金融化した広告とその未来｜スドケン@ハック思考【勝手に未来想像シンクタンク】
今月の頭にAdvertising week ASIAというイベントが開かれました。 様々なキートピックスが話されている中で、IoT、メッセージング、ドローン、Fintechなどが広告のイベントの中でキーワードとして出てきました。 一見すると全て異なるパラダイムに見えますが、個人的にこれら一連のキーワードは全て繋がっていくものだと考えています。 今回は金融化される広告と新しい資源となるデータのお話しを書いておきたいと思います。 今回の内容・AtomとBitに2分され始めた世界 ・世界がデジタル化すると何が起きるのか？ ・デジタル世界での広告の進化 ・未来を提示する広告テクノロジー注目の2社 ・デジタル世界で起きる進化は、〇〇化→〇〇化→〇〇化 ・Iot、ドローン、Fintechと広告のBig picture 対象読者今回の内容は、下記のような読者で、かつまあスドケンの話だったら聞いてみてもい
LINQでBigQuery： データスキャン量を抑えたクエリの実行方法
膨大なデータへのクエリで、スキャン量を減らしてクエリの課金額を抑えるには？ テーブルワイルドカード関数とテーブルデコレーターを説明する。 ← 前回 連載 INDEX 次回 → BigQuery特有のクエリ構文 前回の記事では、LINQ to BigQueryを使ったクエリの実行について説明した。今回は前回説明しきれなかった、テーブルワイルドカード関数およびテーブルデコレーターについて説明したい。 データスキャン量を抑えるための機能 テーブルワイルドカード関数やテーブルデコレーターといった機能はBigQuery独特の機能であるが、この機能が活用される背景には、BigQueryのテーブルはレコードの追記のみが可能で、更新や削除ができないことがある。 日々レコードが追加されていくテーブルを、同じテーブルのまま利用していくと仮定しよう。まずレコード数が増えるため、同じクエリであってもデータスキャン
第54回 データマイニング+WEB ＠東京( #TokyoWebmining 54th )ー深層学習・機械学習 祭りーを開催しました - hamadakoichi blog
2016/6/25 "第54回 データマイニング+WEB ＠東京( #TokyoWebmining 54th ) ー深層学習・機械学習 祭りー" を開催しました。 第54回 データマイニング+WEB ＠東京( #TokyoWebmining 54th ) ー深層学習・機械学習 祭りーEventbrite Google グループ 会場提供して下さったFreakOut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。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 参加者セキココ：第54回 データマイニング+WEB ＠東京 セキココ (作成してくれた [Twitter:@komiya_atsushi] さんに感謝） 以下、全講師資料、関連資料、ツイートまとめです。 AGENDA： ■Opening Talk： O1.「データマイニ
人間の行動を促すコツは「名詞化」にあり：研究結果 | ライフハッカー・ジャパン
Inc.：人間の認知バイアスを列挙したリストを見ると、その長さに驚きます。「利用可能性ヒューリスティック」から、「ツァイガルニク効果」まで、このリストに並んだものをざっと見ただけで、「私たち人間には論理的な決断は下せない」とか「合理的な計画など立てられるはずがない」と絶望してしまうでしょう。 でも、案ずることはありません。私たちの脳は得体の知れないマシンかもしれませんが、その特性を知ることで、こうしたバイアスの多くを、良いほうにも悪いほうにも利用できるのです。もしかしたら、公共政策の領域でバイアスを活用した有名な事例を読んだことがある方もいらっしゃるのではないでしょうか。たとえば、臓器提供に関してオプトイン型ではなくオプトアウト型を採用した例があります（臓器提供をはっきり拒否した場合のみ摘出を断念するのが「オプトアウト型」、提供をはっきりと認めた場合のみ摘出するのが「オプトイン型」。日本は
倒立振子でDQNにおけるモデルの複雑さと学習内容の関係をちらっと確かめてみた系の話 - めもめも
何の話かというと qiita.com 上記の記事では、「倒立振子」を題材にした、DQN（Deep Q Network）による強化学習の解説があり、非常によくまとまっています。 一方、この記事の中では、全結合層を4層に重ねたネットワークを利用しているのですが、倒立振子の問題に限定すれば、もっとシンプルなネットワークでも対応できる気がしなくもありません。 というわけで、「0層（パーセプトロン）」「1層」「2層」のネットワークでどこまで学習できるのか、モデルの複雑さと学習内容の関係を確認してみたよー、というのがこのブログのネタになります。 DQNとは？ まずは簡単にDQNを解説しておきます。 ビデオゲームの自動プレイで有名になりましたが、「与えられた環境において、最善の行動を選択する」という処理を実現することが目標です。ここで言う「行動」は、ビデオゲームの操作のように、「どのボタンを押すのか」と
倒立振子で学ぶ DQN (Deep Q Network) - Qiita
強化学習の一手法であるQ-learning とディープニューラルネットを組み合わせた Deep Q Network、通称DQNを使って倒立振子の振り上げ問題を解決してみます。 問題設定 「倒立振子の振り上げ問題」というのは、今回はこういう問題設定です。 まず空中に静止したモータがあって、モータ軸に棒の一端がつながっています。棒は中心に質量が集中していて剛性$\infty$で太さ0の、よくある棒です。初期状態では棒は重力にしたがって下向きにぶら下がっています。この状態から振り子を振り上げて倒立状態で静止させてください、という問題です。古きよき制御工学では、振り上げ用と静止用に別設計されたコントローラを2つ用意して切り替えるなど、非線形要素を含むコントローラを用いて対処することになります。いや、やったことないですけど、そうらしいです。 今回は、モータは右か左に一定トルクの回転しかできない、とし
自然言語処理用語と解析器まとめ - Qiita
