TEL:098-890-6456 営業時間:AM10:00~PM8:00 定休日:毎週水曜日 ※店舗の事情により変更する場合がございます。 P2台有り
TEL:098-890-6456 営業時間:AM10:00~PM8:00 定休日:毎週水曜日 ※店舗の事情により変更する場合がございます。 P2台有り
久しぶりの投稿です。 9月からベース内での販売が始まりました。 平日の昼間から夕方にかけての販売なので、沖縄国際大学での販売は終了となりました。 それともうひとつ。 9月5日に新しくお店をオープンしました! 場所は沖縄市の中の町です。 住所 沖縄市上地1-16-2コスモス中の町2F 「アルテコザ」さんの2階です。 平日はほとんどベースでの仕事が入っているので、今のところは金曜日と土曜日のみPM7:00からの営業となります。 たまにイベントなどで、予定が変更になる場合もありますので、ご確認くださいね。 07064699952(オランド) よろしくお願いします。 We have opened a new Ghana bar restaurant. Open only weekend,Friday and Saturday,from 7pm. 1-16-2,2F Uechi,Okinawa-sh
甘いモノがやめられないんです…いえ、ワタシのことではなく、あ、いえいえ、ワタシもですが…。うちの子…いえいえいえ、うちのねこのことなんです。“親バカ”ですが、本当に綺麗な顔立ちで、おとなしくしていれば ...
Factorizing Personalized Markov Chains for Next-Basket Recommendation(pdf) 概要 「各ユーザが次に何を買うか」というタスクに対してマルコフ連鎖ベースの予測モデルを作る. ユーザごとの遷移確率を計算するにはスパースなので行列分解と組み合わせてその問題を解消する. 問題 ユーザの回分の購買履歴があるとして,回目で何を買うかをあてる.また,一度の購買では複数の商品を購入している(これをバスケットと表現する). 手法 まず1購買に複数商品があるので,真面目にやるとそれぞれのアイテムのあるなしを1/0で表すと次元のマルコフ連鎖を考えなければならない. なので,「商品が前回のバスケットに入っている時,次のバスケットに入っている確率」を考える. 遷移確率は数え上げで計算ができるし,ユーザごとの履歴に絞ればpersonalizeも可
映像コンテンツのストリーミングといえばNetflix、現在4400万人のユーザー(有料会員)がいる成熟したサービスですが、現在もすごいペースで成長しています。 Netflix、第4四半期決算で大幅増益--加入者数は400万人増 - CNET Japan 利用できる地域は限られますが、日本でもレコメンデーションのコンテストNetflix prizeの開催や、AWSをいち早く活用した企業として知られています。 Netflixは先に紹介したNetfix Prizeでレコメンデーションの性能向上に懸賞金をかけたほど、レコメンデーションがサービスの重要な位置を占めています。 視聴された映画の2/3はレコメンデーション経由らしいです。 Todd Yellin(Vice President of Product Innovation at Netflix)は、「映画をピッタリの人にピッタリのタイミングで
By James Sann 会員登録しておけば、PCやタブレットなどからいつでもどこでも映画やドラマ、テレビ番組などのストリーミング映像を楽しめるNetflixは、北アメリカや中南米だけではなく、2012年にはヨーロッパでも配信を開始した映像ストリーミング配信事業会社の最大手です。 Netflixが2013年9月にオランダでのサービスを開始したことを受けて、現地のTweakersがNetflixのコンテンツ事業部部長にインタビューを行ったところ、Netflixで配信するコンテンツのマーケティングに、ファイル共有ソフトウェアのBitTorrentや海賊版ファイルが出回っているファイル共有サイトを参考にしていることが判明しました。 Netflix baseert aanbod deels op populariteit video's op piraterijsites - IT Pro -
A Survey of Collaborative Filtering Techniques(Xiaoyuan Su and Taghi M. Khoshgoftaar, 2009,Advances in Artificial Intelligence) 仕事で協調フィルタリングについて調べる必要が出てきたのだが、あまりよい日本語の文献を見つけられなかったため(後にしましま先生の文献を見つけた)やむなく英語の論文を検索したところ、 上記のよいサーベイ論文を見つけた。というわけでこのサーベイ論文に書かれていることに自分なりに調べたことを加えて、自分用にまとめておく。 また、一部の人達の間ではとても有名なしましま先生の論文(ドラフト版)があるので、英語が苦手な人はそちらをご覧になるとよいと思われる。 協調フィルタリングは、一言で言えばユーザとアイテムのマトリックスを用いた顧客への商品のレコメン
2012/10/27 "第23回 データマイニング+WEB@東京−大規模ソーシャルデータ・アクセス解析 祭り− "を開催しました。 第23回 データマイニング+WEB@東京 ( #TokyoWebmining 23rd)−大規模ソーシャルデータ・アクセス解析 祭り− : Eventbrite Google グループ 会場提供し運営を手伝って下さった ニフティ株式会社 のみなさん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。会場参加、USTREAM参加ともに多くの方々の参加を嬉しく思っています。 参加者ID・バックグラウンド一覧: 参加者Twitter List: Twitter List TokyoWebmining #23 参加者セキココ:第23回 データマイニング+WEB @東京 セキココ (作成してくれた @komiya_atsushi さんに
最近はものすごい数のライトノベルが出版されている。中でも大手の電撃文庫では毎月10冊以上もの新刊が発売されるためどれを買ったらいいか困ってしまう。 そんなときこそ機械学習の出番ではないか!というわけで先日作った簡単分類ツールfutabaを使って今月の電撃文庫はどれを購入すべきかを判定してみたよ。 具体的なツールの使い方は前回の記事を参考にしていただくとして、本記事では結果だけをまとめておく。興味が湧いたらぜひ分類ツールfutabaを使ってみてほしい。 簡単分類ツールfutabaを作ってみた - EchizenBlog-Zwei 電撃文庫&電撃文庫MAGAZINE さて、まず学習データだが、これは8月分の電撃文庫新刊データを用いる。 新約 とある魔術の禁書目録(2) デュラララ!!×10 ソードアート・オンライン8 ゴールデンタイム3 新フォーチュン・クエスト(18) 断章のグリムXV 主人
ダヌシカさんのツイート経由で、以下のURLから。 Why Netflix Never Implemented The Algorithm That Won The Netflix $1 Million Challenge Netflix Recommendations: Beyond the 5 stars (Part 1) 超簡単に要約しておく。詳しく知りたい人は上記のリンク先を読んで下さい。 Netflix Prizeの優勝アルゴリズムでは多くのアルゴリズムが混合されていた。そのうちSVDとRBMは今でも使ってる。 100万件のデータに使えるものであっても、1億件で利用可能なようにスケールさせるのは大変だった。 スケールさせるのが大変なので、Grand Prizeで用いられた数百のアルゴリズムの混合は、Netflixでは使ってない。 Netflix Prizeの成果を使ってない理由とし
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