ビズリーチ・レバレジーズ・GDO・メルカリ・マネーフォワードらの若きマーケターが集結「Tokyo Marketrs' Talk #2」 #マーケあるある 【厳選スライド50枚】@レバレジーズ - マーケター河原塚の放課後ノート
1枚のスライドがTwitterで、静かにいいね！されRTされています。 マネージャーの悲哀がほとばしる一枚。引き抜かれるマーケティングメンバー…。がんばれ、マネージャー。君の努力はきっと誰がが見ている（多分） #マーケあるある #TMT pic.twitter.com/PqbZWQDd4X — Toru Kawarazuka (@passionhack) 2017年10月4日 このスライドは、若きマーケターが集まるLT大会「Tokyo Marketrs' Talk #2」で発表されたものです。 いい感じに成長したと思ったら 責任者ポジションで引き抜かれていきがち スライドが表示された瞬間、爆笑するひと、深くうなづくひと、そっと涙をぬぐうひと、それぞれでした。 このすてきなイベントを、参加者中最高年齢（多分）のぼくが紹介します 悲哀に満ちたスライド。果たして、どんなLTだったのでしょうか。
ReactDOM
Understanding Azure Fundamentals Learning Azure fundamentals typically takes 2-4 weeks for someone with basic IT knowledge. This initial phase covers core concepts like: • Cloud… Read More »How long does it take to learn Azure? Understanding Java’s Learning Curve Java, as a versatile and widely-used programming language, presents a unique learning curve for aspiring developers. The time required t
西尾氏の「if文から機械学習への道」を今から5分で実践するには？ - Python学習チャンネル by PyQ
id:hirokiky です。 if文から機械学習への道、大変勉強になる発表でした。 If文から機械学習への道 from nishio 「機械学習って難しいんじゃないの」 「開発者でやってる自分には関係ないことでしょ」 という疑問や懸念に、 機械学習はif文から一歩一歩学べます 大切なのは顧客価値、ソフトウェア開発で培った技術も活かせるよ と教えてくれます。 ぜひ一読してみてください。 「機械学習ってこうだったんだ」とスッキリすること間違いなしです。 どうステップアップで学んでいけば良いのか この発表の内容は大変素晴らしいです。 さて、具体的にどうやってステップアップで機械学習を学習していけば良いのでしょう。 機械学習はif文から地続きなようですが、それを体験しながら学べたらもっと素晴らしい と思いませんか？ そこで、PyQをオススメします。 pyq.jp PyQでは「if文からの機械学習
Rails Tutorialをやっててハマったこと - 01_環境構築編 - Qiita
Qiitaに初投稿。会社都合で退職になったので、一度挫折したRuby on Rails Tutorialを今後の就活のためにやってみることにした。その時に躓いたりハマって苦しんだりしたことをメモとして残しておく。 エンジニア歴 プログラミングは少しだけ触った程度でSEになりたくて就活。普段はWindows使いなのでMacOSは殆ど触ったことなし(コマンドは全然知らない)。Web系の会社に就職した後、Ruby on RailsやSinatra使って社内ツールを作ってた。1年２ヶ月で退職。 Sublime編 インデントでかい。Rubyのコーディング規約にインデントを合わせたい。 Q: 他言語をいじることもあるから、Railsで触るファイルだけ設定したいのだが、どうすれば？ A: 今回は個別の設定ファイルを作成する。 新規作成で新しいファイルを開いた後に右下のPlain textをクリックしてR
データ分析を便利にするJupyter notebookとPandas | DevelopersIO
こんにちは、小澤です。 今回は、Jupyter notebookとPandasの導入的な話をしようと思います。 とは？の話 Jupyter notebookもPandasもすでに「とは？」を書く必要がないくらい有名どころかもしれませんが一応書いておきます。 とはいえ、今回はこんなものがあるよというご紹介程度の内容となるので、この「とは？」がメインコンテンツとなります。 どちらもpipからインストール可能ですが、Anacondaを利用すると、グラフ描画用のmatplotlibも別途インストールする必要がなくなるため、 今回はAnaconda3-4.2.0を利用しているものとします。 Jupyter notebookとは ブラウザ上で、REPLのようなインタラクティブにプログラムを実行するためのものです。 Jupyter notebookを立ち上げるとブラウザから画像のような環境にアクセスでき
