Domino Data Lab | Unleash Data Science at Scale
Build, deploy, and manage AI with Domino's unified platform. Access data, tools, compute, models, and projects across any environment. Foster collaboration, establish best practices, and track models in production to accelerate and scale AI while ensuring governance and reducing costs. Access the broadest ecosystem of open source and commercial tools, and infrastructure, for the best innovations a
ビジネス実務の現場で有用な統計学・機械学習・データマイニング及びその他のデータ分析手法10+2選（2016年版） - 渋谷駅前で働くデータサイエンティストのブログ
そう言えば3年前にこんなまとめ的エントリを書いたのでした。この内容はそのままかなりの部分が2年前に刊行した拙著の原案にもなったということで、色々思い出深いエントリです。 なのですが。・・・この3年の間に統計学・機械学習・データマイニングの諸手法及びそれを取り巻くビジネスニーズには様々な進歩があり、そろそろこの内容にも陳腐化が目立つようになってきました。ということで、3年間の進歩を反映してアップデートした記事を書いてみようと思います。前回は「10選」でしたが、今回は「10+2選」に改めました。そのラインナップは以下の通り。 統計学的検定（t検定・カイ二乗検定・ANOVAなど） t検定 カイ二乗検定 ANOVA（分散分析） その他の検定 重回帰分析（線形回帰モデル） 一般化線形モデル（GLM：ロジスティック回帰・ポアソン回帰など） ロジスティック回帰 ポアソン回帰 正則化（L1 / L2ノルム
サービス終了のお知らせ - NAVER まとめ
サービス終了のお知らせ NAVERまとめは2020年9月30日をもちましてサービス終了いたしました。 約11年間、NAVERまとめをご利用・ご愛顧いただき誠にありがとうございました。
街にあふれるデータの達人、がんこフードサービス
和食店の店長を経てデータサイエンティストへ─。関西を中心に、寿司店や和食店など約90店舗を展開するがんこフードサービス（大阪市淀川区）には、異色の経歴を持つ本部社員がいる。業務改革本部営業推進部の浅川智之係長だ（写真）。 浅川係長は2012年9月まで、懐石料理や鍋物、寿司を提供する和食店の1つ、がんこあべのルシアス店の店長を務めていた。大阪の天王寺駅・阿部野橋駅エリアの中心にあり、50人ほどの宴会予約にも対応できる大型店を切り回した後に、同年10月に本部に異動。店長経験を買われ、外食産業では異色なテーマでデータサイエンスに挑んでいる。 そのテーマとは、実際の注文データを使った調理場業務のシミュレーションだ。オーブンやフライヤー、ガスコンロといった機材を備えた仮想的な調理場をPC上に再現し、人員を配置したうえで、1日分の実際の注文データを投入。注文が相次ぐ時間帯でも調理場の作業が滞らないか、
データマイニング 共分散構造分析の実例 : 研究開発
SEM(Structual Equation Modeling) 社会学・心理学系で頻繁に用いられる、要因を構造的に数字で可視化する技法です。 Rで実際に計算するためには、semパッケージが必要です。 パッケージのインストールは install.packages("sem") こうやってインストールには結構時間がかかります。 library(sem) こうしてパッケージを呼び出さないと使えません。 data00<-read.table("data.txt" , header=T) model2<- specifyModel("model2.txt")モデルをファイルから読み込みます。 モデルファイルはこういう内容 x1 -> F1, p01, NA x2 -> F1, p02, NA x3 -> F1, p03, NA F1 <-> F1, f01 ,NA struct <- sem(mo
2005年度人工知能学会全国大会・原稿テンプレート
