Submit Search
Upload
データサイエンス勉強会_レコメンド
•
Download as PPTX, PDF
•
0 likes
•
624 views
K
Kikuya Takumi
Follow
勉強会資料
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 36
Download now
Recommended
データサイエンス勉強会_効率の良い勉強方法
データサイエンス勉強会_効率の良い勉強方法
Kikuya Takumi
データ分析勉強会
データ分析勉強会
Kikuya Takumi
SEO業者事業仕分け論
SEO業者事業仕分け論
Takahiro Ogoshi
システムトレード構築セミナー
システムトレード構築セミナー
Yoshiyuki Hongoh
インターネットの仕組み
インターネットの仕組み
Yoichiro Takehora
Webパフォーマンス計測の勘所 2013-07-05
Webパフォーマンス計測の勘所 2013-07-05
Yoichiro Takehora
IBM XCITE Spring 2015 - XPages application success story and IBM Bluemix
IBM XCITE Spring 2015 - XPages application success story and IBM Bluemix
Atsushi Sato
【ad:tech tokyo 2012】セッション資料_高沢冬樹氏
【ad:tech tokyo 2012】セッション資料_高沢冬樹氏
Le Grand
Recommended
データサイエンス勉強会_効率の良い勉強方法
データサイエンス勉強会_効率の良い勉強方法
Kikuya Takumi
データ分析勉強会
データ分析勉強会
Kikuya Takumi
SEO業者事業仕分け論
SEO業者事業仕分け論
Takahiro Ogoshi
システムトレード構築セミナー
システムトレード構築セミナー
Yoshiyuki Hongoh
インターネットの仕組み
インターネットの仕組み
Yoichiro Takehora
Webパフォーマンス計測の勘所 2013-07-05
Webパフォーマンス計測の勘所 2013-07-05
Yoichiro Takehora
IBM XCITE Spring 2015 - XPages application success story and IBM Bluemix
IBM XCITE Spring 2015 - XPages application success story and IBM Bluemix
Atsushi Sato
【ad:tech tokyo 2012】セッション資料_高沢冬樹氏
【ad:tech tokyo 2012】セッション資料_高沢冬樹氏
Le Grand
【20121124】word bench大阪
【20121124】word bench大阪
Raysus Co.,Ltd.
「まちの本屋の総合情報サイト」の紹介 カスタマイズ編
「まちの本屋の総合情報サイト」の紹介 カスタマイズ編
株式会社 オープンソース・ワークショップ
ML Sagemaker Dev.IO
ML Sagemaker Dev.IO
__john_smith__
個客とIAとアクセス解析
個客とIAとアクセス解析
Makoto Shimizu
クラウド鎖国からクラウド維新へ
クラウド鎖国からクラウド維新へ
Cybozucommunity
SmartNews TechNight vol5 SmartNews Ads大図解
SmartNews TechNight vol5 SmartNews Ads大図解
SmartNews, Inc.
(Draft) lambda architecture by using TreasureData
(Draft) lambda architecture by using TreasureData
Toru Takahashi
エンジニアリング会社の社内システム再構築
エンジニアリング会社の社内システム再構築
Yohei Sato
いまさら聞けない!ホームページの立ち上げから運用体制構築
いまさら聞けない!ホームページの立ち上げから運用体制構築
Yasushi Taki
【Webinar-Slide】DataBridgeとは
【Webinar-Slide】DataBridgeとは
Talend KK
201004時点 広告業界の現状
201004時点 広告業界の現状
Takaki Onoda
ぜんぶロボのせいだ。| IMJすまのべ! TMCN Vol.12 LT資料
ぜんぶロボのせいだ。| IMJすまのべ! TMCN Vol.12 LT資料
Smart Innovation | IMJ
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
Rakuten Group, Inc.
