データサイエンティスト協会 木曜勉強会#01 『Pythonによるデータ分析および最適化』
38. Python↖AWSદ˺ ᐯࠁኰʼ ӸЭ≝ޥ؉̮ʚ≋ⅳ↾ⅼↆ⇂ↇ≌ ޓ≝⇐∀−∞⇝∍∙⇠∝∐⇛∞⇧ᢿ λᅈ4࠰Ⴘ Python↖AWSદ˺ 1. ⇕∏⇌⇯⇙∙⇺∋∞⇬⇉∙⇖↚↓ⅳ↕ 2. AWS↗↞? 3. EC2, S3⇛∞⇹⇟⇁Pythonኺဌ↖Мဇↈ↺ 1. Эჷᜤ 1. EC2↗S3↝᧙̞ 2. ૰˳ኒ 3. Ӳᆔ⇡⇓∋∐⇬⇉૾ࡸ↚↓ⅳ↕ 2. ܱᨥ↚દ˺ↆ↕↮↺ 4. ↝˂ Contents ⇕∏⇌⇯⇙∙⇺∋∞⇬⇉∙⇖↚↓ⅳ↕ ⇕∏⇌⇯⇙∙⇺∋∞⇬⇉∙⇖ ⇳⇩⇮∕∞⇕⇁⇿∞⇟↗ↆ⇙∙⇺∋∞⇥เ↝Мဇ࢟७ ⇊∙⇥∞⇳⇩⇮ኺဌ↖⅚⇛∞⇹⇟ⅻ੩̓ↄ↻ ↺⅛ↂↂ↖ⅳⅵ⇛∞⇹⇟↞⅚ˌɦ↝3ޖ↚Ў ↄ↻↺⅛ ∝⇈⇽∐⇗∞⇝∍∙ ∝⇽∏⇩⇮⇻⇏∞∆ ∝⇊∙⇻∏≋⇛∞⇶↙↘≌ 3ޖμ↕↚ⅹⅳ↕ⅻↀ↕ⅳ↺↝ⅻAmazon Web Service↖ⅱ↺⅛ AWS↗↞≢ Amaz
深層学習入門
4. 深層学習 • 英語ではDeep Learning • 特徴の数段の組み合わせを考慮することでより複雑 な現象を学習する仕組み • 神経網回路(ニューラル・ネットワーク)の層を重ねる ことで学習することが殆ど • 人間の脳の仕組みに似ている？ • とにかく，様々な認識タスクで大幅に良い精度を示 しており，Google, Facebook,Microsoft,…など多くの企 業が研究開発をしている． 4 6. 6 報道 Deep Learning in the News 13! Researcher Dreams Up Machines That Learn Without Humans 06.27.13 Scientists See Promise in Deep-Learning Programs John Markoff November 23, 2012 Google!taps!
Apache storm vs. Spark Streaming
2. Honestly... • I know a lot more about Apache Storm than I do Apache Spark Streaming. • I've been involved with Apache Storm, in one way or another, since it was open-sourced. • I'm admittedly biased. 3. But... • A number of articles/papers comparing Apache Storm and Spark Streaming are inaccurate in terms of Storm’s features and performance characteristics. • Code and configuration for those stu
Hcj2014 myui
Slide@Hadoop Conference Japan 2014 Video http://www.ustream.tv/recorded/49697833Read less
A perfect Hive query for a perfect meeting (Hadoop Summit 2014)
A perfect Hive query for a perfect meeting (Hadoop Summit 2014) During one of our epic parties, Martin Lorentzon (chairman of Spotify) agreed to help me to arrange a dinner for me and Timbuktu (my favourite Swedish rap and reggae artist), if I prove somehow that I am the biggest fan of Timbuktu in my home country. Because at Spotify we attack all problems using data-driven approaches, I decided to
トレジャーデータ株式会社について（for all Data_Enthusiast!!）
1. 1 トレジャーデータ株式会社 2014/06/10 Takahiro Inoue (Chief Data Scien:st) taka@treasure-‐data.com 2. 2 1. Introduc:on 1) 会社概要 2) 製品概要 2. Data Collec:on 3. Data Storage 4. Data Management 5. Data Processing 1) バッチクエリ 2) アドホッククエリ(TQA) 6. Data Mart 7. Data Visualiza:on 1) Metric Insights 2) Tableau アジェンダ 5. Data Processing 7. Data Visualiza5on 3. Data Storage 2. Data Collec5on Data Source 6. Data Mart
全脳アーキテクチャ勉強会 第１回（松尾）
