2020年2月2日のブックマーク (23件)

  • 一人でも十分に堪能できる「広島」グルメ旅。牡蠣や地酒を味わう2泊3日

    投稿者 : トラベル ライター、投稿日 2020 年 1月29日 一人でも十分に堪能できる「広島」グルメ旅。牡蠣や地酒を味わう2泊3日 2歳の子どもを育てながら夫婦共働きを実践中の、小沢あやです。2019年夏には、和歌山・南紀白浜の親子旅の様子をお届けしました。 今回は仕事で出張することになったので、せっかくならと延泊して、一人でしっぽりお酒を楽しむことにしました。目的地は、広島県! 原爆ドームや広島平和記念資料館が有名ですが、他にも大人旅にぴったりのスポットがたくさんあるんです。 アラサーの胃袋を加味しながら、広島市内や、日酒の酒造が集まる西条、厳島神社で有名な宮島をメインに、美味しいお店を巡る行程を組みました。旅を楽しむためのちょっとしたコツも含めて、めいっぱいレポートします。 新幹線の座席は「各車両の最前列」をキープするのが鍵! 広島駅までは、東京駅から新幹線で片道約3時間50分ほ

  • 「分析やってます」の大半は処理なんです 本質なきデータ分析がはびこるワケ

    「分析やってます」の大半は処理なんです 質なきデータ分析がはびこるワケ:これからのAIの話をしよう(データ整備人編)(1/3 ページ) データサイエンティストやデータアナリストなどに比べ、あまり目立たない「データ整備人」という仕事フリーランスとして20年以上データ分析に携わってきたしんゆうさんは、データの抽出・集計を行うデータ整備の重要性をブログなどで発信しています。 しんゆうさんへのインタビューの前編では、「データ分析においてデータ整備人が重要な理由」「なぜ多くの組織でデータ整備が後回しにされるのか」「日企業がデータ活用できないワケ」などを聞きました。 後編となる記事では、日データ分析の実態や、データ分析質にも切り込んでいます。 しんゆうさんのプロフィール データアナリストを名乗っているけど、データアーキテクト(データ整備人)+アナリティクスディレクターもやる何でも屋。む

    「分析やってます」の大半は処理なんです 本質なきデータ分析がはびこるワケ
  • 報道発表資料 : 株式会社リクルートと業務提携契約を締結 | お知らせ | NTTドコモ

    お客様の設定により、お客様情報が「非表示」となっております。お客様情報を表示するにはdアカウントでログインしてください。 お客様情報表示についてへ お客様情報表示についてへ Tweet 株式会社リクルートと業務提携契約を締結 -「dポイント」を中心にさまざまな分野での協業を推進- <2020年1月30日> 株式会社NTTドコモ(以下、ドコモ)は、このたび株式会社リクルート(以下、リクルート)と業務提携契約を締結いたしました。提携に基づき、ドコモが提供する共通ポイント「dポイント」を中心に、リクルートが提供するさまざまなサービスをご利用のお客さまと、ドコモのdポイントクラブ会員の皆さまの利便性とサービスの向上をめざし、エコシステムの拡大に取り組んでまいります。 また、同時にリクルートと中小個店向けの業務・経営支援サービスの展開についての基合意書を締結し、株式会社リクルートライフスタイル(

    報道発表資料 : 株式会社リクルートと業務提携契約を締結 | お知らせ | NTTドコモ
  • NTT Comが、敷島製パンの店舗において利用者の匿名行動履歴を活用するデジタルマーケティングの実証実験を開始

    事業共創プログラム OPEN HUB for Smart World 未来をひらく「コンセプトと社会実装」の実験場 OPEN HUB for Smart Worldは、社会課題を解決し、わたしたちが豊かで幸せになる未来を実現するための新たなコンセプトを創り、社会実装を目指す事業共創の場です

