2014年06月13日に開催したトレジャーデータ事例活用セミナーのまとめです。詳細な内容をツイートして頂いた @suzuki さんに大変感謝しております。 資料公開中： トレジャーデータ事例集 1.「オンラインゲームソリューション」 - トレジャーデータ（Treasure Data）公式ブログ http://t.co/JZmNW4hf7F

*トレジャーデータはデータ収集、保存、分析のためのエンドツーエンドでサポートされたクラウドサービスです。 「Login（アクセス）ログからわかる12の指標 シリーズ」 その１，その２，その３，その４ クエリ内のTreasure UDFのリファレンスはこちら。 前回（その３）の続きです。 11. Streak 5：5日連続ログインユーザーリスト 直近（2012-04-04）で5日連続ログインしてくれているユーザーリストを取得します。 SELECT uid, access_count FROM ( SELECT uid, COUNT(1) AS access_count FROM ( SELECT uid, TD_TIME_FORMAT(time, 'yyyy-MM-dd', 'JST') AS access_day FROM login WHERE TD_TIME_RANGE( time,

*トレジャーデータはデータ収集、保存、分析のためのエンドツーエンドでサポートされたクラウドサービスです。 「Login（アクセス）ログからわかる12の指標 シリーズ」 その１，その２，その３，その４ クエリ内のTreasure UDFのリファレンスはこちら。 前回（その２）の続きです。 10. 直近のログインユーザーの，(i) 登録時からのプレイ期間，および (ii) 登録日，の分布 直近1週間内にログインのあったユーザーが，いつ登録してくれたユーザーなのか， (i) 初回ログインから最新ログイン日までの期間，および (ii) 初回ログイン日の分布を調べます。 * 現在のタイムスタンプを調べるのは TD_SCHEDULED_TIME() を使いますが，今回のサンプルログデータは 2012-04-04 が最大の日付なのでこの日を直近と定義しています。 (i) 登録時からのプレイ期間の分布 S

*トレジャーデータはデータ収集、保存、分析のためのエンドツーエンドでサポートされたクラウドサービスです。 「Login（アクセス）ログからわかる12の指標 シリーズ」 その１，その２，その３，その４ クエリ内のTreasure UDFのリファレンスはこちら。 前回（その１）の続きです。 6. Frequency（リピート回数の分布） 特定期間におけるユーザー当たりの訪問回数の分布を見たものです。 SELECT uid, COUNT(1) AS cnt FROM ( SELECT uid FROM login GROUP BY uid ) T GROUP BY uid ORDER BY cnt 7. 継続期間の分布（単位：週） ユーザー当たりの最初のログインと最後のログインの差をとることで，ユーザーの継続期間の分布を見る事ができます。 SELECT CAST( play_term/7 AS

*トレジャーデータはデータ収集、保管、分析のためのエンドツーエンドでサポートされたクラウドサービスです。 本シリーズは，弊社事例セミナーで発表した資料をベースに3つの分野における事例を通してトレジャーデータサービスを深く理解してもらえる事を目的としています。 事例で学ぶトレジャーデータ 20140612 from Takahiro Inoue 本シリーズは，紹介する3つの分野における事例を通してトレジャーデータサービスを深く理解してもらえる事を目的としています。 （事例1）「オンラインゲームソリューション (a) (b)」 （事例2）「モダンWebアナリティクス」 （事例3）「ECログ分析」 オンラインゲームソリューション トレジャーデータ | 米国トレジャーデータ社／トレジャーデータ株式会社 オンラインゲーム向けデータマネージメントサービスをソリューションとして提供開始 今回は「オンライ

ヤフー株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。LINEヤフー Tech Blog レコメンデーション技術の村尾です。 先日（6月6日）、クックパッドで開催された Machine Learning Casual Talks（#MLCT） において、Yahoo! JAPANの提供しているパーソナライズ・ニュース（あなたにおすすめの記事）での、機械学習（Machine Learning）の活用事例について講演を行いました。 MLCTという機械学習についてのかなりニッチなイベントであったにも関わらず、聴講者募集から枠が埋まるまでに30分程度しかかからなかったと聞き、この分野で普段業務を行われている、または関心のあるエンジニアの多さと、熱量の大きさに驚かされました。 ちなみに"Casual"について事前の認識合わせを全く

以下メモ 第3回「データ解析のための統計モデリング入門」読書会 - connpass 第3回「データ解析のための統計モデリング入門」 読書会まとめ - Togetterまとめ ※ 交互作用のスペルを修正(intersection → interaction) オープニングトーク 次回の懇親会は会場でピザ＆ビール！ 第3章「一般化線形モデル(GLM)」前半 みどりぼん3章前半 from Akifumi Eguchi 一般化線形モデルの特徴 線形予測子 誤差構造に正規分布以外も使用できる リンク関数 結果の見方 z value （推定値が？）0から十分に離れているか 信頼区間が0を挟むと正に効いているか負に効いているか判断できない Pr 信頼区間の精度 0に近いほど信頼区間の幅が狭い fitやsummaryで推定値などの有効桁数が変わるのはRの重大なバグでは？ options()で有効桁数を変