サイトサーチアナリティクスとは
サイトサーチアナリティクスとは
Makoto Shimizu
20160225 interspace system_summary
20160225 interspace system_summary
Smz Nbys
UX流Web解析 (2015.10版)
UX流Web解析 (2015.10版)
Makoto Shimizu
ネット通販向けレコメンドシステム提供サービスについて
ネット通販向けレコメンドシステム提供サービスについて
Kimikazu Kato
顧客体験を向上させるECサイトの配信品質
顧客体験を向上させるECサイトの配信品質
Yoichiro Takehora
感性から科学へ データに基づくWebサイト改善手法 2012 09-27-2
感性から科学へ データに基づくWebサイト改善手法 2012 09-27-2
Yoichiro Takehora
Lekumo キャンペーンビルダー ProNet勉強会用資料
Lekumo キャンペーンビルダー ProNet勉強会用資料
Six Apart KK
Game theory 2
Game theory 2
Kikuya Takumi
ゲーム理論入門#1
ゲーム理論入門#1
Kikuya Takumi
More Related Content
Similar to データサイエンス勉強会_レコメンド
【20121124】word bench大阪
【20121124】word bench大阪
Raysus Co.,Ltd.
「まちの本屋の総合情報サイト」の紹介 カスタマイズ編
「まちの本屋の総合情報サイト」の紹介 カスタマイズ編
株式会社 オープンソース・ワークショップ
ML Sagemaker Dev.IO
ML Sagemaker Dev.IO
__john_smith__
個客とIAとアクセス解析
個客とIAとアクセス解析
Makoto Shimizu
クラウド鎖国からクラウド維新へ
クラウド鎖国からクラウド維新へ
Cybozucommunity
SmartNews TechNight vol5 SmartNews Ads大図解
SmartNews TechNight vol5 SmartNews Ads大図解
SmartNews, Inc.
(Draft) lambda architecture by using TreasureData
(Draft) lambda architecture by using TreasureData
Toru Takahashi
エンジニアリング会社の社内システム再構築
エンジニアリング会社の社内システム再構築
Yohei Sato
いまさら聞けない!ホームページの立ち上げから運用体制構築
いまさら聞けない!ホームページの立ち上げから運用体制構築
Yasushi Taki
【Webinar-Slide】DataBridgeとは
【Webinar-Slide】DataBridgeとは
Talend KK
201004時点 広告業界の現状
201004時点 広告業界の現状
Takaki Onoda
ぜんぶロボのせいだ。| IMJすまのべ! TMCN Vol.12 LT資料
ぜんぶロボのせいだ。| IMJすまのべ! TMCN Vol.12 LT資料
Smart Innovation | IMJ
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
Rakuten Group, Inc.
サイトサーチアナリティクスとは
サイトサーチアナリティクスとは
Makoto Shimizu
20160225 interspace system_summary
20160225 interspace system_summary
Smz Nbys
UX流Web解析 (2015.10版)
UX流Web解析 (2015.10版)
Makoto Shimizu
ネット通販向けレコメンドシステム提供サービスについて
ネット通販向けレコメンドシステム提供サービスについて
Kimikazu Kato
顧客体験を向上させるECサイトの配信品質
顧客体験を向上させるECサイトの配信品質
Yoichiro Takehora
感性から科学へ データに基づくWebサイト改善手法 2012 09-27-2
感性から科学へ データに基づくWebサイト改善手法 2012 09-27-2
Yoichiro Takehora
Lekumo キャンペーンビルダー ProNet勉強会用資料
Lekumo キャンペーンビルダー ProNet勉強会用資料
Six Apart KK
Similar to データサイエンス勉強会_レコメンド
(20)
【20121124】word bench大阪
【20121124】word bench大阪
「まちの本屋の総合情報サイト」の紹介 カスタマイズ編
「まちの本屋の総合情報サイト」の紹介 カスタマイズ編
ML Sagemaker Dev.IO
ML Sagemaker Dev.IO
個客とIAとアクセス解析
個客とIAとアクセス解析
クラウド鎖国からクラウド維新へ
クラウド鎖国からクラウド維新へ
SmartNews TechNight vol5 SmartNews Ads大図解
SmartNews TechNight vol5 SmartNews Ads大図解