    NTT Comが、敷島製パンの店舗において利用者の匿名行動履歴を活用するデジタルマーケティングの実証実験を開始
  • tidymodels+DALEXによる解釈可能な機械学習 / Tokyo.R83

    2020年1月25日に行われた第83回Tokyo.Rでの発表資料です https://tokyor.connpass.com/event/161709/ 資料で使われたコードは以下になります https://github.com/dropout009/tokyoR83

    tidymodels+DALEXによる解釈可能な機械学習 / Tokyo.R83
  • 4428 シノプス 世界を視野に、“ありそう” で “なかった”需要予測自動発注システムを提供 by Ono | みんなの運用会議

    4428 シノプス 世界を視野に、“ありそう” で “なかった”需要予測自動発注システムを提供 by Ono ビジョン:“世界中の無駄を10%削減する。” スローガン:“ユニークな製品で世界ナンバーワン且つオンリーワンになる” 株式会社シノプス 上場時商号(会社名) 株式会社リンク 2019年4月1日 “株式会社シノプス”に商号変更 同社が提供する製品・サービス名であるsinops(シノプス)と同一にすることでブランドの知名度向上に加え、 sinopsを中心とした事業展開に集中する姿勢を表すため sinops(シノプス)の由来は sinops=Strategic Inventory Optimum Solution(戦略的在庫最適化ソリューション) から。 <事業内容> 自動発注・在庫最適化サービス「sinops」の開発・販売 sinopsシリーズとして 流通三層である「製」 「配」 「販

    4428 シノプス 世界を視野に、“ありそう” で “なかった”需要予測自動発注システムを提供 by Ono | みんなの運用会議
  • Googleが機械学習用のデータセットをインターネット上から検索可能な「Dataset Search」を正式公開

    機械学習でアルゴリズムを構築する上で重要なのが「データセット」です。アルゴリズムの精度を上げるためにはより多くのデータと時間が求められますが、十分に大規模なデータセットを集めたり探したりするのは機械学習を行う上で特に苦労するポイント。そんなデータセットをオンライン上から検索できる「Dataset Search」の正式版をGoogleが公開しました。 Dataset Search https://datasetsearch.research.google.com/ Discovering millions of datasets on the web https://blog.google/products/search/discovering-millions-datasets-web/ Dataset Searchにアクセスするとこんな感じ。 データセットを検索するには、入力欄に検索した

    Googleが機械学習用のデータセットをインターネット上から検索可能な「Dataset Search」を正式公開
  • https://www.dei.or.jp/aboutdei/staff_pdf/misaka01.pdf

    masadream
    masadream 2020/02/02
    消費者の店舗選択行動における研究課題
  • 調査手法 | 立地選定の為の市場調査 「集客数を予想して立地を決める」 -市場調査クリニック

    マーケティングリサーチによる立地選定は、「ターゲットと店舗コンセプト設定」→「店舗と商圏の成功要因抽出」→「商圏・競合分析」→「集客数予測」→「立地評価・選定」というステップで行います。同品目、同地域内、同店舗形態でどの立地がベストか?という立地選定を行うだけであればハフモデルで十分ですが、集客予測まで行う時はハフモデルでは不十分で、MCIモデルという方法を使う必要があります。 様々な業界において立地選定は、新規出店が失敗する1番の原因となる為、候補立地の集客力や地域消費者の生活動線、競合店舗を十分に調査・分析した上で行われます。しかし店舗の業績に影響する要因は非常に数多く存在し、想定され得る競合も無数に存在します。候補地をそれら全ての選定要因から分析しようとすると膨大な時間とコストがかかりますので、競合と選定要因を絞り込む事が必要です。最優先の選定基準は、「予想集客数」になるでしょう。

