Submit Search
Upload
リクルートにおけるhadoop活用事例+α
•
10 likes
•
3,536 views
Recruit Technologies
Follow
2015/03/04 MapRユーザ・カンファレンスでの、白井の講演資料になります
Read less
Read more
Technology
Report
Share
Report
Share
1 of 33
Download now
Download to read offline
Recommended
Amazon Redshiftによるリアルタイム分析サービスの構築
Amazon Redshiftによるリアルタイム分析サービスの構築
Minero Aoki
Hadoopカンファレンス20140707
Hadoopカンファレンス20140707
Recruit Technologies
リクルートのビッグデータ活用基盤とビッグデータ活用のためのメタデータ管理Webのご紹介
リクルートのビッグデータ活用基盤とビッグデータ活用のためのメタデータ管理Webのご紹介
Recruit Technologies
WebDB Forum 2013
WebDB Forum 2013
Recruit Technologies
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
Recruit Technologies
20150625 cloudera
20150625 cloudera
Recruit Technologies
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
Recruit Technologies
変わる!? リクルートグループのデータ解析基盤
変わる!? リクルートグループのデータ解析基盤
Recruit Technologies
Recommended
Amazon Redshiftによるリアルタイム分析サービスの構築
Amazon Redshiftによるリアルタイム分析サービスの構築
Minero Aoki
Hadoopカンファレンス20140707
Hadoopカンファレンス20140707
Recruit Technologies
リクルートのビッグデータ活用基盤とビッグデータ活用のためのメタデータ管理Webのご紹介
リクルートのビッグデータ活用基盤とビッグデータ活用のためのメタデータ管理Webのご紹介
Recruit Technologies
WebDB Forum 2013
WebDB Forum 2013
Recruit Technologies
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
Recruit Technologies
20150625 cloudera
20150625 cloudera
Recruit Technologies
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
Recruit Technologies
変わる!? リクルートグループのデータ解析基盤
変わる!? リクルートグループのデータ解析基盤
Recruit Technologies
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
Recruit Technologies
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
DataWorks Summit/Hadoop Summit
リクルート式Hadoopの使い方
リクルート式Hadoopの使い方
Recruit Technologies
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
Tetsutaro Watanabe
ビッグデータ活用支援フォーラム
ビッグデータ活用支援フォーラム
Recruit Technologies
ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展
Recruit Technologies
[よくわかるクラウドデータベース] リクルートにおけるRedshift導入・活用事例
[よくわかるクラウドデータベース] リクルートにおけるRedshift導入・活用事例
Amazon Web Services Japan
[Developers Summit 2015 講演資料] リクルートテクノロジーズ 14,000件/秒の配信を実現した リクルートのモバイルアプリを支え...
[Developers Summit 2015 講演資料] リクルートテクノロジーズ 14,000件/秒の配信を実現した リクルートのモバイルアプリを支え...
Recruit Technologies
Hadoopカンファレンス2013
Hadoopカンファレンス2013
Recruit Technologies
WebDB Forum 2012 基調講演資料
WebDB Forum 2012 基調講演資料
Recruit Technologies
JJUG CCC リクルートの Java に対する取り組み
JJUG CCC リクルートの Java に対する取り組み
Recruit Technologies
リクルートのWebサービスを支える共通インフラ「RAFTEL」
リクルートのWebサービスを支える共通インフラ「RAFTEL」
Recruit Technologies
リクルートにおけるPaaS活用事例
リクルートにおけるPaaS活用事例
Recruit Technologies
Struggle against cross-domain data complexity in Recruit group
Struggle against cross-domain data complexity in Recruit group
Recruit Technologies
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
Recruit Technologies
RANCHERを使ったDev(Ops)
RANCHERを使ったDev(Ops)
Recruit Technologies
最新事例から学ぶビッグデータの活用法 #ocif16 #hortonworks
最新事例から学ぶビッグデータの活用法 #ocif16 #hortonworks
Kimihiko Kitase
データ分析プラットフォームの歩き方
データ分析プラットフォームの歩き方
Tomoyuki Oota
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
Recruit Technologies
並列データベースシステムの概念と原理
並列データベースシステムの概念と原理
Makoto Yui
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
Recruit Technologies
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Recruit Technologies
More Related Content
What's hot
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
Recruit Technologies
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
DataWorks Summit/Hadoop Summit
リクルート式Hadoopの使い方
リクルート式Hadoopの使い方
Recruit Technologies
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
Tetsutaro Watanabe
ビッグデータ活用支援フォーラム
ビッグデータ活用支援フォーラム
Recruit Technologies
ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展
Recruit Technologies
[よくわかるクラウドデータベース] リクルートにおけるRedshift導入・活用事例
[よくわかるクラウドデータベース] リクルートにおけるRedshift導入・活用事例
Amazon Web Services Japan
[Developers Summit 2015 講演資料] リクルートテクノロジーズ 14,000件/秒の配信を実現した リクルートのモバイルアプリを支え...