割合の従属変数をベイズのベータ回帰と<br/>ベータ分布×双極関数のフィッティングで – MrUnadon – Bayesian Statistical Modelings with R and Rstan
Twitterでこの記事をシェアする author: Mr.Unadon (見習い飯炊き兵) 動作環境:Mac OS Sierra 10.12.1; R version３.３.2; rstan 2.10.1 はじめに ０から１の間にあるパーセントで表記される割合データに対する回帰系のモデルのお話です。 本稿では、従属変数に対してベータ分布を仮定したベータ回帰のベイズモデルと、 双極関数を平均とするベータ分布でデータを予測させるベータ分布×双極関数モデルをご紹介します。 従属変数は、「都道府県別の人口に占める高齢者福祉施設在所者数の割合」。 説明変数には、「都道府県別の可住地面積に占める人口の割合」、すなわち人口密度的なものを入れました。 都会って、他の人との物理的な距離は近いのに、心の距離は遠いと感じられますよね。 そういう直感から、何かが予測できるんじゃないかと思っての試みです。 パッケ
エクスペリエンスデザインとは？ UXとは何が違う？ 電通Creative Technologist 岡田氏に聞く | 事例
「エクスペリエンスデザイン」は、言葉通りにとらえると「（ユーザーの）体験をデザインする」ことですが、モヤモヤと抽象的でイメージが難しいものです。 「モノ」から「コト」の消費へと時代が移るなか、顧客体験を中心に置いてサービスやプロダクトを考えるエクスペリエンスデザインがウェブサイト、アプリ設計などでも注目されています。 なぜいま、企業はエクスペリエンスデザインに力を入れようとしているのか。エクスペリエンスデザインで課題を解決するための考え方について、電通エクスペリエンスデザイン部の岡田憲明氏に聞きました。 エクスペリエンスデザインというと、一般的にユーザーが直接触れたり、体験したりするフロントのエクスペリエンスを考えがちですが、それだけではありません。我々は図1のように、社内に対する「スタッフエクスペリエンス」と顧客に対する「フロントエクスペリエンス」に大きく分けて考えています。 たとえば、
【Google アナリティクス vs User Insight徹底比較】＋㊙︎裏ワザ大公開！
サイト改善のために必須となってきているweb解析ツール。Google アナリティクスとUser Insightを比較していきます！ Webマーケティングにおいて、サイト改善のために必須となってきているWeb解析ツール。その中でも、充実した機能とユーザーの拡大で何かと話題となっているのがGoogle アナリティクスとUser Insightの二大アクセス解析ツールです。 「複雑なWeb解析ツールの使い方はどうやるの？」「世の中にあまたある解析ツールの中で、結局どの解析ツールが使いやすいの？」という皆さんの疑問にお答えします。それぞれの解析ツールの機能を知っておくことで、用途によって解析ツールを使い分けられるというメリットがあります。 実際に使ってみて、各機能を確認しながら、Google アナリティクスとUser Insightを徹底比較していきます。 Google アナリティクスとUser
Ruby と tumugi によるデータパイプライン構築 - Qiita
データを扱う仕事をしていると、何らかの形でデータをある順序に沿って処理する Workflow = データパイプラインを構築する必要になる場面に出くわすことが多いと思います。 こうした処理に適用できるソフトウェアは既にいくつか存在するのですが、自分が仕事で使う上でマッチするものがなかったので、tumugi を Ruby のライブラリを作成し、 gem として公開しました。ロゴはこんな感じ。 Workflow Engine をつくろう！ シリーズ連載は、元々このライブラリの設計を整理するために書いていた記事でした。まだ、未完ですが興味のある方はそちらもお読みください。 注釈 この記事は tumugi が Python で書かれたワークフローエンジンである Luigi に強く影響されて書いたことから、対比として分かりやすいため Building Data Pilelines with Pytho
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
自分の時間を可視化して行動にメリハリを！「aTimeLogger 2」【仕事お役立ちアプリ】
Inouetakuya
ヤフー、16万曲の歌詞ビッグデータ分析で、国内500アーティストの類似性を可視化 