ログイン読み込んでいます…
はじめに 目標の設定と指標の決定 目標の設定 指標の決定 評価指標に対する最低限の知識 機械学習における知識(補足) ニューラルネットワークの学習 最初に使うニューラルネットワーク 時間的にも空間的にも独立である複数の特徴量を持つデータ 空間の局所的な構造に意味のある多次元配列データ(例えば画像) 時間的な変動に意味のあるデータ(例えば音声、自然言語) ニューラルネットワークの細かい設定 ユニットの数と層の数 正則化 活性化関数 ドロップアウト バッチ正規化 学習の早期終了 性能が出ない場合 データの追加収集 ニューラルネットの設定をいじる 用いるニューラルネット自体を変更する 新たなニューラルネットワークの考案 コードを書くにあたって データ成形 結果を記録するコード フレームワークの利用 フレームワークの選択 ChainerとPyTorch TensorFlow Keras 最後に は
スタートアップは経済環境に合わせてその事業スピードを調整する必要があり、そのためにもメトリクスをうまく利用することが重要です。 冬の時代が来ると言われ、ユニットエコノミクスが注目されている 2016 年こそ、どのように戦略からメトリクスに落としこむかはスタートアップの力の見せ所ではないかなと思います。本スライドがその一助になれば幸いです。
Rによる美しいグラフの作成に欠かせないパッケージ "ggplot2" ですが、 グラフ作成のたびにネット検索したり自分の以前のコードを掘り起こしたりしませんか? author: Unadon (見習い飯炊き兵) 動作環境:Mac OS Sierra 10.12.1; R version3.3.1; rstan 2.10.1 まずはTwitterでこの記事をシェアする はじめに ggplot2のグラフ作成で迷った時、チートシートやマニュアルは役に立つけど援用しにくいんですよね。「何を言ってるのかわからない」っていうのが結構あります。 「軸ラベル」と「軸タイトル」ってどれがどれなん?など、そういう初歩的なところで引っかかったりして、 目的(こういう図にしたい!)と手段(コード)の間の知識を埋めるのが手間で「もうイヤ!」ってなる。 で、次すぐに忘れてる。 なので、頻繁に使用するggplot2の基
Tutorial R Tutorial ggplot2 ggplot2 Short Tutorial ggplot2 Tutorial 1 - Intro ggplot2 Tutorial 2 - Theme ggplot2 Tutorial 3 - Masterlist ggplot2 Quickref Foundations Linear Regression Statistical Tests Missing Value Treatment Outlier Analysis Feature Selection Model Selection Logistic Regression Advanced Linear Regression Advanced Regression Models Advanced Regression Models Time Series Time Serie
Amazon Redshift の COPY コマンドについてまとめました。まだ全てを試したことはないので、今後気づいた事は随時更新していきます。 COPYコマンド Redshift では COPY コマンドを使用して Amazon S3、Amazon EMR クラスター、Amazon DynamoDB、またはリモートホストから SSH 接続を使用して、テーブルにデータをロードすることができます。基本的なコマンドの構文は以下の通りです。ここからロードするデータに合わせてオプションのパラメータを付加します。 COPY table_name FROM 's3://copy_from_s3_objectpath' | 'emr://emr_cluster_id/hdfs_filepath' | 'dynamodb://table_name' CREDENTIALS 'aws_access_key
こんにちは! ライターのトギーです。 LIGに入社して早くも半年、メディア担当としてLIGブログをもっともっと成長させたい意欲が止まらない今日このごろです。メディアの成長には、やっぱり競合分析が不可欠ですよね。 でも、競合サイトの分析なんてやったことないし、何から手をつければいいのかもわかりません。 そもそも、LIGブログの競合サイトってどれ? どうすれば競合サイトをログが手に入る? どの数値を比較すればいいの? わからないことだらけなので、競合分析ツール『eMark+』(イーマークプラス)を開発しているヴァリューズさんに相談してみることにしました。 競合分析ってどうやるの? マーケティングコンサルタントに聞いて実際にやってみた 相談にのっていただいたのはヴァリューズで執行役員を務める子安亜紀子さん(写真左)。普段からクライアントにサイト分析の提案や報告を行うマーケティングコンサルタントを
一般社団法人データサイエンティスト協会およびスキル委員会が、2015年11月20日に公開した、「データサイエンティスト スキルチェックリスト」です。本資料には、プレスリリースおよび、「2ndシンポジウム」でのスキル委員会による講演資料が含まれます。詳細は、データサイエンティスト協会公式サイトをご覧ください。URL:http://www.datascientist.or.jp/
