タグ

recommendとstatisticsに関するuchiuchiyamaのブックマーク (3)

  • レコメンドエンジンの全体像――ビジネスに使えるデータサイエンス

    くどう・たくや/マッキンゼー・アンド・カンパニー パートナー、QuantumBlack 共同統括 兼 テレコム・メディア・テクノロジー(TMT)セクターのグローバルリーダシップチームメンバー。 慶應義塾大学を卒業し、コンサルタントとして活躍後、コロンビア大学大学院で経済政策を学ぶため渡米。同大学院で修士号を取得後、ブルームバーグ政権下のニューヨーク市で統計ディレクター職を歴任。在任中、カーネギーメロン工科大学情報技術科学大学院で工学修士号も取得。2011年よりアクセンチュアデジタルの創業メンバーとしてシアトルオフィスにてグローバルのデータサイエンスCOE統括兼北米統括を歴任、KDDIの合弁会社ARISE analyticsではChief Science Officer (CSO)兼取締役を務める。2021年5月よりマッキンゼー・アンド・カンパニーに移籍、シアトルオフィスにてパートナーに着任

    レコメンドエンジンの全体像――ビジネスに使えるデータサイエンス
  • 情報の分類・推薦アルゴリズムとクロール問題 - Cube Lilac

    ゴールデンウィークが終わって*1 ネット世界に戻ってきたところ、Gunosy 騒動 とやらで賑わっていました。クロール問題(どうやって効率的に対象となる URL をクロールするか)は私自身も苦労している部分なので、何か書いてみます。 情報の推薦(レコメンデーション)や分類(カテゴライズ、ランキング、等々)を行う Web サービスを作成・運営する場合、大雑把に分けると以下の 2 つのフェーズが存在します。 Web 上から対象となる情報(主に URL)を収集する 収集した情報を何らかのアルゴリズムに従って分類・推薦する 今回のお話の結論を先に書いてしまうと、「アルゴリズムやコンセプトの検討段階では 2. のフェーズ(情報の分類・推薦)を非常に重要視するが、実際に Web サービスが出来あがって運用する段階になると、むしろ 1. のフェーズ(情報の収集)に苦心する事が多い」と言うものです。 So

    情報の分類・推薦アルゴリズムとクロール問題 - Cube Lilac
  • 協調フィルタリングについてまとめてみた。 - Analyze IT.

    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

    協調フィルタリングについてまとめてみた。 - Analyze IT.
  • 1