[Developers Summit 2015 講演資料] リクルートテクノロジーズ 14,000件/秒の配信を実現した リクルートのモバイルアプリを支え...
Recruit Technologies
Hadoopカンファレンス2013
Hadoopカンファレンス2013
Recruit Technologies
WebDB Forum 2012 基調講演資料
WebDB Forum 2012 基調講演資料
Recruit Technologies
JJUG CCC リクルートの Java に対する取り組み
JJUG CCC リクルートの Java に対する取り組み
Recruit Technologies
リクルートのWebサービスを支える共通インフラ「RAFTEL」
リクルートのWebサービスを支える共通インフラ「RAFTEL」
Recruit Technologies
リクルートにおけるPaaS活用事例
リクルートにおけるPaaS活用事例
Recruit Technologies
Struggle against cross-domain data complexity in Recruit group
Struggle against cross-domain data complexity in Recruit group
Recruit Technologies
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
Recruit Technologies
RANCHERを使ったDev(Ops)
RANCHERを使ったDev(Ops)
Recruit Technologies
最新事例から学ぶビッグデータの活用法 #ocif16 #hortonworks
最新事例から学ぶビッグデータの活用法 #ocif16 #hortonworks
Kimihiko Kitase
データ分析プラットフォームの歩き方
データ分析プラットフォームの歩き方
Tomoyuki Oota
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
Recruit Technologies
並列データベースシステムの概念と原理
並列データベースシステムの概念と原理
Makoto Yui
What's hot
(20)
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
リクルート式Hadoopの使い方
リクルート式Hadoopの使い方
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
ビッグデータ活用支援フォーラム
ビッグデータ活用支援フォーラム
ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展
[よくわかるクラウドデータベース] リクルートにおけるRedshift導入・活用事例
[よくわかるクラウドデータベース] リクルートにおけるRedshift導入・活用事例
[Developers Summit 2015 講演資料] リクルートテクノロジーズ 14,000件/秒の配信を実現した リクルートのモバイルアプリを支え...
[Developers Summit 2015 講演資料] リクルートテクノロジーズ 14,000件/秒の配信を実現した リクルートのモバイルアプリを支え...
