Keyboard Layout Analyzer - QWERTY vs Dvorak vs Colemak
2014.02.17: Added Colemak Estonian, Ina, TaserFR, "Arensito, Simplified, Objective-C", Burroughs Bower, and TNWMLC. 2014.02.01: Added Tallus, QWERTY (Danish), QWERTY (Danish - International), Antibracket, Programmer Dvorak with Ordered Numbers, Hackers Dvorak with Ordered Numbers, NasiraJ, Workman for Programmers, Si Wei, MTGAP Thumbshift, Kinesis Advantage Svorak-r, Kinesis Advantage Qwerty, QWER
Guy Lebanon's website
Guy Lebanon is an engineering director at Google where he works on machine learning and AI projects within the Platforms and Ecosystems organization. Previously, he was a director at Amazon and Netflix, and a tenured professor at the Georgia Institute of Technology. Guy published several books and over 70 refereed articles and received a PhD in machine learning from Carnegie Mellon University. He
データサイエンティストのためのHiveQL分析クエリテンプレート その６ - トレジャーデータ（Treasure Data）ブログ
*トレジャーデータはデータ収集、保存、分析のためのエンドツーエンドでサポートされたクラウドサービスです。 データサイエンティストのためのHiveQL分析クエリテンプレートシリーズ： その１, その２, その３, その４, その５, その６ E. リテンション分析 最後はリテンションに関するクエリテンプレートです。 パターン E-1：直帰率 ※ ここでは同日内に1回しかログインしなかったユーザーを「直帰」と見なします。 SELECT t2.d AS d, COUNT(1)/SUM(t2.cnt)*100 AS bounce_rate FROM ( SELECT TD_TIME_FORMAT(time, 'yyyy-MM-dd', 'JST') AS d, uid, COUNT(1) AS cnt FROM login GROUP BY TD_TIME_FORMAT(time, 'yyyy-M
SIOS ビッグデータ技術ブログ: GREE Tech Talk #03への参加報告
こんにちは、SSTDの高橋です。 昨日行われたGREE Tech Talk #03に参加しましたので、その内容の報告をさせて頂きます。 今回のGREE Tech Talkのテーマは、サービスづくりにおけるデータの活用でした。 ハッシュタグはこちら（#greetech03）。 下の写真は、GREEさんから頂いたジェンガです。 当日のプログラム 『開会の挨拶』藤本 真樹（グリー株式会社）『GREEプラットフォームにおけるビッグデータの活用』橋本 泰一（グリー株式会社 開発本部）『アドテクノロジー業界でのデータ活用』奥野 晃裕（株式会社スケールアウト）『データ駆動開発＠トレジャーデータ』小林 隆（トレジャーデータ株式会社）『GREEインフラでのデータ取得と使い方』田中 祥平（いわなちゃん）（グリー株式会社）『ビッグデータを楽しむためのシステム技術と大学での最先端な試み』合田 和生（東京大学 生産
How Python became the language of choice for data science
Tweet Nowadays Python is probably the programming language of choice (besides R) for data scientists for prototyping, visualization, and running data analyses on small and medium sized data sets. And rightly so, I think, given the large number of available tools (just look at the list at the top of this article). However, it wasn’t always like this. In fact, when I started working on my Ph.D. back
【女性ファッション誌分析】雑誌の読者層から切り取る消費者層 - 理想の顧客の明確化とオピニオンリーダーを理解する方法
Consumer clusters based on magazine readership - How to define ideal customer types and understand opinion leaders
ディスプレイ広告のクリック数改善のためのデザイン最適化に、ポアソン分布 / 負の二項分布によるGLMを使ってみる - 渋谷駅前で働くデータサイエンティストのブログ
これはディスプレイ広告に限った話ではないと思うんですが、あるPC / スマホ上の何かしらのクリエイティブに対するクリック数がそのデザインの良し悪しによって左右されるということは、web業界ではよく知られているかと思います。 そういう場合「どんなデザインがクリック数を増やすのに有効か？」というのは、厳密にはきちんと条件統制をかけて実験計画法に基づいてデザインしたA/Bテストなどで調べるべきなんでしょうが、そこまで綿密にやっている余裕のない現場も結構多いはず。 そこで、今回は既に計測済みの各広告のクリック数（CTRでしか得られていないようであれば実クリック数に直すものと想定する）データが得られているものと仮定して、それを各広告のデザイン要素を表すインデックス（二値orカテゴリカルデータ）のデータと組み合わせて、「どんなデザインをすればクリック数が増えるか？」を推定するというケースを想定してRで
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
Python とデータ分析コンテストの実践
EconStor: The value of personal information in the e-commerce market
http://www.vldb.org/pvldb/vol8/p2046-das.pdf
The mathematics of love | Hannah Fry | TEDxBinghamtonUniversity
How Much Should Your Startup Spend on Managing Churn? by @ttunguz
Lean Analytics: Using data to build a better startup faster - MaRS Global Leadership
日本の女性向けファッション誌の分析マップ - オピニオンリーダーやファッショニスタの本音を探る