(Draft) lambda architecture by using TreasureData
(Draft) lambda architecture by using TreasureData
エンジニアリング会社の社内システム再構築
エンジニアリング会社の社内システム再構築
いまさら聞けない!ホームページの立ち上げから運用体制構築
いまさら聞けない!ホームページの立ち上げから運用体制構築
【Webinar-Slide】DataBridgeとは
【Webinar-Slide】DataBridgeとは
201004時点 広告業界の現状
201004時点 広告業界の現状
ぜんぶロボのせいだ。| IMJすまのべ! TMCN Vol.12 LT資料
ぜんぶロボのせいだ。| IMJすまのべ! TMCN Vol.12 LT資料
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
サイトサーチアナリティクスとは
サイトサーチアナリティクスとは
20160225 interspace system_summary
20160225 interspace system_summary
UX流Web解析 (2015.10版)
UX流Web解析 (2015.10版)
ネット通販向けレコメンドシステム提供サービスについて
ネット通販向けレコメンドシステム提供サービスについて
顧客体験を向上させるECサイトの配信品質
顧客体験を向上させるECサイトの配信品質
感性から科学へ データに基づくWebサイト改善手法 2012 09-27-2
感性から科学へ データに基づくWebサイト改善手法 2012 09-27-2
Lekumo キャンペーンビルダー ProNet勉強会用資料
Lekumo キャンペーンビルダー ProNet勉強会用資料
More from Kikuya Takumi
Game theory 2
Game theory 2
Kikuya Takumi
ゲーム理論入門#1
ゲーム理論入門#1
Kikuya Takumi
フェルミ推定勉強会
フェルミ推定勉強会
Kikuya Takumi
イシューからはじめる行動計画
イシューからはじめる行動計画
Kikuya Takumi
データサイエンス勉強会~機械学習_強化学習による最適戦略の学習
データサイエンス勉強会~機械学習_強化学習による最適戦略の学習
Kikuya Takumi
データサイエンス勉強会資料
データサイエンス勉強会資料
Kikuya Takumi
Heroku meetup#15 lt
Heroku meetup#15 lt
Kikuya Takumi
Coursera machine learning week6
Coursera machine learning week6
Kikuya Takumi
More from Kikuya Takumi
(8)
Game theory 2
Game theory 2
ゲーム理論入門#1
ゲーム理論入門#1
フェルミ推定勉強会
フェルミ推定勉強会
イシューからはじめる行動計画
イシューからはじめる行動計画
データサイエンス勉強会~機械学習_強化学習による最適戦略の学習
データサイエンス勉強会~機械学習_強化学習による最適戦略の学習
データサイエンス勉強会資料
データサイエンス勉強会資料
Heroku meetup#15 lt
Heroku meetup#15 lt
Coursera machine learning week6
Coursera machine learning week6
データサイエンス勉強会_レコメンド
1.
データサイエンス勉強会 ~PredictionIOで作るレコメンドシステム~
2.
• レコメンドとは • レコメンドシステムとは •
PredictionIOとは • PredictionIOでレコメンドシステムを作る アジェンダ
3.
• レコメンドとは • レコメンドシステムとは •
PredictionIOとは • PredictionIOでレコメンドシステムを作る アジェンダ
4.
レコメンドとは? 勧めること・推薦すること
5.
レコメンド
6.
何故、レコメンドをするのか? 思いもよらない気付きを与え、 潜在的なニーズを引き出すため
7.
何故、レコメンドをするのか? 思いもよらない気付きを与え、 潜在的なニーズを引き出すため ネットマーケティングの変化により レコメンドシステムが注目される
8.
• レコメンドとは • レコメンドシステムとは •
PredictionIOとは • PredictionIOでレコメンドシステムを作る アジェンダ
9.
レコメンドシステムとは 引用:https://www.amazon.co.jp/プロフェッショナルのための-実践Heroku入門-プラットフォーム・クラウドを活用したアプリ ケーション開発と運用-書籍-相澤歩/dp/4048915134/ 例:Amazon
10.
レコメンドシステムとは 引用:https://www.amazon.co.jp/プロフェッショナルのための-実践Heroku入門-プラットフォーム・クラウドを活用したアプリ ケーション開発と運用-書籍-相澤歩/dp/4048915134/ 例:Amazon コレ、 レコメンド おすすめ の商品
11.