Hadoopカンファレンス2013
Hadoopカンファレンス2013
WebDB Forum 2012 基調講演資料
WebDB Forum 2012 基調講演資料
JJUG CCC リクルートの Java に対する取り組み
JJUG CCC リクルートの Java に対する取り組み
リクルートのWebサービスを支える共通インフラ「RAFTEL」
リクルートのWebサービスを支える共通インフラ「RAFTEL」
リクルートにおけるPaaS活用事例
リクルートにおけるPaaS活用事例
Struggle against cross-domain data complexity in Recruit group
Struggle against cross-domain data complexity in Recruit group
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
RANCHERを使ったDev(Ops)
RANCHERを使ったDev(Ops)
最新事例から学ぶビッグデータの活用法 #ocif16 #hortonworks
最新事例から学ぶビッグデータの活用法 #ocif16 #hortonworks
データ分析プラットフォームの歩き方
データ分析プラットフォームの歩き方
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
並列データベースシステムの概念と原理
並列データベースシステムの概念と原理
Viewers also liked
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
Recruit Technologies
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Recruit Technologies
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
Recruit Technologies
LT(自由)
LT(自由)
Recruit Technologies
リクルートにおけるデータのインフラ化への取組
リクルートにおけるデータのインフラ化への取組
Recruit Technologies
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
Recruit Technologies
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
Recruit Technologies
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
Recruit Technologies
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
Recruit Technologies
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
Recruit Technologies
リクルート式AIの活用法
リクルート式AIの活用法
Recruit Technologies
HDPをWindowsで動かしてみた
HDPをWindowsで動かしてみた
adachij2002
Web時代のデスクトップGIS
Web時代のデスクトップGIS
IWASAKI NOBUSUKE
Hadoopソースコードリーディング8/MapRを使ってみた
Hadoopソースコードリーディング8/MapRを使ってみた
Recruit Technologies
楽天がHadoopを使う理由
楽天がHadoopを使う理由
Rakuten Group, Inc.
業界での勝ち組になるためのビッグデータの取り組み~ここから始めよう!~
業界での勝ち組になるためのビッグデータの取り組み~ここから始めよう!~
IBM Systems @ IBM Japan, Ltd.
Hive on Spark の設計指針を読んでみた
Hive on Spark の設計指針を読んでみた
Recruit Technologies
地理空間オープンデータの可視化をオープンソースGISで簡単に!
地理空間オープンデータの可視化をオープンソースGISで簡単に!
Ko Nagase
Data scientist summit 2014
Data scientist summit 2014
Talend KK
基調講演:「ビッグデータのセキュリティとガバナンス要件」 #cwt2015
基調講演:「ビッグデータのセキュリティとガバナンス要件」 #cwt2015
Cloudera Japan
Viewers also liked
(20)
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
LT(自由)
LT(自由)
リクルートにおけるデータのインフラ化への取組
リクルートにおけるデータのインフラ化への取組
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
リクルート式AIの活用法
リクルート式AIの活用法
HDPをWindowsで動かしてみた
HDPをWindowsで動かしてみた
Web時代のデスクトップGIS
Web時代のデスクトップGIS
Hadoopソースコードリーディング8/MapRを使ってみた
Hadoopソースコードリーディング8/MapRを使ってみた
楽天がHadoopを使う理由
楽天がHadoopを使う理由
業界での勝ち組になるためのビッグデータの取り組み~ここから始めよう!~
業界での勝ち組になるためのビッグデータの取り組み~ここから始めよう!~
Hive on Spark の設計指針を読んでみた
Hive on Spark の設計指針を読んでみた
地理空間オープンデータの可視化をオープンソースGISで簡単に!
地理空間オープンデータの可視化をオープンソースGISで簡単に!
Data scientist summit 2014
Data scientist summit 2014
基調講演:「ビッグデータのセキュリティとガバナンス要件」 #cwt2015
基調講演:「ビッグデータのセキュリティとガバナンス要件」 #cwt2015
Similar to リクルートにおけるhadoop活用事例+α
SQuBOKの変遷 (SQuBOK V3発行記念イベント)
SQuBOKの変遷 (SQuBOK V3発行記念イベント)
Keizo Tatsumi
実践で学ぶネットワーク分析
実践で学ぶネットワーク分析
Mitsunori Sato
Japan r.3
Japan r.3
Hiroki Matsui
20151107 cfj setohiga4_2
20151107 cfj setohiga4_2
Toshikazu Seto
RETEアルゴリズムを使いこなせ
RETEアルゴリズムを使いこなせ
Masahiko Umeno
既存Redshift/ETLからSpectrum/Glueへの移行を徹底解明!
既存Redshift/ETLからSpectrum/Glueへの移行を徹底解明!
Recruit Lifestyle Co., Ltd.