2. 自己紹介 1997年 2002年 2005年 2007年 東京大学工学部電子情報工学科卒業 同大学院博士課程修了．石塚研究室．博士（工学） 産業技術総合研究所 研究員 スタンフォード大学客員研究員 東京大学 大学院工学系研究科総合研究機構／技術経営戦略学 専攻 准教授 専門は、Web工学、人工知能 2012年より、人工知能学会 編集委員長・理事。2007年より国際WWW会 議プログラム委員。WWW2014ではウェブマイニングトラックのトラック チェア。 オーマ株式会社技術顧問、経営共創基盤（株）顧問、Pluga AI Asset Management 技 術顧問、国立情報学研究所客員准教授、国家戦略会議 叡智のフロンティア部会委員等 2 3. 人工知能 • 人の知能をコンピュータで作りたい • コンピュータ＝人工知能 • 1956 ダートマス会議 • 1957 General Pro
Deep Learning技術の今
2. ⾃自⼰己紹介 l 得居 誠也 (Seiya Tokui) 株式会社Preferred Infrastructure, Jubatus Pj. リサーチャー l 専⾨門は機械学習（修⼠士、現職） l – 系列列ラベリング→ハッシュ・近傍探索索→深層学習 l 今の興味は深層学習、表現学習、分散学習、映像解析 l @beam2d (Twitter, Github, etc.) 2 / 47 3. 2011年年: ⾳音声認識識における成功 l l 3 / 47 DNN-‐‑‒HMM を使った⼿手法が、⾳音声認識識の word error rate で従来 法 (GMM) より 10% 前後も改善 携帯端末における⾳音声操作に Deep Learning が利利⽤用されるように F. Seide, G. Li and D. Yu.
文法圧縮入門：超高速テキスト処理のためのデータ圧縮（NLP2014チュートリアル）
言語処理学会第２０回年次大会（2014/3）のチュートリアル講義資料です。 - 要旨 - 文法圧縮とは，入力テキストをよりコンパクトな文脈自由文法（CFG）に変換する圧縮法の総称である． 文法圧縮の強みは圧縮テキストを展開すること無く，検索等のテキスト処理を効率よく行える点にある． 驚くべきことにその処理速度は，元テキスト上での同じ処理を理論的に，時には実際にも凌駕する． また近年，ウェブアーカイブやログ，ゲノム配列等の大規模実データを高効率に圧縮できることで注目を集めている． しかしながら，文法圧縮についての初学者向けの解説資料はまだまだ少ない． そこで本チュートリアルでは，文法圧縮の歴史的背景から最新動向までを幅広く紹介する． 具体的には文法変換アルゴリズム，圧縮テキスト上での文字列パターン検索，文法圧縮に基づく省メモリデータ構造等の解説を行う．Read less
ブラック企業対策プロジェクト 見分け方ガイド
12. ブラック企業対策プロジェクト 「ブラック企業の見分け方」 ■不自然な大量採用に注意する 現状の人数に対して、明らかに多い採用を行っている場合は要注意です。事業拡大のためな ど明確な理由があればいいのですが、人の出入りが激しいからということも。目安として、従 業員数の 1 割を超える採用を行っている場合は、多いといえるでしょう。 並行して中途採用で若手層を大量に募集している企業なども要注意です。企業のことを調べ る際には新卒の求人広告だけでなく、リクナビ NEXT、DODA など中途の求人広告も見てお くといいでしょう。 もう一つ、意識したいことがあります。この大量採用はもちろん、事業拡大、成長のためと いう健全な理由という場合もあるわけですが、そのような企業はマネジメントが混乱しがちで す。急成長のため、組織にまとまりがないということもあります。もちろん、それを楽しもう という気概
Amebaにおけるログ解析基盤Patriotの活用事例
Hadoop/Spark で Amazon S3 を徹底的に使いこなすワザ / Hadoop / Spark Conference Japan 2019 講演者： 関山 宜孝 （Amazon Web Services Japan） 昨今 Hadoop/Spark エコシステムで広く使われているクラウドストレージ。本講演では Amazon S3 を例に、Hadoop/Spark から見た S3 の動作や HDFS と S3 の使い分けをご説明します。また、AWS サポートに寄せられた多くのお問い合わせから得られた知見をもとに、Hadoop/Spark で S3 を最大限活用するベストプラクティス、パフォーマンスチューニング、よくあるハマりどころ、トラブルシューティング方法などをご紹介します。併せて、Hadoop/Spark に関係する S3 のサービスアップデート、S3 関連の Hadoop
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
Docker Based Hadoop Provisioning
yet another all-in-one cloudfoundry
Deep Learning for Image Recognition in Python
Amazon Redshiftによるリアルタイム分析サービスの構築
Tokyo.R 41 サポートベクターマシンで眼鏡っ娘分類システム構築
データ分析というお仕事のこれまでとこれから(HCMPL2014)
Spark at Twitter - Seattle Spark Meetup, April 2014
汎用人工知能の研究動向
パッケージングの今と未来
