BigQuery MLの線形回帰で電力需要予測やってみた
グルーヴノーツ コンサルタントの吉村です。 先週（日本時間7月26日午前1時過ぎ）に発表されたBigQuery MLを試してみました。 BigQuery MLとはGoogleのDWHであるBigQuery上で線形回帰とロジスティック回帰を実現するものです。 もちろんBigQueryで動くのでモデルを作るところも並列で高速に処理されることが期待できます。 これまで線形回帰といえばR言語やPython、またはExcelの分析ツールアドイン（16項目制限有り）を使っていたかと思います。 これがBigQueryでやればクエリを書けばプログラミングはいらないしデータサイエンティストには便利ですよね。 さて実際に使ってみたいと思います。題材としてはもちろん電力需要で線形回帰でモデルを作って予測していきます。元ネタのデータはこの形です。 説明変数 ・月（1〜12の整数が文字列として入っている） ・曜日（
数理最適化を用いて広告オークション入札金額を自動で調整してみた - Speee DEVELOPER BLOG
こんにちは、UZOU事業部の久松 @hisao_00 です。 業務としては、ネイティブ広告配信アルゴリズムの調査、設計、プロトタイプ開発を行っています。 先日開催された、SpeeeKaigi#4にて「数理最適化を用いた広告オークション入札金額の最適化」について発表しました。 数学好きの方、アドテク界隈の方、ぜひ読んで頂ければ幸いです。 概要 制約つき非線形最適化問題を解くことで、広告主がメディアの配信枠に対して入札する金額を最適化するロジックを考え、シミュレーションしてみました。 背景 広告主はUZOUを通してメディアに配信されますが、広告主に継続して出稿してもらうためには、広告成果を合わせることが重要です。 広告成果とは Web広告の大多数は、パフォーマンス広告と呼ばれるもので、 健康食品や化粧品など、ネット上に配信された広告を導線として 商品の購入までを想定して配信されています。 その
知っていれば広がるグラフの見方とクエリの書き方のちょっとしたコツ - クックパッド開発者ブログ
こんにちはサービス開発部のエンジニアの鈴木達矢です。 最近サービス開発においてエンジニアだけでなくディレクタがSQLを書く機会＊やBI Tool*1を元に意思決定する機会が増えてきました。クックパッドでもモバイルアプリに新機能を足すなどの各施策前後のKPI比較や施策後の経過を見るためにディレクタやエンジニアがクエリを書いてRedashを用いてグラフ化する光景が日常化しました。 モチベーション この記事に書かれている内容は統計学を学んでいればごく入り口にあたる初歩的なことです。しかしながら、その初歩的な統計を学んでいない人にとっては、ビジュアライズされたデータからその特性をひと目で即座に把握できないことがあったりします。そのような状態ではグラフ付きの資料をゆっくり読む分には良いのですが、例えばミーティングやカンファレンスなどでグラフの意図をすぐに理解して意見を述べるのは難しいです。また、自分
KubernetesでLiveness probeのHTTP GETはNW的にどこから来ているか？ - Qiita
モチベ 先日登壇した際に表題の質問を受けたとき「確かにどうなってるんだろうか」と思い、 またどこにもその解答らしき記事がないのでやってみました。 ゴール kubernetesでは実際にカーネルの経路情報とiptablesの情報が入り交じるので、 表題の答えは様々な言い方をできると思いますが、必ずどこかのIPが出発点としてソースIP(ソースインターフェイス)になっているはずなのでそれを探しに行きます。今回は ポッド と ノード の両方から tcpdump を叩いてみて何が起きているか事象からせめて、考察してみます。 あ、結論は見出しに書いておきました。 以下は暇な人は読んでください。 ドキュメントでは、、、 The kubelet uses liveness probes to know when to restart a Container. For example, liveness p
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
最高のITエンジニアリングを支える守りと攻めの「設計技術」と「SRE」 - Speaker Deck
