データマイニングCROSS 第2部-機械学習・大規模分散処理

7,988 views

Published on

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

Published in: Technology
0 Comments
4 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
7,988
On SlideShare
0
From Embeds
0
Number of Embeds
4,309
Actions
Shares
0
Downloads
1
Comments
0
Likes
4
Embeds 0
No embeds

No notes for slide

データマイニングCROSS 第2部-機械学習・大規模分散処理

  1. 1. 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
  2. 2. 機械学習や大規模分散処理の実活用ノウハウと展望 2
  3. 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 3
  4. 4. 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
  5. 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 5
  6. 6. 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. 7. 7
  8. 8. 8
  9. 9. 山崎大輔広告配信エンジン 9
  10. 10. 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
  11. 11. 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
  12. 12. 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
  13. 13. 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
  14. 14. 最近の課題意識(@t_uemura) 14
  15. 15. 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
  16. 16. 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
  17. 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 17
  18. 18. 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
  19. 19. 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
  20. 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 20
  21. 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 21
  22. 22. 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
  23. 23. 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

×