  • 売上予測・需要分析|Business Analyst | ESRIジャパン

    需要分析や売上予測を行うために必要なハフモデルなどの、高度な分析機能が標準で搭載されています。競合度合いなどを分析し、店舗の統廃合計画や地域戦略の策定に活用できます。 適地選定シミュレーション 複数の候補地の中から、既存店・競合店や周辺の世帯数などの需要情報をもとに、もっとも顧客が獲得できそうな地点を導き出します。既存店に対して分析を行えば、統廃合計画の一助となり、新規出店時に活用することで、能動的な出店戦略を可能とします。 ハフモデル/アドバンス ハフ モデル 「近くて魅力度の高い店舗ほど顧客を吸引できる」という仮定のもと、競合店や需要地点の位置関係を加味した、店舗の需要予測を行います。さらに、複数項目で魅力度を定義し、道路距離を用いて分析する「アドバンス ハフ モデル」も標準搭載されています。 重回帰分析 店舗情報や商圏情報などの多くの要素の中から、需要をもっともよく表す要素の組み合わ

  • 「ハフモデル」による商圏分析で集客できる店舗を目指す! 考え方や分析方法を徹底解説 | 国際航業株式会社

    商圏分析に取り組む際、「ハフモデル」という言葉を見聞きすることがあるのではないでしょうか。ここでは、そんなハフモデルの基礎知識や分析方法などを詳しく解説します。 ハフモデルとは、1960年代に米国のカリフォルニア大学のDavid Huff博士が考案した商圏分析のモデル。消費者がある商業施設に出かける確率を、その店舗の面積と居住地からの距離を使って割り出すもので、以下のような考え方に基づいた分析方法です。 *店舗の面積が周囲の他の店舗に比べて広ければ広いほど確率は高くなる *店舗への距離が周囲の他の店舗に比べて遠ければ遠いほど確率は低くなる 新しく店舗を出店する場合、より集客率の高い店舗にするために、このハフモデルによる商圏分析が行われます。 ハフモデル分析では、分析したい店舗と、周囲にある他の店舗との相関性で、その店舗の「吸引率」を割り出します。仮に、分析したい店舗を「店舗A」とし、周囲の

  • ハフモデル|技研商事インターナショナル

    ハフモデル ハフモデルとは、1960年代に、米国の経済学者David Huff博士が考案したモデルで、ある店舗に消費者が買い物に出かける確率を、他の店舗との競合状況を考慮しながら予測するものです。消費者は、近くにある大きな店舗へ行くという一般的な傾向を前提にしており、ある店舗を選択する確率を、店舗の売場面積に比例し、そこまでの距離に反比例するとしています。店舗面積が広ければ広いほど消費者がその店舗を選択する確率が高くなり、距離が遠くなるほどその確率は低下するというモデル式です。 消費の多様化、新業態の店舗が増えている中で、商圏分析を行う際には、従来の売場面積と距離だけではなく、複数の要素を加味して、店舗や地域の魅力値を総合的に算出する必要があります。魅力値に影響する要素は、駐車場面積、営業時間、商品の価格、複合設備の有無、場所の利便性、交通ネットワーク、地域のブランド力、店舗のブランド力な

  • 混雑状況の見える化」に関する実証実験を銀座線で開始! / 2020年1月23日 2020年ニュースリリース|東京メトロ

    2020年1月23日 東京地下鉄株式会社(社:東京都台東区、代表取締役社長:山村 明義、以下「東京メトロ」)では、混雑状況の見える化を進めており、その取組みの1つとして銀座線渋谷駅構内の混雑度を銀座線車両内ディスプレイ(以下「トレインビジョン®」)に表示する実証実験を、2020年1月23日(木)から開始します。 東京メトロでは、お客様に事前に混雑状況をお知らせすることで、より快適に鉄道をご利用いただけるよう、列車ごとの混雑度情報を東京メトロホームページ等でご提供するなど、混雑状況の見える化に取り組んでいます。 この度、更なる混雑状況の見える化に向け、混雑度を解析する技術の有用性や最適な情報配信手段等を把握するため、銀座線渋谷駅の駅構内混雑度を銀座線のトレインビジョン®に表示する実証実験を行います。 渋谷駅構内のセキュリティカメラ映像から混雑度を自動解析し、3段階(「空いている」「混雑して

  • How to encode categorical features for GBDT

    エンジニアゼロの組織から内製開発の DX をどう実現したのか / How did we achieve DX in in-house development in an organization with zero engineers?