はじめに: Vimならではの便利機能をマスターしよう！ かれこれ数年前、僕がVim(というか、たぶんVi)と初対面したときは、「なんて使いにくいエディタなんだ！！」と最悪の印象でした。 しかし、周りのプログラマやネット上のエンジニアたちはみんな「Vim便利！」「Vim最高！」と言います。 なのでその言葉を信じ、僕も最悪の印象だったVimともう一度正面から向き合うことにしました。 そして、月日が過ぎ・・・僕もいつしか「Vim便利！」「Vim最高！」と叫ぶようになってしまいました！！ これって洗脳？ いやいや、洗脳じゃありませんw Vimにはメモ帳の延長線上にあるエディタでは実現できないような数々の便利な機能があります。 覚えるまでにはちょっと苦労しますが、覚えてしまえばメモ帳系のエディタでは追いつけないようなスピードでテキストを編集することができます。 とはいえ、そもそも覚える以前に「そんな

Matplotlib has wonderfully served the Python community as the cornerstone of scientific graphics. Recently, many additional Python plotting options have surfaced, aimed to make it easier to create graphics that are interactive and web-publishable. These slides outline some of the new options with links to easy-to-follow, IPython notebooks.Read less

スポーツは得意じゃなくても、スポーツ選手データを見るのが大好きな人っていますよね。今日はそんなスポーツデータを扱っている会社、データスタジアム株式会社におじゃまします。ビジネスとしてスポーツデータ、数学のにおいがしますね。データスタジアム株式会社のベースボール事業部アナリスト、金澤慧さんにお話をうかがいます。 -本日はよろしくお願いします。まずは御社の事業について教えていただけますか? はい。データスタジアム株式会社はもともと野球チームを強くするために、野球に関するデータ作りを中心に行なっている会社でした。現在は、野球、サッカー、ラグビー、バスケットボールを中心に、幅広くスポーツの分析システムを取り扱っています。データを統計的にみて分析し、評価指標や試合予測につながるデータを作るのです。たとえば、「チームをどうやって強くするか」や「対戦相手がどんなチームか」などです。 そのデータをプロ野球

ちょっと、いつもと違った趣向で書いてみましょう。ゲームの話、そう、去年からある方面ではたいへん話題の「艦隊これくしょん」です。 このゲーム、モバイル向けにはなっていませんし、ソーシャルゲームというわけでもありませんし、なぜ人気なのかは謎な部分もあります。 この話はすでに「ライフハックLiveshow」で３回にわたって触れてきました。みたいもん！のいしたにまさきさん（@masakiishitani）、おおつねまさふみさん（@otsune）をお迎えして放送した直近の回はこちら。 擬人化された旧日本海軍の艦艇「艦娘」を率いて双六のような仕組みで「敵」と戦う、とまあやっていない人にはなんのことかさっぱりわからない話だと思いますが、やりこんでいる人は膨大な時間をこのゲームに注ぎ込んでいるほどです。もはや中毒性、常習性といった言葉をつかってもいいほどに。 ところで先月まで続いていました日経ビジネスアソ

Java 8で導入されたStream APIの並列ストリーム処理において、実行するスレッドプールを明示指定する方法。Stream APIの既定動作では ForkJoinPoolの共通スレッドプール を利用する。*1 import static java.util.stream.IntStream.range; // 一般に論理プロセッサ数の並列度で実行 range(1, 1000000).parallel().filter(...).collect(...); // 2並列ForkJoinPool上で並列実行 ForkJoinPool forkJoinPool = new ForkJoinPool(2); forkJoinPool.submit(() -> range(1, 1000000).parallel().filter(...).collect(...) ).get(); 関連UR

Java 8で追加された java.util.concurrent.locks.StampedLock 同期プリミティブについてメモ。 まとめ： StampedLockクラスは、「楽観的(optimistic)Read操作」および「ロック昇格(upgrade lock)」を追加サポートしたReader-Writerロックとして機能する。 注意：StampedLockは再入可能でない(non-reentrant)。また悲観的Readロック／WriteロックLockインタフェースからの条件変数Condition取り出しはサポートしない。 楽観的Read操作（ロックフリーRead操作） Java 5で導入されたReader-WriterロックReentrantReadWriteLockクラスは、悲観的(pessimistic) Readロック／Writeロック操作のみを提供する。悲観的ロック操作

まとめ ntddk氏をスパブロするように仕向けた犯人にインタビューしてみた。 2014/06/16 19:40 更新 主たる内容の更新は完全に終了しました。 事の顛末については他の方が作成されたまとめをどうぞ… http://togetter.com/li/679703 とりあえず聞きたいこと聞いてるだけ、意味は全くない感じです。 プロファイリングとかブログ記事書いてPV稼ぐぞとか全くないです。 68104 pv 380 71 users 67