[データマイニング+WEB勉強会][R勉強会] 創設の思い・目的・進行方針

4,295 views
4,170 views

Published on

データマイニング+WEB勉強会 第3回(2010/04/17)でのオープニングトークです。「OpeningTalk - 創設の思い・目的・方針」 hamadakoichi 濱田晃一。 途中、質問・議論をはさむ双方向形式で進行し、15分の講義を行いました

Published in: Technology
0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
4,295
On SlideShare
0
From Embeds
0
Number of Embeds
786
Actions
Shares
0
Downloads
0
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

[データマイニング+WEB勉強会][R勉強会] 創設の思い・目的・進行方針

  1. 1. データマイニング+WEB勉強会@東京 第3回 Opening Talk 創設の思い・目的・進行方針 hamadakoichi 濱田 晃一 2010/04/17
  2. 2. AGENDA ◆創設の思い・目的 ◆3つの進行方針 ◆声と改善 ◆より有意義な場へ ◆本日のタイムテーブル
  3. 3. AGENDA ◆創設の思い・目的 ◆3つの進行方針 ◆声と改善 ◆より有意義な場へ ◆本日のタイムテーブル
  4. 4. データマイニング+WEB勉強会@東京 思い 4
  5. 5. データマイニング+WEB勉強会@東京 思い 蓄積データを活用し 5
  6. 6. データマイニング+WEB勉強会@東京 思い 蓄積データを活用し 継続的に活動進化できる 世界を作りたい 6
  7. 7. データマイニング+WEB勉強会@東京 ひとりでは世界は創れない 7
  8. 8. データマイニング+WEB勉強会@東京 みんなの協力が必要 8
  9. 9. データマイニング+WEB勉強会@東京 蓄積データを有効活用したい人が 9
  10. 10. データマイニング+WEB勉強会@東京 蓄積データを有効活用したい人が それを実現できるようにしたい 10
  11. 11. データマイニング+WEB勉強会@東京 データマイニング+WEB勉強会@東京 (#TokyoWebmining) 始めました 11
  12. 12. 目的:データマイニング+WEB勉強会@東京 12
  13. 13. 目的:データマイニング+WEB勉強会@東京 データマイニングの方法論を用い 蓄積されたデータを有効活用していく方法を学ぶ 13
  14. 14. 目的:データマイニング+WEB勉強会@東京 データマイニングの方法論を用い 蓄積されたデータを有効活用していく方法を学ぶ 統計解析 Web API データマイニング 最適解探索 アルゴリズム 14
  15. 15. 目的:データマイニング+WEB勉強会@東京 データマイニングの方法論を用い 蓄積されたデータを有効活用していく方法を学ぶ 統計解析 Web API データマイニング 対応分析 時系列分析 回帰分析 クラスター分析 判別分析 主成分分析 因子分析 カーネル法 樹木モデル ニューラルネットワーク サポートベクターマシン … 最適解探索 アルゴリズム 15
  16. 16. 目的:データマイニング+WEB勉強会@東京 データマイニングの方法論を用い 蓄積されたデータを有効活用していく方法を学ぶ 統計解析 Web API データマイニング Amazon Web Service 楽天 Web Service 対応分析 時系列分析 Twitter API Recruit Web Service 回帰分析 Yahoo! Web Service クラスター分析 はてな Web Service 判別分析 主成分分析 因子分析 (Bookmark/Graph/Keyword,…) Bookmark/Graph/Keyword, カーネル法 Google Data API 樹木モデル (Calendar/Maps/BookSearch/ FinancePortfolioData,…) FinancePortfolioData, ニューラルネットワーク サポートベクターマシン … … 最適解探索 アルゴリズム 16