The 22nd Annual Conference of the Japanese Society for Artificial Intelligence, 2008 頻出パターン発見アルゴリズム入門 － アイテム集合からグラフまで － An Introduction to Frequent Pattern Mining – Itemsets to Graphs - 宇野 毅明*1 有村 博紀*2 Takeaki Uno Hiroki Arimura *1 国立情報学研究所・総合研究大学院大学 *2 北海道大学大学院情報科学研究科 National Institute of Informatics, Hokkaido University, Graduate School for The Graduate University for Advanced Studies Informati
2013年秋版：データサイエンティストを目指すなら揃えておくべき10冊 - 渋谷駅前で働くデータサイエンティストのブログ
5ヶ月前に書いた記事がだいぶ陳腐化してきた*1気がするので、それ以降出版された書籍や、他にも学術的知識を得るだけでなく「データサイエンティストとして働く上で必要なスキル」について書かれた書籍などを加えて、「2013年秋版」の10冊をチョイスしてみました。 これはあくまでも「データサイエンティストを目指す上で必要な素地が既にある程度備わっている人」向けのスタートアップとしての10冊です。実際にはこの10冊では知識が足りなくなる場面の方が多いので、その場合は適宜発展的な書籍に当たってどんどん独習していくことをお薦めします。逆に、本当にゼロからスタートする初学者の人にはこれでもかなり辛いかもなので、今回は見なかったことにしてください、ということで。。。 そうそう、相変わらずですが僕個人はアフィリエイトやってないので、こちらのリンクから書籍を購入されても儲かるのは僕ではなくはてなです（笑）。 （※
みんなビックデータビックデータって言ってるけど 名寄せとかどうしてんの？
Social Media Marketing Trends 2024 // The Global Indie InsightsKurio // The Social Media Age(ncy)
pixivのタグ頻度から考えるラブライブのカップリング - 驚異のアニヲタ社会復帰の予備
進撃の巨人を読んだことない人がデータだけでキャラを推測してみる - あんちべ！というのが面白そうだったので、毎度おなじみのラブライブ!でネットワーク解析をしてみる。 pixivの小説からタグを取ってくる。作業は pixiv というフォルダとする。 # Rで tag <- "ラブライブ" page <- 1000 urls <- paste("http://spapi.pixiv.net/iphone/search_novel.php?s_mode=s_tag&p=", seq(page), "&word=", tag, sep="") write.table(urls, "urls.txt", row.names=FALSE, col.names=FALSE, quote=FALSE) こうして出来た urls.txt を wget を使って取得する。 # ターミナルで cd pixiv
進撃の巨人を読んだことない人がデータだけでキャラを推測してみる - あんちべ！
はじめに 最近超人気の漫画として私のTwitter TLを賑わす作品、その名も「進撃の巨人」。 これだけ人気なんだからきっと面白いに違いないのですが、 なんか絵が怖そうだし、人がバンバン死んでてグロいっぽいという噂を聞くので、 なんとか漫画を読まずに、それでいて進撃の巨人のキャラについては知りたい、 そう願う潜在的進撃の巨人ファンも全国に70万人くらいいらっしゃると思います。 そこで、データから進撃の巨人にどんなキャラが登場するか推測してみましょう。 扱うデータとして、pixivのタグ情報を利用します。 商品レビューコメントなどとは違い、ファンの創作活動がダイレクトに反映されるサービスなので、 そこに付与されるタグ情報は、ファンの熱（過ぎる）いメッセージが込められているに違いありません。 今回、以下のような縛りを入れています。 1．勿論原作は見ない 2．pixivのタグ情報は参照するけど、
バッドデータハンドブック
TOPICS Data Science , Database 発行年月日 2013年09月 PRINT LENGTH 310 ISBN 978-4-87311-640-2 原書 Bad Data Handbook FORMAT PDF 値の欠落、形式から外れたレコード、エンコーディング形式が不明な文字列。「バッドデータ」と聞いた時に思い浮べる典型例です。しかし、これら以外にも「そもそもデータにアクセスできない」「消えてしまった」「昨日と違っている」「データはあるが形式が処理に適していない」など、データを収集・分析するエンジニアは、これらの「バッドデータ」と正面から向きあわなければならないことが多々あります。本書では、これらの問題のあるデータのパターンを紹介し、その対処法を解説しています。 19人のデータ分析の専門家が、自らの経験を通して得た、さまざまな教訓、実践的な方法論等を詳述した本書は