2020 imagine digital japan 基調講演 友岡スライド
2020 imagine digital japan 基調講演 友岡スライド
Kenji Tomooka
JSAI's AI Tool Introduction - Deep Learning, Pylearn2 and Torch7
JSAI's AI Tool Introduction - Deep Learning, Pylearn2 and Torch7
Kotaro Nakayama
20181130 lidar object detection survey
20181130 lidar object detection survey
Takuya Minagawa
[db tech showcase Tokyo 2018] #dbts2018 #C13 『IoT からクラウドで活用される Hybrid Data を高...
[db tech showcase Tokyo 2018] #dbts2018 #C13 『IoT からクラウドで活用される Hybrid Data を高...
Insight Technology, Inc.
オープンソースのデータ分析ソフト3製品「RapidMiner」「NYSOL」「Revolution R Enterprise (RRE) ※Rの商用版」のご紹介
オープンソースのデータ分析ソフト3製品「RapidMiner」「NYSOL」「Revolution R Enterprise (RRE) ※Rの商用版」のご紹介
Satoshi Kitajima
2018Rユーザ会用
2018Rユーザ会用
wada, kazumi
SaaSサブスクリプションビジネスモデルの事業計画KPIシミュレーション
SaaSサブスクリプションビジネスモデルの事業計画KPIシミュレーション
poco-c
PCCC21:東京大学情報基盤センター 「『計算・データ・学習』融合によるスーパーコンピューティングの革新、そして東大センターのこれから」
PCCC21:東京大学情報基盤センター 「『計算・データ・学習』融合によるスーパーコンピューティングの革新、そして東大センターのこれから」
PC Cluster Consortium
PCCC23:東京大学情報基盤センター 「Society5.0の実現を目指す『計算・データ・学習』の融合による革新的スーパーコンピューティング」
PCCC23:東京大学情報基盤センター 「Society5.0の実現を目指す『計算・データ・学習』の融合による革新的スーパーコンピューティング」
PC Cluster Consortium
ビジネス活用事例で学ぶデータサイエンス入門 #6
ビジネス活用事例で学ぶデータサイエンス入門 #6
you shimajiro
LAハッカソンB
LAハッカソンB
Izumi HORIKOSHI
ソースコードは要求にとって地球の裏側なのか
ソースコードは要求にとって地球の裏側なのか
Kent Ishizawa
Redshift Spectrumを使ってみた話
Redshift Spectrumを使ってみた話
Yoshiki Kouno
JAWS-UG IoT専門支部 講演資料 IoT Analyticsによる構築事例説明
JAWS-UG IoT専門支部 講演資料 IoT Analyticsによる構築事例説明
Akira Tateishi
Similar to リクルートにおけるhadoop活用事例+α
(20)
SQuBOKの変遷 (SQuBOK V3発行記念イベント)
SQuBOKの変遷 (SQuBOK V3発行記念イベント)
実践で学ぶネットワーク分析
実践で学ぶネットワーク分析
Japan r.3
Japan r.3
20151107 cfj setohiga4_2
20151107 cfj setohiga4_2
RETEアルゴリズムを使いこなせ
RETEアルゴリズムを使いこなせ
既存Redshift/ETLからSpectrum/Glueへの移行を徹底解明!
既存Redshift/ETLからSpectrum/Glueへの移行を徹底解明!
2020 imagine digital japan 基調講演 友岡スライド
2020 imagine digital japan 基調講演 友岡スライド
JSAI's AI Tool Introduction - Deep Learning, Pylearn2 and Torch7
JSAI's AI Tool Introduction - Deep Learning, Pylearn2 and Torch7
20181130 lidar object detection survey
20181130 lidar object detection survey
[db tech showcase Tokyo 2018] #dbts2018 #C13 『IoT からクラウドで活用される Hybrid Data を高...
[db tech showcase Tokyo 2018] #dbts2018 #C13 『IoT からクラウドで活用される Hybrid Data を高...
