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

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. 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. 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. データマイニング+WEB勉強会＠東京
思い
4

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. 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. 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. 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. 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. 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. 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. 目的：データマイニング+WEB勉強会＠東京
12

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. 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. 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. 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. 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. 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. 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. 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. データマイニング+WEB勉強会＠東京を
21

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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 会の最後に
32

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. 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. 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. 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. 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. 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. 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