    How to encode categorical features for GBDT
  • Imputation Strategy @ Kaggle Days Tokyo (Maxwell)

    This presentation is for Kaggle Days Tokyo organized by Kaggle and Google Cloud at Roppongi Hills Tokyo on Dec 11th.

    Imputation Strategy @ Kaggle Days Tokyo (Maxwell)
  • 君はPornhubを知っているか - ゆーすけべー日記

    Pornhubをご存知だろうか。 答えは当然Yesだろう。 ところがその当の実態について我々は理解しているだろうか。 WikipediaのPornhubページには興味深い事柄が書いてある。 YouTubeに次ぐ世界第2位の動画共有サイト 360度動画を提供しており、PlayStation VRで視聴できる 上下運動で発電できるリストバンドを発明した 宇宙空間でポルノを撮影すると発表した VPNHubというVPNサービスを開始した これらのいくつかを恥ずかしながら私は知らなかった。 この恥ずかしさがモチベーションとなり、私はPornhubのポルノ以外のことを調べた。 出てくるものはアダルトコンテンツばかりだったが、 以下の3つのページに出会うことができた。 Pornhub Insights :: Digging deep into the data Interview with a Por

    君はPornhubを知っているか - ゆーすけべー日記
  • Macで離席時にスクリーンロックするスマートな方法|NEWS|株式会社INDETAIL(インディテール)

    アイテック北海道では、最近、開発マシンとしてMacを導入する機会が増えてきました。 Android/iOS向けにネイティブアプリを開発するにしても、UnityやCocos2d-xを使うにしても、 やはり両OS向けのバイナリを作成できるMacのほうが何かと便利です。Unix向けの色々なツールも使えますし。何より使っていてカッコイイですよね! さて、Windowsをずっと使っていた人がMacに乗り換える際、Windowsでできた◯◯◯は、 Macではどうやるの?というような質問を受ける事がよくありますが、今日はそんな質問の1つ、 「離席時にスクリーンロックするのは、どうするの?」 についてのTipsをご紹介します。Windowsでいうところの「Windowsキー + L」でやってた、アレです。 1.  ずばり、ショートカットキーを使う そのものずばりです。Macで割り当てられているショートカッ

    Macで離席時にスクリーンロックするスマートな方法|NEWS|株式会社INDETAIL(インディテール)
  • feedgeneratorを使って PythonでRSSを出力する - ブログ - ワルブリックス株式会社

    このブログの RSSフィードを出力するコードを feedgeneratorで書いたのでその時のこと PythonRSSを出力するためのモジュールはいくつかあるが、比較検討した結果 Django由来と言われる feedgenerator を採用してみることにする。 フィードの構築 entriesは出力したいエントリのリスト。 title = "My Blog" link = "http://www.example.com/blog/" feed_url = "http://www.example.com/blog/index.xml" description = "私のブログです" # フィードを生成 feed = feedgenerator.Rss201rev2Feed(title=title,link=link,feed_url=feed_url,description=descri

    feedgeneratorを使って PythonでRSSを出力する - ブログ - ワルブリックス株式会社
  • 無料で使えるAWSの初期トレーニングまとめ | NHN テコラス Tech Blog | AWS、機械学習、IoTなどの技術ブログ

