Charming Python: Functional programming in Python, Part 3IBM Developer is your one-stop location for getting hands-on training and learning in-demand skills on relevant technologies such as generative AI, data science, AI, and open source.
株式会社ブレインパッド（BrainPad Inc.）｜データ活用推進パートナー｜データ活用の促進を通じて持続可能な未来をつくる
データの爆発的な増加を背景に、 各産業の巨大企業もベンチャー企業も データを大きな経営資源と捉え、 ビジネスに取り入れる試みを初めています。 現在、データの活用率は3％と言われていて、 まだまだ進んでいないことも事実です。 しかし、見方を変えて見ればどうでしょう。 残り97%に活用の余地があるとも言えます。 私たちは、企業に「データ活用」というチカラを加え、 データを隅々にまで巡らせることが、 日本のビジネスを成功に導くチャンスになると信じています。
30分でわかるレコメンデーションエンジンの作り方 - EchizenBlog-Zwei
レコメンデーションというのはamazonとかで見かける「XXXを買った人はYYYも買っていますよ」というサービスのこと。最近ではレコメンデーションは珍しいものではなく多くのサービスで導入されている。 またレコメンデーションを実現するレコメンデーションエンジンを開発している企業もわりと多くて検索すると結構たくさん出てくる。 「レコメンデーションエンジン」でぐぐった結果 そんなレコメンデーションエンジンだが作るのはそれほど大変ではない。というか情報検索の基礎知識があれば誰でも作れる。ので作り方の解説をしてみるよ。 レコメンデーションは何を与えると何が返ってくるの？ まずはレコメンデーションの入出力の話。入力としては「ユーザ」もしくは「アイテム」というものが考えられる。「ユーザ」というのはレコメンデーションを利用しているユーザのこと。「アイテム」というのはレコメンデーションの対象となるもので例え
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
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