宇野毅明 の ホームページ
English English version is here 宇野 毅明 の ホームページ あなたは 人目のお客様です． このページは，国立情報学研究所准教授，宇野毅明の研究分野である，最適化とアルゴリズム、最近はデータマイニングとビッグデータ、データ解析に関する解説，私の研究内容と業績，最近の活動を紹介するページです． この分野の研究者の方を始めとして，いろいろな方に見てもらいたいと思い，それぞれの方々にあった，説明を用意しました．私の研究内容が知りたい方，論文をダウンロードしたい方，この研究分野に興味のある学生の方，あるいはこの分野の知識を利用したいと思っている研究者の方，また，コストダウンや，システムの高速化を行いたい企業の方々など，役に立つことがあると思いますので，ぜひ，立ち寄って，中をのぞいてみてください． なお本サイトの文章、図版は転載・引用はご自由に行って下さ
靴屋とデータマイニングと季節外れの冬物衣料 - あんちべ！
やぁ。4月も終わりだというのに、いやに寒い日が続いてるね、元気かい？ 面白い話がtwitterに流れていたので紹介したい。 日経コンピュータの話。ビックデータ神話に乗り、多額の費用で解析した靴屋の話、解析結果、冬にブーツが売れ、夏にサンダルが売れるw。 https://twitter.com/yawachi/status/326460494154194944 これを見て君はどう思う？ twitterでは皆がこのニュースに対して嘲笑を投げかけていた。 そりゃそうだろう、大金を掛けて誰でもわかることしか出てこないなんて、笑われて当然さ。 データマイニングってのは、やっぱり、もっとこう、あの有名な「おむつとビール」ような意外性のあるものじゃないとね。 そう、データマイニングに必要なのは意外性だ！ あの靴屋は全く馬鹿なことをしたもんだ、ゲラゲラ！ OK、笑いが取れたようなので、もう一つ同じような話
第8回データマイニング+WEB勉強会＠東京で発表してきました。「MongoDBとAjaxで作る解析フロントエンド＆GraphDBを用いたソーシャルデータ解析」 - doryokujin's blog
お久しぶりです。@doryokujinです。11/14(日)に行われました、第８回 データマイニング+WEB 勉強会＠東京−大規模解析・ウェブ・クオンツ 祭り−で発表してきました。Togetterも参考にして下さい。 発表者・参加者双方の議論を重視するこの勉強会、今回もアツイ議論が絶えず巻起こって、とてもエキサイティングで有意義な勉強会でした。僕は前回に引き続き、今回も発表側として参加させていただきました。その時の資料は以下になります。 MongoDBとAjaxで作る解析フロントエンド＆GraphDBを用いたソーシャルデータ解析 View more presentations from doryokujin. 前回のログ解析バックエンドの続編として、散在する各種ログを集計してMongoDBに入っているデータを表・グラフとして可視化するためのフロントエンドのお話と、ソーシャルデータの解析をG
（道具としての）データサイエンティストのつかい方
2013/03/28 PFIセミナー「（道具としての）データサイエンティストのつかい方」資料 Ustreamの録画はこちらです→ http://www.ustream.tv/recorded/30518257
豊田 正史's 業績リスト
豊田 正史 : 業績リスト Automatically generated from a bibfile If you notice any errors or broken links, please let me know: m t o y o d a @ a c m . o r g 学術論文誌 木田巧 and 豊田 正史 and 喜連川 優. トレンドを考慮した検索クエリの分類手法の一検討. 2010. 日本データベース学会論文誌, 9(1):12--17. 豊田 正史. 検索エンジンスパムとその対策技術. 2008. 人工知能学会誌, 23(6):760--766. 喜連川優 and 豊田正史 and 田村孝之 and 鍛治伸裕 and 今村誠 and 高山泰博 and 藤原 聡子. 特集「学と産の連携による基盤ソフトウェアの先進的開発」Socio Sense：過去9 年に及ぶWe
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
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
Tech Lab Paak講演会 20150601
情報抽出入門 〜非構造化データを構造化させる技術〜
untitled
データマイニングの宝箱