どのようにレコメンド しているのか?
12.
レコメンドシステムとは 引用:https://www.amazon.co.jp/プロフェッショナルのための-実践Heroku入門-プラットフォーム・クラウドを活用したアプリ ケーション開発と運用-書籍-相澤歩/dp/4048915134/ 例:Amazon
13.
この商品を買った人は こんな商品も買っています
14.
この商品を買った人は こんな商品も買っています ユーザの購買履歴から予測
15.
購買履歴から予測するには? 協調フィルタリングを使う
16.
協調フィルタリングとは 類似性を比較して、趣向を推測する技術 ・ユーザベース協調フィルタリング ・アイテムベース協調フィルタリング
17.
類似性をどう評価するか? ユーザA ユーザB 購買履歴 購買履歴 チョコ アイス ケーキ プリン チョコ
18.
類似性をどう評価するか? ユーザA ユーザB 購買履歴 購買履歴 チョコ アイス ケーキ プリン チョコ 甘い物 好き? 甘い物 好き?
19.
類似性をどう評価するか? ユーザA ユーザB 購買履歴 購買履歴 チョコ アイス ケーキ プリン チョコ 甘い物 好き? 甘い物 好き? 同じ趣向
20.
類似性をどう評価するか? ユーザA ユーザB 購買履歴 購買履歴 チョコ アイス ケーキ プリン チョコ 甘い物 好き? 甘い物 好き? 同じ趣向 ユーザAが未購入 ユーザBが購入した商品 プリン
21.
類似性をどう評価するか? ユーザA ユーザB 購買履歴 購買履歴 チョコ アイス ケーキ プリン チョコ 甘い物 好き? 甘い物 好き? 同じ趣向 ユーザAが未購入 ユーザBが購入した商品 プリン レコメンド!
22.
簡単にレコメンドシステムを 使えないのか?
23.
簡単にレコメンドシステムを 使えないのか? 簡単にレコメンドシステムを使いたいなら PredictionIOを使おう!
24.
• レコメンドとは • レコメンドシステムとは •
PredictionIOとは • PredictionIOでレコメンドシステムを作る アジェンダ
25.
PredictionIOとは ・オープンソースの機械学習サーバ by Scala 引用元:http://predictionio.incubator.apache.org/start/
26.
PredictionIOとは イベントサーバ 機械学習エンジン ・ポイントは以下の2つ
27.
PredictionIOとは イベントサーバ 機械学習エンジン ・ポイントは以下の2つ
28.
PredictionIOとは ・オープンソースの機械学習サーバ by Scala 引用元:http://predictionio.incubator.apache.org/start/
29.
イベントサーバの役割 • アプリjからイベントサーバへ渡す – データは集めた後、モデル作成に関係のないデータ を除外する •
データの特徴はpropertiesで設定 – 例 user: [gender, location], item: [genre, author] アプリからデータ収集 引用元:http://predictionio.incubator.apache.org/datacollection/ 使用可能なDB PostgreSQL, MySQL, Hbase & Elasticsearch
30.
PredictionIOとは イベントサーバ 機械学習エンジン ・ポイントは以下の2つ
31.
PredictionIOとは ・オープンソースの機械学習サーバ by Scala 引用元:http://predictionio.incubator.apache.org/start/
32.
機械学習エンジンの役割 引用元:http://predictionio.incubator.apache.org/datacollection/ 収集したデータを学習してモデルを作成、予測結果を返す Spark、Hadoop(option)を使うので、大量のトラフィックにも強い
33.
• Recommenders • Classification •
Regression • NLP • Clustering • Similarity • Other 機械学習エンジンのカテゴリ 複数のカテゴリ、 複数のエンジン を連携可能
34.
• レコメンドとは • レコメンドシステムとは •
PredictionIOとは • PredictionIOでレコメンドシステムを作る アジェンダ
35.
• イベントサーバ、レコメンドエンジンをダウンロード • データベースのセットアップ •
イベントサーバ起動 • アプリ作成 • データをデータベースに追加する • エンジンにモデルを学習させ、稼働する • エンジンにクエリを送り、予測結果を確認 手順
36.
おわり
Download now