データ分析から導き出されたインサイト無しにAI(人工知能)の活用は始まりません。私たちは、各業界知識とデータ・アナリティクス技術を駆使しデータドリブン経営を強力に支援します。 データ、アナリティクス、AIは企業にとって競合他社との差別化を図るかつてないほど大きな要因になっています。今日の経営幹部が効率を向上しながら新たな収益源を開拓し、新しいビジネスモデルをタイムリーに構築する方法を模索する中、価値を生み出し成長を続ける企業には「データ活用」という共通項があります。私たちは、無数のデータから企業にとって本当に必要なデータを活用するための方法を知っています。 将来を見据えたオペレーション体制を備えている企業の半数以上(52%)は、すでにデータとアナリティクスを大規模に活用しています。データとAIに関する取り組みをビジネス戦略に沿って実施することで投資利益率を迅速に最大化し、最終的にはAIをビ
横文字によるストレスなくNPS®(ネット・プロモーター・スコア)を理解しよう ロイヤルティ、リテラシー、セグメント……。マーケティングの用語には、横文字が多くてうんざりしてしまうことはありませんか? マーケティングについて勉強していても、横文字のわかりにくい言葉が出てくると何が言いたいのか理解しづらいこともあるのではないかと思います。 そのため今回は、横文字をなるべく使わずに、日本人にとって分かりやすい語句で「NPS®」について解説します。 NPS®とは NPS®を使うと、ブランドやサービスなどに対してどのくらい顧客が思い入れを持っているか、どの程度親しみを感じているか、を測ることができます。正式には推奨者正味比率と訳され、欧米の企業を中心に広まっています。 調査の方法は、 「このブランド(あるいは製品・サービスなど)を友人や同僚に薦める可能性はどのくらいありますか」 という聞き方の質問を
第50回 TokyoR 発表資料 Stanコードは下のサイトで公開しております。 https://github.com/teuder/TokyoR50
このページは、[[こちら>https://hayatoiijima.jimdo.com/%E7%B5%B1%E8%A8%88%E8%A7%A3%E6%9E%90/mcmc%E3%82%B5%E3%83%B3%E3%83%97%E3%83%A9%E3%83%BC/]]に移転しました。
なのでダンダリン見てる。 あっ, どーも僕です。 リアップは劇薬じゃなくてよかったです。 rstanでちょこちょこ こちらのブログにrstanの導入&入門編が紹介されていました。 MCMCの計算にStanを使ってみた(超基礎・導入編) - 銀座で働くデータサイエンティストのブログ 普段から読んでいるブログで毎度毎度参考になります。 ですが、はじめてrstanを触る人には誤解を与えるかもな内容でしたので、ちょっと付け足しておきます。 付け足しポイントは次の2つ 回帰係数にはベクトル演算をつかうstanはいっぱい関数があってよくわからないので, まかせます codaを使わなくてもトレースと事後分布は出せる ベクトル演算は公式リファレンスで推奨されていますし、ひとつづ係数を書くのは大変なのでオススメしません。 書いて説明するのは大変なので、とりあえずRのスクリプトはこちら。リファレンスに似たよう
テラバイトデータや構造化知識研究に関する過去の記事です。 1990年6月 コンピューターの中央処理装置4台を並列的につなぎ、人間のように推理したり連想したりするコンピューターの模擬実験に、九州大学の研究グループが成功した。1991年度にも20台に増結する計画で、最終的には1万台をつなぎ、人間の思考そっくりの柔軟性に富んだコンピューターシステムを目指す。キャリアウーマン並みの有能秘書や、建物の形状を判断できる掃除ロボットの開発にもつながると期待されており「人工知能」開発競争に一石を投じそうだ。 九州大学で実験に成功 模擬実験を行ったのは、九大総合理工学研究科の雨宮真人教授(情報システム専攻)のグループ。雨宮教授らは、記憶した知識で推論や連想を行う人間の思考回路網に着目。「食物-果物-黄色-酸っぱい-レモン」など属性や因果関係でつながる情報を与えて連想ネットワークを構成。このネットワーク網をコ
研究者や研究に関わる大学生や大学院生は、一年を通じて研究室ゼミや学会などで研究成果の発表を行なわなければなりません。また、近年、科学者でない人たちに対する一般向けのプレゼンや講演(アウトリーチ活動)の機会も増えてきています。他にも、研究論文や報告書を書いたり、研究費調達のために予算申請書やプロジェクトの提案書を作成したりすることも、研究者にとって欠かせない仕事です。これらはいずれも情報を他者(研究仲間や審査員、一般市民)へ伝えようとする行為であり、正確かつ効果的な情報の発信が望まれます。しかし、自己流で資料を作成して、闇雲に情報を発信していても、スムーズに情報は伝わりません。ときには誤った情報が伝わってしまい、研究の価値を正当に評価してもらえないことさえ起こりえるのです。 情報を正確にかつスムーズに他者に伝えるためには、情報をデザインすること、つまり文章を読みやすく整えたり、図表を見やすく
ソーシャルメディア最適化の16のルール Web 2.0に関連して「ソーシャルメディア」という言葉が話題に上ることが多くなったが、最近ではその影響力を利用してトラフィックの向上やクチコミの伝播を狙う「ソーシャルメディア最適化」、略して「SMO」という言葉も聞かれるようになってきた。ここでは、ソーシャルメディアとは何か、そしてSMOとは何かについてまとめる。 住 太陽 情報が相互に流れるソーシャルメディア主導権がユーザーにあるメディアソーシャルメディアとは、情報や知識を共有するコミュニティを中心に展開されるメディアの総称で、具体的なサービスの種類としては、ソーシャルブックマーク、ソーシャルニュース、フォトシェアリング、ビデオシェアリング、ブログ、SNS、Wikiなどが代表的だ。従来のマスメディアでは情報の出し手と受け手がはっきりと分かれており、情報の流れが一方通行だったのに対して、ソーシャルメ
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