2. 自己紹介 1 / 362014/4/19 • Twitter ID: @horihorio • お仕事: 分析コンサルタント • 興味: 統計色々/DB/R/Finance/金融業/会計 • 過去の発表: ここ • 最近の出来事 • 金融業以外の分析にも進出 • 主に週末は子ども(そろそろ2歳)の相手中 • 4月から何故か転職した 状態空間モデルの考え方・使い方 3. 紹介しないこと 2 / 362014/4/19 状態空間モデルの考え方・使い方 1. Rの色々な操作 2. 線型回帰の説明 ⇒ 前提知識とします 3. 状態空間モデルの色々な理論 ! 別の本や資料を見て下さい ! 5. 状態空間モデルの完成イメージ 4 / 362014/4/19 状態空間モデルの考え方・使い方 同じく Web会員登録者数を予測 𝑦𝑡 = 𝐻𝑡 𝑥 𝑡 + 𝑤𝑡 (観測方程式) 𝑥
状態空間モデルとは何かを説明してください。 観測方程式と状態方程式の各変数の意味も 説明してください。 線型モデルであるランダムウォークモデルとの 関連も説明してください。 ランダムウォークモデルでの条件付き期待値は、 期待値であり確率変数であるも説明してください。
2014年7月7日開催 OpenID BizDay #7 「どう変わる? 個人情報保護法改正とビッグデータ/パーソナルデータ活用ビジネス」 高木浩光様ご講演資料 http://www.openid.or.jp/news/2014/06/bizday-7.htmlRead less
新聞とテレビのメディアデータには、広告メディアとしての共通性もある一方、それぞれの媒体特性から来るメディア指標の取り方の違いもある。媒体到達と広告認知の違い、テレビには、なぜアクチュアルデータ(実測値)が必要なのか。新聞にアクチュアルデータの必要性はあるのか。テレビのメディア指標との比較から、新聞のデータとは何かを探る。 新聞にデータがないと言われる理由はどこにあるのか。また、本来、メディアの責任として出すべきデータの範囲はどこまでなのか。長年、メディアの指標づくり、調査に携わってきたビデオリサーチの鈴木芳雄氏にテレビの視聴率との対比から聞いた。 新聞にはデータがない? ――新聞にはデータがないと言われていますが、実態とは違う気がします。 新聞のデータには、ベースに日本ABC協会の販売部数があって、各新聞社がそれぞれ公表している新聞閲読率、面別接触率、新聞広告注目
AWSソリューションアーキテクトの蒋(@uprush)です。 初期コストがなく、導入しやすいペタバイト級のデータウェアハウスAmazon Redshiftは、非常に多くの皆様に利用頂いています。そのなかでも特に多いのは、Redshiftに保存されているビッグデータをBIや可視化ツールを使った解析です。 データ解析ツールとしてRが有名です。Rは統計分析や可視化するためのオープンソースソフトウェアで、データマイニングや分析などの分野で広く使われています。 RはJDBCを利用してデータベースにアクセスすることができます。また、Redshiftは標準的なSQLが利用可能で、PostgresSQLのJDBC・ODBCドライバをそのまま使用することができるため、この2つを組み合わせるとRからRedshiftにもアクセスできます。 RedshiftとRを利用して、インタラクティブ、かつ高度なビッグデータ
消費者行動図鑑は、消費者の購買行動に特化した情報サイトです。市場のあらゆる一般消費財・耐久消費財・サービスなどのリアルな「買われ方・選ばれ方」のデータを集め、分析し、そこから得られる情報を提供しています。 現在、様々な市場調査や分析サービスがありますが「実際、消費者がどうやってモノを選び、買っているのか」は意外と知られていません。しかし、消費者行動を理解する事はあらゆるマーケティングの根底に通じます。自社製品や自社サービスの買われ方・選ばれ方を知り、消費者の購買プロセス上の問題に気付き、成功パターンと失敗パターンを学ぶと、本当に有効な打ち手が見えてきます。消費者行動図鑑は、企業のマーケターや広告代理店のプランナー、開発者、営業、Webディレクターなど、マーケティングに関わる全ての方の実務を、消費者行動の視点からサポート致します。 「消費者行動図鑑」は、飲料や日用雑貨といったFMCGや、スマ
2. 一応、自己紹介を… 尾崎 隆 (Takashi J. OZAKI, Ph.D.) “J”に深い意味はありません 学者だった頃に同業界にT. Ozakiさんがいたので と思ってJをつけたら、別業界にT. J. Ozakiさんが… 2014/5/13 2 4. 一応、自己紹介を… こういうキャリアをたどっております 1997~2001年 東京大学工学部計数工学科 (※情報工学系) 2001~2006年 東京大学大学院新領域創成科学研究科 修士&博士課程(脳科学) 2006~2011年 理化学研究所脳科学総合研究センター 研究員(脳科学) 2011~2012年 東京大学教養学部 特任研究員(心理学) 2012年4月 慶應義塾大学医学部 特任助教(産学連携) ※30代のうちにバイオ系分野のポスドク問題を乗り 切ることは 事実上不可能と判断して、キャリアチェ
