リクルートライフスタイル執行役員 塩見直輔さんに聞く「コンテンツマーケティングへの取り組み、はてなブックマークとの関わり」 - はてなビジネスブログ
じゃらん、ホットペッパー、ケイコとマナブなど日々の生活に密着したサービスを数多く運営するリクルートライフスタイル様。Webメディア事業も手掛けられ、はてなブログMediaやはてなの広告をご利用いただいています。 35以上のサイト・アプリ・サービス（取材時点）の集客責任者としてメンバーや予算のマネジメントをするのが、Webマーケティング分野の執行役員である塩見直輔様です。リクルートライフスタイルにおけるWebマーケティングの取り組みについてお話を伺いました。 ■ Webサービス運営を一通り学ぶためにリクルートへ 株式会社リクルートライフスタイル 執行役員 ネットビジネス本部ウェブマーケティングユニット長 タブルーム プロデューサー 塩見直輔様 ――塩見様が担当されている業務について教えていただけますか。 塩見様 大きく3つの仕事があります。まずリクルートライフスタイルにおける集客担当の執行役
RCOアドテク部論文輪読会：「Random Search for Hyper-Parameter Optimization」を紹介しました | RCO Ad-Tech Lab Blog
RCOアドテク部論文輪読会：「Random Search for Hyper-Parameter Optimization」を紹介しました 2016/03/15s_akiba エンジニアの秋庭です。 データ分析チームの論文輪読会にて、「Random Search for Hyper-Parameter Optimization」[1]を紹介しました。 こちらの論文では、機械学習のハイパーパラメータ探索手法として、Random Searchに注目し、Grid Searchとの比較を行っています。Random Search自体は、非常に簡単な手法ですが、Grid Seachと比較して、効率的にハイパーパラメータの探索を行うことができます。機械学習のハイパーパラメータには、性能に影響を与える重要なパラメータとあまり重要ではないパラメータがあります(論文中では、それぞれ、Important par
リクルートテクノロジーズがURLを発信するビーコンデバイスと専用アプリを開発 - 株式会社リクルートテクノロジーズ
(c) Recruit Co., Ltd.
RECRUIT TECHNOLOGIES Member's blog NNライブラリChainerをScikit-learn likeにガンガン拡張する
from xchainer import NNmanager import numpy as np from chainer import FunctionSet, Variable, optimizers import chainer.functions as F from sklearn.base import ClassifierMixin # NNmanager NNmanager model optimizer lossFunction model chainer.FunctionSetoptimizer chainer.optimizerslossFunction chainer.functions chainer paramsparams epoch batchsize logging forward trimOutput forward trimOutput chain
リクルート全社検索基盤のアーキテクチャ、採用技術、開発体制はどうなっているのか
リクルート全社検索基盤のアーキテクチャ、採用技術、開発体制はどうなっているのか：Elasticsearch＋Hadoopベースの大規模検索基盤大解剖（1）（1/2 ページ） リクルートの事例を基に、大規模BtoCサービスに求められる検索基盤はどう構築されるものなのか、どんな技術が採用されているのか、運用はどうなっているのかなどについて解説する連載。初回は全体的なアーキテクチャ、採用技術、開発体制について。 連載目次 大規模BtoCサービスで求められる検索基盤は、どうあるべきなのか カスタマー（消費者）が求めるものが日々変わっていく現在において、BtoCの検索基盤はどうあるべきなのでしょうか。 例えば、リクルートで使われている検索基盤の「Qass（Query analyze search system）」は単に全文検索機能を提供するのではなく、以下を軸としています。 サービスごとに最適化され
ディープラーニングで検索ランキングを改善し、大きな効果が出た話 | RECRUIT TECHNOLOGIES Member's blog
検索改善担当の大杉です。今回は、2015年度まるまる取り組んでいたディープラーニング 1 を活用した施策について共有します。 汎用的に使えそうな部分を抽出して書いています。なので具体的な数字は出てきませんが、検索動線がコンバージョンに影響を与えるようなサービス一般に対して通用するんじゃないかと思ってます。 前提として すでにログやユーザーが集まっているサービス 専門性の高いメンバーで構成されたチーム（データサイエンティストは不在） が、すでに与えられている恵まれた状態からスタートしています。 なにをやったか ポンパレモール というECサイトで、検索時のランキングアルゴリズムの改善をやりました。検索基盤についてはこちらをご参照ください。 リクルート全社検索基盤のアーキテクチャ、採用技術、開発体制はどうなっているのか (1/2) 今回はそのアルゴリズムのロジック部分の話です。 やったことを１文
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
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
経営支援サービス｜アントレnet【Managers】
パートナー紹介サービス、ツインキュ｜リクルートの婚活サイト【TwinCue】
最新業界事情から見るデータサイエンティストの「実像」