オープンソースのデータ分析ソフト3製品「RapidMiner」「NYSOL」「Revolution R Enterprise (RRE) ※Rの商用版」のご紹介
オープンソースのデータ分析ソフト3製品「RapidMiner」「NYSOL」「Revolution R Enterprise (RRE) ※Rの商用版」のご紹介
2018Rユーザ会用
2018Rユーザ会用
SaaSサブスクリプションビジネスモデルの事業計画KPIシミュレーション
SaaSサブスクリプションビジネスモデルの事業計画KPIシミュレーション
PCCC21:東京大学情報基盤センター 「『計算・データ・学習』融合によるスーパーコンピューティングの革新、そして東大センターのこれから」
PCCC21:東京大学情報基盤センター 「『計算・データ・学習』融合によるスーパーコンピューティングの革新、そして東大センターのこれから」
PCCC23:東京大学情報基盤センター 「Society5.0の実現を目指す『計算・データ・学習』の融合による革新的スーパーコンピューティング」
PCCC23:東京大学情報基盤センター 「Society5.0の実現を目指す『計算・データ・学習』の融合による革新的スーパーコンピューティング」
ビジネス活用事例で学ぶデータサイエンス入門 #6
ビジネス活用事例で学ぶデータサイエンス入門 #6
LAハッカソンB
LAハッカソンB
ソースコードは要求にとって地球の裏側なのか
ソースコードは要求にとって地球の裏側なのか
Redshift Spectrumを使ってみた話
Redshift Spectrumを使ってみた話
JAWS-UG IoT専門支部 講演資料 IoT Analyticsによる構築事例説明
JAWS-UG IoT専門支部 講演資料 IoT Analyticsによる構築事例説明
More from Recruit Technologies
新卒2年目が鍛えられたコードレビュー道場
新卒2年目が鍛えられたコードレビュー道場
Recruit Technologies
カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
Recruit Technologies
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Recruit Technologies
Tableau活用4年の軌跡
Tableau活用4年の軌跡
Recruit Technologies
HadoopをBQにマイグレしようとしてる話
HadoopをBQにマイグレしようとしてる話
Recruit Technologies
銀行ロビーアシスタント
銀行ロビーアシスタント
Recruit Technologies
ユーザーからみたre:Inventのこれまでと今後
ユーザーからみたre:Inventのこれまでと今後
Recruit Technologies
EMRでスポットインスタンスの自動入札ツールを作成する
EMRでスポットインスタンスの自動入札ツールを作成する
Recruit Technologies
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
Recruit Technologies
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
Recruit Technologies
「リクルートデータセット」 ~公開までの道のりとこれから~
「リクルートデータセット」 ~公開までの道のりとこれから~
Recruit Technologies
運用で泣かないアーキテクチャで動く原稿作成支援システム ~リクルートにおけるDeepLearning活用事例~
運用で泣かないアーキテクチャで動く原稿作成支援システム ~リクルートにおけるDeepLearning活用事例~
Recruit Technologies
リクルートにおける画像解析事例紹介と周辺技術紹介
リクルートにおける画像解析事例紹介と周辺技術紹介
Recruit Technologies
Spring “BigData”
Spring “BigData”
Recruit Technologies
Case study of DevOps for Hadoop in Recruit.
Case study of DevOps for Hadoop in Recruit.
Recruit Technologies
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
Recruit Technologies
Hadoop’s Impact on Recruit Company
Hadoop’s Impact on Recruit Company
Recruit Technologies
DataRobot活用状況@リクルートテクノロジーズ
DataRobot活用状況@リクルートテクノロジーズ
Recruit Technologies
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
Recruit Technologies
More from Recruit Technologies
(19)
新卒2年目が鍛えられたコードレビュー道場
新卒2年目が鍛えられたコードレビュー道場
カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Tableau活用4年の軌跡
Tableau活用4年の軌跡
HadoopをBQにマイグレしようとしてる話
HadoopをBQにマイグレしようとしてる話
銀行ロビーアシスタント
銀行ロビーアシスタント
ユーザーからみたre:Inventのこれまでと今後
ユーザーからみたre:Inventのこれまでと今後
EMRでスポットインスタンスの自動入札ツールを作成する
EMRでスポットインスタンスの自動入札ツールを作成する
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
「リクルートデータセット」 ~公開までの道のりとこれから~
「リクルートデータセット」 ~公開までの道のりとこれから~
運用で泣かないアーキテクチャで動く原稿作成支援システム ~リクルートにおけるDeepLearning活用事例~
運用で泣かないアーキテクチャで動く原稿作成支援システム ~リクルートにおけるDeepLearning活用事例~
リクルートにおける画像解析事例紹介と周辺技術紹介
リクルートにおける画像解析事例紹介と周辺技術紹介
Spring “BigData”
Spring “BigData”
Case study of DevOps for Hadoop in Recruit.