なぜいまData Visualizationか?データビジュアリゼーションとはデータの「見える化」である。モバイルやウェアラブル端末コンピュータ等から様々な情報がインターネットを介して蓄積されている今日、この「ビッグデータ」に新たな価値を見いだそうという動きが世界中に広がっている。 ビッグデータのコンセプトは今年に入ってから急激に注目を集めはじめ、その価値に対する期待は高まるばかりだ。一方で、膨大なデータの中から有用な情報を抽出することは非常に困難であることも知られている。 「ビッグデータ」という語は今年新しくオックスフォード英語辞典に追加されたが、そこでは big data [n]: data sets that are too large and complex to manipulate or interrogate with standard methods or tools(従来
2014/4/26 "第35回 データマイニング+WEB @東京 ( #TokyoWebmining 35th) −サーベイ・オープンデータ活用祭り−"を開催しました。 第35回 データマイニング+WEB@東京 ( #TokyoWebmining 35th) − サーベイ・オープンデータ活用祭り−: Eventbrite 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講師メンバーに感謝します。会場参加、USTREAM参加ともに多くの方々の参加を嬉しく思っています。 参加者ID・バックグラウンド一覧 参加者Twitter List: Twitter List TokyoWebmining 35th 参加者セキココ:第35回 データマイニング+WEB @東京 セキココ (作成してくれた [Twitter:@
テラバイトデータや構造化知識研究に関する過去の記事です。 1990年6月 コンピューターの中央処理装置4台を並列的につなぎ、人間のように推理したり連想したりするコンピューターの模擬実験に、九州大学の研究グループが成功した。1991年度にも20台に増結する計画で、最終的には1万台をつなぎ、人間の思考そっくりの柔軟性に富んだコンピューターシステムを目指す。キャリアウーマン並みの有能秘書や、建物の形状を判断できる掃除ロボットの開発にもつながると期待されており「人工知能」開発競争に一石を投じそうだ。 九州大学で実験に成功 模擬実験を行ったのは、九大総合理工学研究科の雨宮真人教授(情報システム専攻)のグループ。雨宮教授らは、記憶した知識で推論や連想を行う人間の思考回路網に着目。「食物-果物-黄色-酸っぱい-レモン」など属性や因果関係でつながる情報を与えて連想ネットワークを構成。このネットワーク網をコ
2014/1/25 "第32回 データマイニング+WEB @東京 ( #TokyoWebmining 32nd) −マーケティング最適化・最前線 祭り−"を開催しました。 第32回 データマイニング+WEB@東京 ( #TokyoWebmining 32nd) −マーケティング最適化・最前線 祭り−: Eventbrite 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講師メンバーに感謝します。会場参加、USTREAM参加ともに多くの方々の参加を嬉しく思っています。 参加者ID・バックグラウンド一覧: 参加者Twitter List: Twitter List TokyoWebmining 32nd 参加者セキココ:第32回 データマイニング+WEB @東京 セキココ (作成してくれた [T
2024年9月30日 プレスリリース ブランディング施策の投資対効果検証に特化した初のMMMサービス 「Brand Dynamics Modeling」の提供を開始~購買サイクルの長い商材やBtoB商材の分析も可能に~ 2024年9月26日 プレスリリース 役員人事 に関するお知らせ (214 KB) 2024年8月28日 プレスリリース 「家族どうしの安否確認」の1位は宮城県、「非常用持ち出し袋」の1位は静岡県、 都道府県で災害への備えに差異~マクロミル、全国20万人「都道府県別」防災調査ランキング~ 2024年8月22日 プレスリリース マクロミル、セルフ型のオンラインインタビュープラットフォーム「Interview Zero」の提供を開始 ~国内最大規模の130万人の自社パネルに最短即日で調査が可能〜 2024年8月15日 プレスリリース 「JPX 日経中小型株指数」構成銘柄の選定に
リサーチに関するコラムは今回で2回目となりますが、前回は「ここだけは押さえたい。ネットリサーチのつぼ」と題し、市場概況をリサーチする上で最低限意識しなくてはならない4つのポイントを説明しました。 今回のコラムでは、その半歩先を行くための細かい戦術のようなものを紹介したいと思います。リサーチは良くも悪くも、調査の内容次第でその結果が大きく変わってきてしまいます。たった半歩先かと思われるかもしれませんが、この半歩が非常に大事なのです。 1.体験する 製品やサービス、またウェブサイトのデザインや使い勝手などを、自社と競合で比較する際に気をつけなくてはならないポイントです。 自社製品やウェブサイトを知らない、もしくは使っていない方はあまりいないと思いますが、忘れがちなのは競合製品についても利用してみる事です。使ってみる事で競合と自社との違いが見えてくることがあります。そうすると、新たに仮説や検証を
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
処理を実行中です
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