは、最近24時間程度の期間内にブックマークしたユーザー数の多い URL を降順で並べているように見受けられます。 しかし、アクセスログ
大規模データマイニングでのモデル探索手法：K-sample plot - データサイエンティスト上がりのDX参謀・起業家
巨大地震が日本を襲い、皆不安を感じながら生活していると思います。 そんな中せめて自分に出来ることをしようと思い、研究してきた内容をブログに記します。 サンプル数が大規模なデータでニューラルネットワークとかサポートベクターマシンとかをしたくても、 時間がかかってしょうがない！ってときに参考にしてみて下さい。 近年、特にweb関係の業界ではデータデータをいくらでも記録できるようになったため、データの規模が非常に大きくなっています。 大規模データに機械学習、マシーンラーニングを適用したいという要望は高まっています。 そういうときはデータからサンプリングして性能を確かめることが多いと思います。 ですがそんな時は、 「サンプル数はどれくらいがいいの？」 「一回やっただけじゃ真の性能は分からないよね？」 「しかもクロスバリデーションしなきゃいけないし。。」 などのような事を疑問に思うでしょう。 今回紹
500万冊のGoogleデータで「文化の進化」を分析 | WIRED VISION
前の記事 「ブログの時代は終わった」か：米調査 500万冊のGoogleデータで「文化の進化」を分析 2010年12月21日 社会メディア コメント： トラックバック (0) フィード社会メディア Brandon Keim 19〜20世紀の書籍における、西洋の著名思想家(ガリレオ、ダーウィン、フロイト、アインシュタイン)の言及頻度 Image: Science(以下すべて) 米Google社は、[図書館等に所蔵された書籍をスキャンすることによって]膨大な文書データを蓄積してきている(日本語版記事)が、このデータは「文化の進化」を研究する研究者にとって便利なものになる可能性がある。 ハーバード大学等の研究者たちはこのほど、Google社の書籍データの一部を5000億語からなるデータベースに変え、さまざまな言葉の使用頻度を、時間空間的に計測できるようにした。この研究成果は、『Science』誌
第７回 データマイニング+WEB 勉強会＠東京 ( #TokyoWebmining #7) −機械学習・解析・セマンティックウェブ祭り−を開催しました - hamadakoichi blog
2010/09/26 "第７回 データマイニング+WEB 勉強会＠東京"を開催しました。 第７回 データマイニング+WEB 勉強会＠東京 (Tokyo.Webmining#7) −機械学習・解析・セマンティックウェブ祭り−: ATND 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 [Twitter:@karubi] さん、[Twitter:@rinzo_rinrin]さん、 [Twitter:@nakamuu_m]さん、[Twitter:@yanaoki]さん、[Twitter:@ajiyoshi]さん、[Twitter:@yokkuns]さん、[Twitter:@buhii]さん、[Twitter:@doryokujin]さん、一緒に運営をしてくれた[Twitter:@yanaoki]さ
tsubosaka-Tokyotextmining
Loading… Flash Player 9 (or above) is needed to view presentations. We have detected that you do not have it on your computer. To install it, go here. tsubosaka-Tokyotextmining - Presentation Transcript Latent Dirichlet Allocation入門 @tokyotextmining 坪坂 正志 Why LDA • 白鵬が単独首位 琴欧洲敗れる Why LDA • 白鵬が単独首位 琴欧洲敗れる • 人は上の文を見て相撲に関係する文である ことを理解できる – 文中に相撲という単語は出てこないのにもかか わらず Why LDA • 白鵬が単独首位 琴欧洲敗れる • 人は上の文を見て
ＡＨＰの初歩＜オペレーションズリサーチ＜Ｗｅｂ教材＜木暮
ＡＨＰのイメージ よくある選択法での問題点 顧客が商品を購入するとき，価格，品質，体裁などいくつかの評価項目があります。このとき，価格に７０％，品質に１０％，体裁に２０％というような重みをつけて，商品Ａでは価格が３点，品質が４点，体裁が４点，商品Ｂでは，それぞれ５点，３点，２点というような点数をつけて，次のような表を作り，それらの総合点を計算して，総合点の最大のもの（ここでは商品Ｂ）を選択するという方法がよくとられます。 重み 商品Ａ 商品Ｂ 商品Ｃ 商品Ｄ 価格 ０.７ ４ ５ ３ ２ 品質 ０.１ ２ ３ ５ ５ 体裁 ０.２ ３ ２ ３ ４ －－－－－－－－－－－－－－－－－－－－－－－－－－ 合計 ３.６ ４.２ ３.２ ２.７ （商品Ａ：０.７×４＋０.１×２＋０.２×３＝３.６
包絡分析法(Data Envelopment Analysis：DEA法)に関する報告
包絡分析法(Data Envelopment Analysis：DEA法)に関する報告 渡邉 真也，廣安 知之，三木 光範 ISDL Report No. 20020202002 2002年 12月 19日 Abstract 本報告では，包絡分析法(Data Envelopment Analysis：DEA)の概要について報告する．DEAでは，多入力，多出力の多目的問題において評価対象を効率という側面から評価する．具体的には，各評価対象に対して最も都合良くウェイト付けを行った上で，それと同じ条件のもとに他の評価対象も評価して相対評価を行う．そのため，各評価対象は最大限にその特徴を考慮された上での評価が与えられる． 1 はじめに 本レポートは，包絡分析法(Data Envelopment Analysis：DEA)の概要について報告する．DEAは別名で効率性分析法とも言われ
リコメンデーションコンテスト2010 - 実践データマイニング研究部会
主催 日本オペレーションズ・リサーチ学会 実践的データマイニング研究部会 協賛 経営情報学会関西支部 株式会社 玉屋 ビジネスマイニング研究センター有限責任事業組合 趣旨 ファッションは実に多くの要素を持つデータとして分解することが可能であり、それに基づいて行われる人間の選択は大変興味深いものがあります。一般のPOSデータでは、単に商品名（あるブランドのスーツなど）と売上高はわかるものの、その商品がなぜ選択され、どうして人気があるのかといったことは、なかなかそれだけではわかりません。実際には、商品の色の状態、模様、形などを表現している画像データ、商品の特性、そしてそれを選択した人の個人属性や嗜好などは、商品選択に大きな影響を与えることが予想されます。このようにできるだけ多くのファッション選択にかかわる要素に特化したデータは調べた限り利用できるものはないため、本研究部会では、でき
Rakuten Institute of Technology | 楽天技術研究所
In order to surpass human intelligence, we must first observe and deeply understand the nuances of human behaviors and actions. As the R&D organization of the Rakuten Group, we research and develop technologies and algorithms to create new, valuable services. LEARN MORE In order to surpass human intelligence, we must first observe and deeply understand the nuances of human behaviors and actions. A
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
採用情報｜株式会社ブレインパッド｜新卒・中途採用2011
Data Journalism Awards
データマイニングCROSS 第２部－機械学習・大規模分散処理
IBM Developer
Home
Tutorial_ja - bayon - Google Code
「30年データ」からみた関西の独立系中堅企業の成長 | 帝国データバンク[TDB]