Case study of DevOps for Hadoop in Recruit.
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
Hadoop’s Impact on Recruit Company
Hadoop’s Impact on Recruit Company
DataRobot活用状況@リクルートテクノロジーズ
DataRobot活用状況@リクルートテクノロジーズ
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
Recently uploaded
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
Recently uploaded
(10)
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
リクルートにおけるhadoop活用事例+α
1.
株式会社リクルートテクノロジーズ ITソリューション統括部 ビッグデータ2グループ 白井 祐典 リクルートにおける hadoop活用事例+α
2.
自己紹介 2 氏名 白井 祐典 所属
RTC ITソリューション統括部 ビッグデータ2G 略歴 中途入社3年目。カーセンサー.netのHadoop施策において 要件定義/開発を2年間実施中。 Hadoopエコシステムの検証や、 画像解析などの検証/事業接続を実施。 学歴 長岡技術科学大学 経営情報システム工学専攻 趣味etc ゴルフ 映画 将棋(振り飛車党)
3.
アジェンダ 最近のデータ活用状況1 データ利活用紹介(案件/R&D)2 まとめと今後3
4.
4 最近のデータ活用状況
5.
数値で見るデータ解析環境 5 本番110台 860 TB(レプリケート時) エコシステム
6.
数値で見るHadoopの使われ方 6 24,698 295 1038 万 1日あたりの全JOBの数 1日あたりの全WebHiveクエリの数 1日あたりの全Hbaseクエリの数 ※2
7.
数値で見るデータ解析案件状況 7 200 224 データ解析案件数(年間) ビッグデータ部の案件従事人数 ぐらい
8.
8 データ利活用紹介(案件)
9.
9 ビッグデータ活用における体制図 (「コンサル型」+「エンジニア型」)×マーケター コンサル型 エンジニア型 事業担当者 ≒マーケタービッグデータグループ Hadoop
10.
10 データドリブンの意思決定・施策 【数が多い】 (レコメンド・BI・予測・リアルタイム・非構造) 施策ひとつひとつがより難易度高くかつ長期に【質が高い】 ①シナリオマーケティング、②リアルタイムレコメンド、 ③画像解析 etc 事業担当者 ≒マーケター の知識向上、データドリブン施策の 重要性が認識・拡散。 ここ数年での変化
11.
11 データドリブンの意思決定・施策 【数が多い】 (レコメンド・BI・予測・リアルタイム・非構造) 施策ひとつひとつがより難易度高くかつ長期に【質が高い】 ①シナリオマーケティング、②リアルタイムレコメンド、 ③画像解析 etc 事業担当者 ≒マーケター の知識向上、データドリブン施策の 重要性が認識・拡散。 ここ数年での変化
12.
12 シナリオマーケティング カーセンサー
13.
カスタマのニーズに沿ったアクションまでの最適なシナリオの提供 ~カスタマの行動に応じた適切な施策の表出~ カーセンサー シナリオマーケティング 欲しい車種はある。けど、物 件が多すぎて探し切れない… カーセンサーを知ってる! 中古車欲しいから来てみた! 近くで探したいけど まだ車種が決まっていない… 初回来訪 アクション 物件一覧
カタログ TOP CS使い方 欲しい車 種を見つ けよう ※ 実施策ではなく、イメージです 絞込 ボディT 車種 絞込 地域 価格上限 燃費 相場 販売店 高崎店 近店検索 並列比較
14.
14 カーセンサー シナリオマーケティング Hadoop×D3.jsでサイトの使われ方を解体 ※ デモ
15.