    こんにちは。sunnyと申します。運用企画チームというところで、サーバ監視運用部隊の運用をやっています。趣味はジョギングでマラソン大会にも出場しますが、一向にスリムになる気配がありません。知ってる方はつまらないけど、知らない方にとって「へー」となりそうな緩めの記事を書きます。よろしくお願いします。 AWSを学ぶ 今日は、AWS初学者にオススメの学習ノウハウのお話です。 何かをきちんと学ぶにはやドキュメントなどを読むという方法が一般的かと思いますが、私はどうも文字が苦手なので(もちろん必要な時は読みますが)、実際に手を動かしたり動画で学べるものが無いかと探しました。それで効果的だと思ったものをまとめましたので、書いていきたいと思います。ちなみに幸いなことに「AWSを勉強したい」と会社に言ったら、AWSのアカウントが貰えました。ありがとうございますありがとうございます。 注意 : AWSは日

    無料で使えるAWSの初期トレーニングまとめ | NHN テコラス Tech Blog | AWS、機械学習、IoTなどの技術ブログ
  • BigQuery vs. Redshift どっち? | uxmeetsdata.com

    セルフサービスなDWH。 データウェアハウス(Data Warehouse:DWH)は、直訳すれば「データの倉庫」で、データベース(DatabaseDB)の一種ですが、過去すべての時系列データを要約せずにそのまま保持し続ける、文字通り倉庫のような役割から、区別してそう呼ばれています。 また、DWHはデータを活用した意思決定に利用されることから、ビジネスインテリジェンス(Business Intelligence:BI)のひとつに位置付けられます。BIは経営・会計・情報処理などの用語で、企業などの組織のデータを収集・分析・可視化することで、ビジネスの意思決定に役立てる手法や技術のことを言います。 DWHを利用するのは商品開発やマーケティングなどの部門ですが、基幹データを扱うことから、管理するのは情報システム部門であることがほとんどです。管理部門がDWHのデータ設計と実装を行い、分析可能な状

    BigQuery vs. Redshift どっち? | uxmeetsdata.com
  • AIDB

    AI論文データベース

    AIDB
  • AWSアカウントを作成したら最初にやるべきこと -セキュリティ編- - Qiita

    JAWS-UG 初心者支部 #22 ハンズオン用の資料です。 目的 AWSアカウントを不正利用されないために、アカウントを作成したらまずやるべきセキュリティ周りの設定を行います。 前提 AWSアカウントを作成済みであること AWSアカウントにログインしていること リージョンは東京リージョンを利用します ハンズオン手順 アカウント周りの設定 ルートアクセスキーの削除 ※ルートアカウントのアクセスキーは、デフォルトでは作成されておりません。アクセスキーを作成済みの方を対象とします。 ルートアカウントは全てのサービスへのアクセスが出来てしまうため、ルートアカウントは使用せず、IAMユーザーを使用しましょう。 CLI等のプログラムアクセスも不要なため、アクセスキーを削除します。 https://console.aws.amazon.com/iam/home#/security_credential

    AWSアカウントを作成したら最初にやるべきこと -セキュリティ編- - Qiita
    masadream
    masadream 2020/02/02
    ][*business]
  • スクレイピング結果をRSS形式にしておく - Qiita

    スクレイピングにも色々あって、クローラにガーッとデータを一気に抜いてきてもらう場合もあれば、IR情報など、更新をウォッチしたいサイトに定期的にクロールするという場合もあると思います。 今回は後者のときのための話です TL;DR 日毎のスクレイピングという場合、更新情報の管理が必要になって面倒 スクレイピング結果をRSS形式にしておくようにしたら、その辺の手間がなくなって嬉しかった 更新情報をとってくる 例えばニュースサイトで新しい記事が出てきたらその内容を取得したい。 という場合、以下の手順が必要になります ニュースサイトの一覧画面からスクレイピングして記事のリストをとってくる 記事が未知のURLか、既知のURLか判定 未知のURLだったら処理する これはこれでやれば良いのですが、 記事が未知のURLか既知のURLか判定 という手順が意外と面倒臭かったりします。なぜならこの判断をするには、

    スクレイピング結果をRSS形式にしておく - Qiita