【コラム】データドリブンなマーケティングオートメーションに関する特許 - コラムバックナンバー - アナリティクス アソシエーション
【コラム】データドリブンなマーケティングオートメーションに関する特許 Option合同会社 柳井 隆道 発信元：メールマガジン2019年9月18日号より 先日以下の情報処理装置に対する特許が取得されました。 一のユーザによるアプリケーションプログラムの利用履歴を示すログデータを取得するログデータ取得部と、 機械学習により生成された学習モデルを用いて前記ログデータを解析することにより、前記一のユーザによる前記アプリケーションプログラムの利用に関する予測結果である予測データを計算する予測処理部と、 前記予測処理部が生成した前記予測データを出力する出力部と、 を備える情報処理装置。 特許の全文 これは請求項の原文のままなので少し分かりやすくすると、 1. ウェブやアプリの個人の行動履歴（ログ）データを取得し 2. 機械学習を使ってユーザ行動を予測し 3. 予測結果を具体的な施策などにアウトプット
より良い機械学習のためのアノテーションの機械学習 - ABEJA Tech Blog
ABEJAでリサーチャーをしている白川です。 皆さん、アノテーションしていますか？ 私はしています。アノテーション、自分でやるのは大変ですよね。 AIというとモデルの学習に注目されがちですが、もしかしたら、アノテーションはAI開発においてモデル開発以上に重要で注意の必要なプロセスかもしれません。今回はなぜアノテーションがそれほど重要なのか、良いアノテーションとはどのようなアノテーションなのかについて、機械学習的にアプローチしてみたいと思います。 アノテーションを機械学習で解析するの、楽しいですよ。 なお、本記事に関連して、2018年7月1日に開催されるccse2018というカンファレンスでもお話させていただく予定です。記事内では触れられなかった内容についてもお話させていただくかもしれないので、ご興味ある方はチェックしてみてください。 この記事を読むとわかること アノテーションはAIの開発・
Pythonによる状態空間モデル | Logics of Blue
最終更新：2017年06月06日 Pythonを用いた、状態空間モデルの実装方法について説明します。 なお、正規線形状態空間モデル（動的線形モデル）のみをここでは扱います。 Pythonを使えば、カルマンフィルタや最尤法によるパラメタ推定を短いコードで簡潔に実装することができます。 なお、この記事ではOSはWindows。Pythonは『Python 3.6.0 :: Anaconda custom (64-bit)』を使用して、JupyterNotebook上で計算を実行しました。 JupyterNotebookの出力はリンク先を参照してください。 目次 状態空間モデルとPython時系列分析 データの読み込み ローカルレベルモデルの推定 ローカル線形トレンドモデルの推定 季節変動の取り込み 推定するパラメタの数を減らす モデルの比較と将来予測 1．状態空間モデルとPython時系列分析
arXiv 論文メモ on Twitter: "機械学習においてデータの品質が精度にどれだけ影響を与えるか、種々のアルゴリズムに対して実験による検証が行われた。 データの欠損、不整合、コンフリクトといった問題に対して、アルゴリズム選択やデータクリーニングのガイドラインが提示され… https://t.co/Lef3Dm6orE"
機械学習においてデータの品質が精度にどれだけ影響を与えるか、種々のアルゴリズムに対して実験による検証が行われた。 データの欠損、不整合、コンフリクトといった問題に対して、アルゴリズム選択やデータクリーニングのガイドラインが提示され… https://t.co/Lef3Dm6orE
エム・データ｜テレビ番組・CMのリサーチ調査／TVメタデータ
過去を分析し､現在を知り､未来の兆しを掴む。 エム･データは、｢TVメタ｣の データプロバイダ＆リサーチカンパニーです。
Same Stats, Different Graphs: Generating Datasets with Varied Appearance and Identical Statistics through Simulated Annealing
Publication | ACM SIGCHI Conference on Human Factors in Computing Systems 2017 (Honorable Mention) Same Stats, Different Graphs Generating Datasets with Varied Appearance and Identical Statistics through Simulated Annealing “…make both calculations and graphs. Both sorts of output should be studied; each will contribute to understanding.” F.J. Anscombe, 1973 Anscombe’s Quartet It can be difficult
RESAS-API - 地域経済分析システム（RESAS）のAPI提供情報
RESAS-APIの利用に際しては、利用規約をご覧ください。 商用利用については利用規約の範囲に於いて、ご利用頂くことは可能となります。 (予期無くサービスの変更・提供終了する場合もございますので予めご了承頂ければと思います） アカウントの削除を希望される方は、その旨と削除するメールアドレスをお問合せフォームからお送りください。 RESASとは？ 地域経済分析システム（以下、RESAS）は、地域に関する官民の様々なデータを搭載し、 誰もが分かりやすいように「見える化」したシステムです。 このシステムは、自治体職員の方や、地域の活性化に関心を持つ様々な分野の方によって、 効果的な施策の立案・実行・検証のためなどに広く利用されています。
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