15 カーセンサー シナリオマーケティング D3.jsに描画するまでの流れ 過去2年分の 行動ログ取得 画面遷移および 人数・CVR集計 Json形式へ整形 木構造を持った 画面遷移を機械的に描写
16.
16 カーセンサー シナリオマーケティング 有用な機能を使いやすい条件を集計/決定木などで特定 次画面名 1000000 100
175000 100 138543 100 449567 100 69201 100 29835 100 7048 100 1 物件詳細 650000 34.44 0 0% 88232 14% 400000 62% 38337 6% 18284 3% 1537 0% 2 離脱 120000 32.78 120000 100% 0 0% 0 0% 0 0% 0 0% 0 0% 3 機能A 78000 11.62 0 0% 33000 42% 10959 14% 6426 8% 3020 4% 308 0% 4 再来訪 55000 8.59 55000 100% 0 0% 1 0% 0 0% 0 0% 0 0% 5 機能B 41000 8.46 0 0% 10000 24% 300 1% 20000 49% 4000 10% 10 0% 6 TOP 39000 1.89 0 0% 5191 13% 2307 6% 1764 5% 1177 3% 226 1% 7 特集記事A 34000 1.48 0 0% 2000 6% 20000 59% 1466 4% 2391 7% 967 3% 8 特集記事B 22000 0.75 0 0% 120 1% 16000 73% 1208 5% 963 4% 4000 18% 人数 割合人数 割合 人数 割合 人数 割合 All 人数 割合 人数 割合 人数 物件一覧ランディング 全体 滞在時間 無し 15秒以下 15~30秒 30~60秒 1~3分 3~5分 割合 次画面名 1000000 100 100000 100 155543 100 450587 100 69201 100 70315 100 48840 100 1 物件詳細 650000 34.44 0 0% 88232 14% 400000 62% 38337 6% 18284 3% 1537 0% 2 離脱 120000 32.78 90000 75% 0 0% 0 0% 0 0% 10000 8% 20000 17% 3 機能A 78000 11.62 0 0% 10000 13% 10959 14% 6426 8% 33500 43% 22100 28% 4 再来訪 55000 8.59 10000 18% 40000 73% 1 0% 0 0% 0 0% 0 0% 5 機能B 41000 8.46 0 0% 10000 24% 300 1% 20000 49% 4000 10% 10 0% 6 TOP 39000 1.89 0 0% 5191 13% 2307 6% 1764 5% 1177 3% 226 1% 7 特集記事A 34000 1.48 0 0% 2000 6% 24000 71% 1466 4% 2391 7% 967 3% 8 特集記事B 22000 0.75 0 0% 120 1% 13020 59% 1208 5% 963 4% 4000 18% 人数 割合 人数 割合 人数 割合 人数 割合 人数 割合 人数 割合 人数 割合 All 物件一覧ランディング 全体 [検索]物件ヒット数_e27 <1000<100 <10000<10 10000<0件 ※ A 15 HIT 0 B 30
17.
17 カーセンサー シナリオマーケティング 有用な機能を使いやすい条件を集計/決定木などで特定 ※ N=50000 離脱率=24% N=12000 離脱率=14% N=38000 離脱率=29% 検索キーワードに「中古」がある 検索キーワードに「中古」がない N=28000 離脱率=22% N=10000 離脱率=38% HIT件数がX件以上
HIT件数がX件以下
18.
どの画面遷移をした人に、どの条件でどういう施策を連続して 打つ(シナリオ)か?を分析者/実装者/事業担当者間で要件定義 カーセンサー シナリオマーケティング 欲しい車種はある。けど、物 件が多すぎて探し切れない… 初回来訪 アクション 物件一覧 ※
施策の一部(デバイス:PC) 絞込 地域 価格上限 店誘導 在庫数 問合せ先
19.
19 リアルタイムレコメンド タウンワーク
20.