この記事では自然言語処理の入門者の方に向けに、自然言語処理の重要ワードと日本語用の主要な解析器をまとめました。 基本用語 自然言語（しぜんげんご、英: natural language）とは、人間によって日常の意思疎通のために用いられる、文化的背景を持って自然に発展してきた記号体系である。大別すると音声による話し言葉と文字や記号として書かれる書き言葉がある。 自然言語 - Wikipedia 我々が日常生活で使っている言語(話し言葉と書き言葉)のこと。自然言語以外の言語としては、例えばプログラミング言語や数式などが該当する。 自然言語処理（しぜんげんごしょり、英語: natural language processing、略称：NLP）は、人間が日常的に使っている自然言語をコンピュータに処理させる一連の技術であり、人工知能と言語学の一分野である。 自然言語処理 - Wikipedia 自然
消しゴムの抑止力
消しゴムの抑止力 中学の時に、消しゴムの使用を禁止している数学の先生がいました。理由としては、 消しゴムで消さなくてもノートの余白は潤沢にある実際ノートを最後まで使い切る事はほぼ無い。間違えたり失敗したとしても、別に消す必要は無い。学習中は間違えるのが普通だし、間違えた記録が残っている方が情報量が多い。あとで見返すことも出来る。だから消しゴムで消すメリットはほとんど無いという感じの事だったと記憶しています。消しゴムを使うことをあまりにしつこく制止するので、当時は「変な先生だなあ」としか思わなかったけど、今となってはなんとなく、なぜ先生が消しゴムの使用を明示的に禁止していたのかわかる気がします。 僕の小学生の息子も宿題で間違った箇所を消しゴムで消すのですが、かなり面倒くさそうにしています。そもそも消しゴムってたいして消えないし、消しクズが出るし、紙もクシャクシャになるし、いいことが全然ないの
人工知能アプリケーションの開発を簡単にはじめる8つの方法 - 648 blog
従来は人工知能の開発というと、高度なスキルがないと手が届かないイメージがあった。 しかし現在では、多少のプログラミングの知識があれば、人工知能を使ったアプリケーションやシステムを開発できるようになった。 そこで今回は、手軽にはじめられる人工知能を使ったアプリケーションの開発方法をまとめてみた。 「言語処理AI」「音声処理AI」「画像処理AI」など様々な種類の技術を、入門者向けに広くピックアップした。興味のある分野について、それぞれ掘り下げてみることをおすすめする。 ※2016.07.23「Amazon ML」を追記 目次 目次 関連記事 開発方法1．ユーザーローカル社の「全自動会話API」 タイプ 難易度 特徴 開発方法2．Locl Interactive Incの「Meya」 タイプ 難易度 特徴 開発方法3．ユーザーローカル社の「形態素解析API」 タイプ 難易度 特徴 開発方法4．P
RDS(MySQL) のスロークエリを EFK スタック + Docker で出来るだけ手軽に可視化する考察 - ようへいの日々精進XP
モチベーション RDS の勉強をしたい→スロークエリの設定を見てみよう RDS のスロークエリをお手軽に可視化出来ないものか Elasticsearch + Fluentd + Kibana(EFK スタック) を改めて勉強したい 実サービスへの影響を極力抑えたい 可視化する手間は極力省く ということで、Elasticsearch + fluentd + Kibana + docker-compose を利用することで、ほぼコマンド一発で可視化する環境は起動する環境を作ってみた。 github.com 参考 https://docs.aws.amazon.com/ja_jp/AmazonRDS/latest/UserGuide/USER_LogAccess.Concepts.MySQL.html https://github.com/kenjiskywalker/fluent-plugin
スタートアップがもし「営業」するなら大企業しかターゲットにしてはいけない - ベンチャー役員三界に家なし
さて、今日も今日とて出張中である。 朝食を食べようとホテルのレストランに行ったがまだ閉まってるので帰って来た。起きるのが早すぎるようだ。 少し空き時間できたのでブログでも書くとしよう。 さて、営業について教えてほしいという相談が定期的にやってくる。 僕はエンジニア出身なので系統だてて営業を教えられたことなどないので、それこそ元リクルートのトップセールスマンみたいな人は山程いるからそういう人に聞いてくれとあまり上段から物申さないようにはしている。 僕が営業部門を率いていたのは数年前までだし、会社の立上げ初期の段階というのは10年前だから結構ビジネス環境は変化しているかもしれないが備忘録程度にネット関連のスタートアップや中小企業の営業について思ったことを書いておこう。 １．ターゲット設定を中小企業にする？ スタートアップの社長さんから中小企業に5万〜10万円の課金型のサービスをばら撒くアイデア
新R25 - シゴトも人生も、もっと楽しもう。
新R25は、いま注目のビジネスパーソンが集結する「ビジネスバラエティメディア」です。「シゴトも人生も、もっと楽しもう」をコンセプトに、R25世代のみなさんが一歩踏み出すあと押しをするコンテンツをお届けします。
10年のツケを支払ったフロント界隈におけるJavaScript開発環境（2016年4月現在）。 - 日々、とんは語る。
2015年はCSSが普及した以来となる10年に1度のフロントエンド大変革期で、それまでのツケが一気に回ってきたと個人的に感じていました。目まぐるしく状況が変化していきましたが、2016年になり、個人的にだいぶ落ち着いてきたと感じているので、ここらへんでまとめておきたい思います。 最初に結論を書いておくと、 『React + Redux + react-router + material-ui + axios + ES2015 + Babel + webpack + ESLint + Airbnb JavaScript Style Guide』 という組み合わせが、いま僕の採用しているJavaScriptの環境です。 主要ライブラリは React A JavaScript library for building user interfaces | React 去年、一気に普及したReact
詳細解説！英語発音ネイティブレベルまでの全ステップと上達のコツをまとめてみた - F Lab.
