• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
データマイニングCROSS 第2部-機械学習・大規模分散処理
 

データマイニングCROSS 第2部-機械学習・大規模分散処理

on

  • 4,119 views

データマイニングCROSS 2012 パネルディスカッション第2部-機械学習・大規模分散処理 実ビジネス・サービス活用のノウハウと展望

データマイニングCROSS 2012 パネルディスカッション第2部-機械学習・大規模分散処理 実ビジネス・サービス活用のノウハウと展望

Statistics

Views

Total Views
4,119
Views on SlideShare
2,500
Embed Views
1,619

Actions

Likes
3
Downloads
1
Comments
0

4 Embeds 1,619

http://d.hatena.ne.jp 1599
http://s.deeeki.com 14
http://webcache.googleusercontent.com 5
http://us-w1.rockmelt.com 1

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    データマイニングCROSS 第2部-機械学習・大規模分散処理 データマイニングCROSS 第2部-機械学習・大規模分散処理 Presentation Transcript

    • CROSS 2012 2012/01/27 データマイニングCROSS パネルディスカッション第2部 機械学習・大規模分散処理実ビジネス・サービス活用のノウハウと展望 モデレータ: 濱田晃一(@hamadakoichi) 1
    • 機械学習や大規模分散処理の実活用ノウハウと展望 2
    • 機械学習や大規模分散処理の実活用ノウハウと展望 充分な時間を充て パネリスト間での議論を優先する 3
    • 機械学習や大規模分散処理の実活用ノウハウと展望 充分な時間を充て パネリスト間での議論を優先する パネル項目を3つに絞る 4
    • 機械学習や大規模分散処理の実活用ノウハウと展望◆17:05-17:15(10分) パネリスト紹介・業界特徴紹介◆17:15-17:35(20分) データマイニングの成功例・失敗例と そのポイント◆17:35-17:55(20分) 今後注目していること どういう方向に向かってこうとしているか 5
    • 機械学習や大規模分散処理の実活用ノウハウと展望◆17:05-17:15(10分) パネリスト紹介・業界特徴紹介◆17:15-17:35(20分) データマイニングの成功例・失敗例と そのポイント◆17:35-17:55(20分) 今後注目していること どういう方向に向かってこうとしているか 6
    • 7
    • 8
    • 山崎大輔広告配信エンジン 9
    • パネリスト氏名 パネリスト経歴サマリーメッセージ 対談とか ◆項目: 講演とか xxxx 講座? ◆項目: 広告/マーケティングプランニングのお手伝いを、 xxxx データがちょっとしかなかったころから、 データ分析/統計分析をベースにやってきてます 図・表等 寄稿とか 10
    • 業界名 マーケティングコミュニケーション 広告費はGDPの1〜2% かつては「マーコム費は半分は無駄だがやめられない」 ネット広告は測れる 〜誤解/誤用も さらに“デジタルなもの”の普及でデータが絶賛爆発中 それでも不確定要素が88%くらい(勘) 11
    • 上村 崇(うえむら たかし) @t_uemura 分析力をコアとする情報最適化企業 株式会社ALBERT 代表取締役社長 12
    • 広告最適化・データマイニング・レコメンデーション・CRM 消費者行動を予測するマーケティングサイエンス◆データの特徴:多種多様なデータ(業種・デバイス・データ種類etc)Behavior data(閲覧・クリック・お気に入り・購買etc)◆解析の特徴:消費者行動分析(マーケティングサイエンス)ソリューション視点(どのように打ち手につなげるか)予測モデルの必要性(先回りの必要性) 13
    • 最近の課題意識(@t_uemura) 14
    • 奥野 陽 (@nokuno) 自然言語処理,機械学習,データマイニングを 専門とするソフトウェアエンジニア ◆Social IME開発者: 未踏ソフトウェア採択 非構造 ユーザ参加型IME 化データ ◆TokyoNLP主催者: 深い 大規模 かな漢字変換 スペル訂正 解析 データ 機械翻訳 15
    • 自然言語処理人間の言語をコンピュータによって解析・生成する分野で, 検索エンジン・レコメンド・IMEなどの応用を持つ◆データの特徴: 非構造化 基礎技術 応用技術 大規模 意味解析 検索エンジン◆解析の特徴: スペル訂正 構文解析 系列の解析 機械翻訳 木構造の解析 形態素解析 日本語入力 グラフの解析 16
    • 機械学習や大規模分散処理の実活用ノウハウと展望◆17:05-17:15(10分) パネリスト紹介・業界特徴紹介◆17:15-17:35(20分) データマイニングの成功例・失敗例と そのポイント◆17:35-17:55(20分) 今後注目していること どういう方向に向かってこうとしているか 17
    • 機械学習や大規模分散処理の実活用ノウハウと展望◆17:05-17:15(10分) パネリスト紹介・業界特徴紹介◆17:15-17:35(20分) データマイニングの成功例・失敗例と そのポイント◆17:35-17:55(20分) 今後注目していること どういう方向に向かってこうとしているか 18
    • 業界全体での活用 各業界での データマイニング活用 各業界でそれぞれの人々にあった 適切なサービス提供 19
    • 業界全体での活用 データマイニングの活用へ向けた各オープンコミュニティ みなさんぜひご参加ください 20
    • 業界全体での活用 データマイニングの活用へ向けた各オープンコミュニティ みなさんぜひご参加ください TokyoWebmining Tokyo.R TokyoNLP DSIRNLP 21
    • 業界全体での活用 データマイニングの活用へ向けた各オープンコミュニティ みなさんぜひご参加ください TokyoWebmining Tokyo.R TokyoNLP DSIRNLP ご清聴ありがとうございました 22
    • 機械学習や大規模分散処理の実活用ノウハウと展望◆17:05-17:15(10分) パネリスト紹介・業界特徴紹介◆17:15-17:35(20分) データマイニングの成功例・失敗例と そのポイント◆17:35-17:55(20分) 今後注目していること どういう方向に向かってこうとしているか 23