  17. 17. 目的:データマイニング+WEB勉強会@東京 データマイニングの方法論を用い 蓄積されたデータを有効活用していく方法を学ぶ 統計解析 Web API データマイニング Amazon Web Service 楽天 Web Service 対応分析 時系列分析 Twitter API Recruit Web Service 回帰分析 Yahoo! Web Service クラスター分析 はてな Web Service 判別分析 主成分分析 因子分析 (Bookmark/Graph/Keyword,…) Bookmark/Graph/Keyword, カーネル法 Google Data API 樹木モデル (Calendar/Maps/BookSearch/ FinancePortfolioData,…) FinancePortfolioData, ニューラルネットワーク サポートベクターマシン … 免疫型最適化 Particle Swam … Memetic Ant Colony 遺伝的 熱力学的 シミュレーテドアニーリング 力学モデルによる最適化 タブーサーチ グラフ … 最適解探索 アルゴリズム 17
  18. 18. 目的:データマイニング+WEB勉強会@東京 データマイニングの方法論を用い 蓄積されたデータを有効活用していく方法を学ぶ 統計解析 Web API データマイニング Amazon Web Service 楽天 Web Service 対応分析 時系列分析 Twitter API Recruit Web Service 回帰分析 Yahoo! Web Service クラスター分析 はてな Web Service 判別分析 主成分分析 因子分析 (Bookmark/Graph/Keyword,…) Bookmark/Graph/Keyword, カーネル法 Google Data API 樹木モデル (Calendar/Maps/BookSearch/ FinancePortfolioData,…) FinancePortfolioData, ニューラルネットワーク サポートベクターマシン … 免疫型最適化 Particle Swam … Memetic Ant Colony 遺伝的 熱力学的 シミュレーテドアニーリング 力学モデルによる最適化 タブーサーチ グラフ … 最適解探索 アルゴリズム 18
  19. 19. 目的:データマイニング+WEB勉強会@東京 本日 第3回のテーマ 統計解析 Web API データマイニング Amazon Web Service 楽天 Web Service 対応分析 時系列分析 Talk1 Twitter API Recruit Web Service 回帰分析 Yahoo! Web Service クラスター分析 Talk2 はてな Web Service 判別分析 主成分分析 因子分析 (Bookmark/Graph/Keyword,…) Bookmark/Graph/Keyword, Talk3 カーネル法 Google Data API 樹木モデル (Calendar/Maps/BookSearch/ FinancePortfolioData,…) FinancePortfolioData, ニューラルネットワーク サポートベクターマシン Talk4 … 免疫型最適化 Particle Swam … Memetic Ant Colony 遺伝的 熱力学的 シミュレーテドアニーリング 力学モデルによる最適化 タブーサーチ グラフ Talk5 … 最適解探索 アルゴリズム 19
  20. 20. AGENDA ◆創設の思い・目的 ◆3つの進行方針 ◆声と改善 ◆より有意義な場へ ◆本日のタイムテーブル 20
  21. 21. データマイニング+WEB勉強会@東京を 21
  22. 22. データマイニング+WEB勉強会@東京を 発表者・参加者にとって より有意義な場にしたい 22
  23. 23. データマイニング+WEB勉強会@東京を 発表者・参加者にとって より有意義な場にしたい 3つの進行方針 23
  24. 24. 3つの進行方針 充分な時間を充て 理解・議論を優先する 1.充分な時間: 各テーマごとにしっかり時間を充てる (浅く多くではなく、少ないテーマでも深く) 2.理解: 進行を急がない。分からないところはすぐ質問。 講師・各メンバーからの返答で、みなで理解を深めることを優先する。 3.議論: 議論時間をしっかりとる。 各分野の意見の共有、皆での発想・創造を優先する。 全員でのフラットな議論。講師にとっても有意義な場となるようにする。 24