Icon made by Freepik from www.flaticon.com 英語初級者からネイティブレベルに至るまでの発音ロードマップを作ってみた。 たとえば、「リエゾン」はLEVEL 2～LEVEL6で習得するスキルだよってこと。LEVELの数字には深い意味はない。 マークは、そのスキルができるようになり始めた段階を表す。「なんか、できた気がする？けど、めっちゃ変な筋肉使ってる…！？」という段階。 マークは、そのスキルが完全に自分のものになっていて、ネイティブに近いレベルで何度でも再現できる段階を表す。 あなたがこのマップの中でどのレベルにいるかを知ることで、今のあなたがどの発音を重点的に磨けばいいか、またどの発音はまだできなくてもいいかといったことが分かる。 さて以下では、それぞれのスキルについて一つ一つ解説していく。 初級編（Level1～2） /s/ vs. /ʃ/ /i
最速の du を作ってみる - Cybozu Inside Out | サイボウズエンジニアのブログ
個人ブログはどれもこれも三日坊主な山本泰宇です。 チームブログはいいですね、誰かが日々記事を書いてくれるので、暇を見つけて自分も書こうという気になれます。 さて、今回はネタ記事です。タイトルからしてネタですよね。du というのはあるディレクトリ以下のディスク使用量を計算するプログラムなんですが、ディスクアクセスで律速される du に最速もくそもあるか！と。 それはわかってるんですが、「du 速くできない？」と言われたときに、ふと以下のようなことを考えてしまったんです。 Linux では readdir はライブラリコールなので、getdents 使うと少しいいかも i-node 番号から直接ファイルサイズを求められれば、stat より速いかも i-node 番号を直接指定できるシステムコールはないのですが、ext2/3/4 ファイルシステムなら debugfs コマンドでできるということが
Amazon Elasticsearch Serviceを使ったログ収集基盤の構成を考えてみた
みなさんこんにちは。@ryuzeeです。 6月10日にAmazon Web Services企業導入ガイドブックが発売になっていますのでよろしくお願いします。 さて今回はAWS上でログ収集と分析をする際に、Amazon Elasticsearch Serviceを使う前提とした場合だとどのような構成案がありそうかいくつか考えてみたのでご紹介します。 なお、検討の材料にしている全体の構成としては、複数のVPC(またはAWSアカウント)があって、さらにオンプレ側とDirect ConnectやInternet VPNで接続しているような、よくあるそれなりの規模の構成になります。 各VPCの中には複数のサブネットがあり、そのうちのいくつかはプライベートサブネットに分かれているものとします(個人的にはインターネットゲートウェイの有無しか違いがないので、プライベートサブネットあまり作りたくない)。
IT人材不足が深刻化、2030年には78.9万人不足に 経済産業省調べ
経済産業省は6月10日、国内IT人材の最新動向と将来推計に関する調査結果を発表した。IT人材は現時点で17万人超が不足しており、今後人口減少に伴い深刻化すると予測。各国と比較して管理職クラスの割合や理系出身者が少ない傾向があり、年収も500万円前後に集中していることが分かった。 経済産業省によると、IT人材（IT企業と、ユーザー企業の情報システム部門に所属する人材の合計）は現在91.9万人なのに対し、17.1万人が不足していると推計。人口減少に伴い、退職者が就職者を上回ることで19年から先は減少に転じる一方、IT需要の拡大が見込まれるため、人材ギャップは悪化。IT市場が高率で成長した場合、30年にはIT人材数が85.7万人なのに対し、不足数は78.9万人に上ると予測している。 市場拡大が見込まれるセキュリティ分野の人材は現時点で28.1万人、人工知能などの先端分野は9.7万人と推計。セキュ
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
ページネーションのベストプラクティス | POSTD
social-creator.info
特集：これだ！ 人工知能 自動運転 2015年10月6日号