【期待される効果】 ① カスタマ毎の嗜好が並び順に反映されるため CVRが上がる ② 一覧がカスタマに望ましい順番になるため 表示上位から応募されて、応募数増が見込める カスタマ毎におすすめの求人をスコアが高い順で一覧へ表示する + カスタマが原稿を閲覧したタイミングで検索結果が変化する タウンワーク:検索結果の最適化 カスタマ別に検索結果を最適化する
21.
タウンワーク: 仕組み紹介 21 スコア表 STEP1 過去のカスタマーの行動情報をもとにして、 「原稿同士の関連スコア」=スコア表
を計算 閲覧ログ スコア演算 日次 バッチ スコア表 更新 検索結果の入れ替え STEP2 スコア表とリアルタイムの行動履歴情報をもとに、逐 次演算してカスタマーが最も嗜好するような検索結果に最適化 スコア表 リアルタイム 行動履歴 ユーザID 原稿ID スコア User001 A001 0.9+0.1 User001 B001 0.8+0.5 ユーザID 原稿ID スコア User001 A001 0.9 User001 B001 0.8 リアル タイム
22.
22 データ利活用紹介( R&D )
23.
取り掛かり中(一部やりたい)のテーマ紹介 23 Titan グラフ画像解析 テキスト 解析 ストリーム分散SQL
24.
取り掛かり中(一部やりたい)のテーマ紹介 24 Titan グラフ画像解析 テキスト 解析 ストリーム分散SQL
25.
一般物体認識:スパースコーディング+SVM 25 一般物体認識: 画像に映った物を特定する処理 ① 画像をベクトルに変換するencoderの作成 ②
encoderで画像をベクトルに変換 ③ 教師有ベクトルを用いて判別モデルを生成 ④ 未知の画像を②でベクトルに変換 ⑤ ③のモデルに④を通し物体を特定 カスタマが興味のある画像に、何が映っているかを特定し、 検索の軸としたり、レコメンド利用の可能性がある
26.
一般物体認識:スパースコーディング [encoder作成] 26 K-means, Sparse Coding, OMP, RBM, Auto
Encoder… ①学習する全画像から、d×dピクセルの局所画像をランダムに抽出。 ②抽出した局所画像をrgb×d×dの配列とし、 ベクトル空間へプロット。 ③ベクトルの軸を、各画像がスパースになる ような軸の変換式(encoder)を作成。
27.
一般物体認識:スパースコーディング [学習用vector作成] 27 Encoding Pooling fn(x)
先のページで作った エンコーダー適応 ΣやM 特徴ベクトル化 y(1,1) y(1,2) k次元 先のページで作ったエンコーダーを用いて画像を特徴ベクト ルの変換する。 投入イメージ 画像表現 特徴量 ④学習画像を左上から順にd×dピクセルづつ 取得し、encoderを用いてベクトル変換。 ⑤得たベクトルを4範囲で各平均を取り、 それを合成して画像のベクトルとする。
28.
スパースコーディング [分類器の作成] 28 得られた特徴を用いて一般物体認識(SVM…)を行う。 これにより、未知の画像に何が映るか判別 ⑥⑤で得たベクトルに、正解ラベルを付与し SVMで分類器を生成。 ⑦未知の画像を⑥の分類器にかけることで、 どのラベルに属するかを判定
29.
施策展開 [ホットペッパービューティ] 似ているデザインから探す カラーから探す NEW① NEW① NEW② 似ている画像を表示 NEW② 39色から選択可能 目的 ・ネイルカタログの回遊を高め、CVRの増加 ・ネイルカタログの競合劣位の改善 施策内容 ■似ているデザインから探す デザイン詳細画面に、ユーザーが選択したネイルデザインに類似度が高いネイルデザインを表示する。 ■カラーから探す 39色から探せる検索軸を追加する。 ※類似デザインやカラーに合致したデザインは、画像解析エンジンを用いて判別している。
30.
画像解析はまだhadoopが利用できていない 30 1 H2O[DeepLearning] hbase
31.
31 まとめと今後
32.
Hadoop まとめと今後 32
33.
ご清聴ありがとうございました リクルートテクノロジーズ
Download now