  25. 25. AGENDA ◆創設の思い・目的 ◆3つの進行方針 ◆声と改善 ◆より有意義な場へ ◆本日のタイムテーブル 25
  26. 26. 参加者の声のフィードバック・継続改善 参加者の声から 開催内容を改善しています 参加者の感想・期待 (第2回開催後) 26
  27. 27. 参加者の声のフィードバック・継続改善 参加者の声から 開催内容を改善しています 第2回 参加者の声の要約 第3回の改善アクション 理論・基礎から理解できる内容がよ 理論・基礎内容を入れる構成方針を かった。 継続 質問・議論を豊富にいれる進行がよ 進行方法を継続 かった。 時間枠がもっと長いほうがよい。 開催時間を2時間⇒5時間に延長 内容を豊富にできる。 各手法の応用例・実際の適用事例を知 クラスタリングの実際の適用事例 りたい。 (マーケティングリサーチ、医療)に関 するトークを2本構成 27
  28. 28. 参加者の声のフィードバック・継続改善 参加者の声から 開催内容を改善しています 第2回 参加者の声の要約 第3回の改善アクション 理論・基礎から理解できる内容がよ 理論・基礎内容を入れる構成方針を かった。 継続 質問・議論を豊富にいれる進行がよ 進行方法を継続 かった。 時間枠がもっと長いほうがよい。 開催時間を2時間⇒5時間に延長 内容を豊富にできる。 各手法の応用例・実際の適用事例を知 クラスタリングの実際の適用事例 りたい。 (マーケティングリサーチ、医療)に関 するトークを2本構成 28
  29. 29. 参加者の声のフィードバック・継続改善 参加者の声から 開催内容を改善しています 第2回 参加者の声の要約 第3回の改善アクション 理論・基礎から理解できる内容がよ 理論・基礎内容を入れる構成方針を かった。 継続 質問・議論を豊富にいれる進行がよ 進行方法を継続 かった。 時間枠がもっと長いほうがよい。 開催時間を2時間⇒5時間に延長 内容を豊富にできる。 各手法の応用例・実際の適用事例を知 クラスタリングの実際の適用事例 りたい。 (マーケティングリサーチ、医療)に関 するトークを2本構成 29
  30. 30. AGENDA ◆創設の思い・目的 ◆3つの進行方針 ◆声と改善 ◆より有意義な場へ ◆本日のタイムテーブル 30
  31. 31. 次回は今回より より有意義な場にしたい みんなの声・改善提案が必要 31
  32. 32. 会の最後に 32
  33. 33. 会の最後に 「感想」「今後の期待・改善提案」 を伺いますね 33
  34. 34. 会の最後に 「感想」「今後の期待・改善提案」 を伺いますね ※次回発表者も募集します 34
  35. 35. データマイニング+WEB勉強会 発表者を募集しています 連絡 Google Group: http://groups.google.com/group/webmining-tokyo Twitter : http://twitter.com/hamadakoichi 35
  36. 36. AGENDA ◆創設の思い・目的 ◆3つの進行方針 ◆声と改善 ◆より有意義な場へ ◆本日のタイムテーブル 36
  37. 37. 3つの進行方針 充分な時間を充て 理解・議論を優先する 1.充分な時間: 各テーマごとにしっかり時間を充てる (浅く多くではなく、少ないテーマでも深く) 2.理解: 進行を急がない。分からないところはすぐ質問。 講師・各メンバーからの返答で、みなで理解を深めることを優先する。 3.議論: 議論時間をしっかりとる。 各分野の意見の共有、皆での発想・創造を優先する。 全員でのフラットな議論。講師にとっても有意義な場となるようにする。 37
  38. 38. タイムテーブル:第3回データマイニング+WEB@東京 全員が充分な時間を充て 相互理解を深められるように改善 内容 講師 Twitter Id Opening Talk (15分) @hamadakoichi 自己紹介 (25分) @hamadakoichi R言語による クラスター分析 - 活用編 (90分) @hamadakoichi 休憩(10分) 市場細分化とクラスター分析 (30分) @bob3bob3 検診データへのクラスタリング適用例(30分) @dichika 休憩(10分) 機械学習入門 – SVMによる画像分類(60分) @yokkuns 休憩(10分) 参加者の声・発表者募集+バファー (20分) @hamadakoichi 38
  39. 39. 会の最後に 「感想」「今後の期待・改善提案」 を伺いますね ※次回発表者も募集します 39

×