Soumettre la recherche
Mettre en ligne
第4回関東ゼロからはじめるR言語勉強会
•
Télécharger en tant que ODP, PDF
•
3 j'aime
•
4,537 vues
Iida Keisuke
Suivre
ゼロからファンクションを作る。
Lire moins
Lire la suite
Technologie
Signaler
Partager
Signaler
Partager
1 sur 25
Télécharger maintenant
Recommandé
リモート拠点を立ち上げる楽しさと苦労
リモート拠点を立ち上げる楽しさと苦労
Mao Ohnishi
新メンバーが多いチームにおけるプロジェクトマネジメントのコツ(苦労話)
新メンバーが多いチームにおけるプロジェクトマネジメントのコツ(苦労話)
Mao Ohnishi
新規事業を支える文化と加速させる技術~ devops / GCP / DDD ~
新規事業を支える文化と加速させる技術~ devops / GCP / DDD ~
Mao Ohnishi
Hadoopことはじめ
Hadoopことはじめ
Katsunori Kanda
東京本社よりも地方開発拠点を活性化させるコツ!!!!
東京本社よりも地方開発拠点を活性化させるコツ!!!!
Mao Ohnishi
SendGrid Parse APIをデモってみる
SendGrid Parse APIをデモってみる
Wataru Sato
管理部門の仕事をチームから組織にした話
管理部門の仕事をチームから組織にした話
Yukie Ozaki
第4回関東ゼロからはじめるR言語勉強会(t検定を勉強してみよう)
第4回関東ゼロからはじめるR言語勉強会(t検定を勉強してみよう)
Iida Keisuke
Recommandé
リモート拠点を立ち上げる楽しさと苦労
リモート拠点を立ち上げる楽しさと苦労
Mao Ohnishi
新メンバーが多いチームにおけるプロジェクトマネジメントのコツ(苦労話)
新メンバーが多いチームにおけるプロジェクトマネジメントのコツ(苦労話)
Mao Ohnishi
新規事業を支える文化と加速させる技術~ devops / GCP / DDD ~
新規事業を支える文化と加速させる技術~ devops / GCP / DDD ~
Mao Ohnishi
Hadoopことはじめ
Hadoopことはじめ
Katsunori Kanda
東京本社よりも地方開発拠点を活性化させるコツ!!!!
東京本社よりも地方開発拠点を活性化させるコツ!!!!
Mao Ohnishi
SendGrid Parse APIをデモってみる
SendGrid Parse APIをデモってみる
Wataru Sato
管理部門の仕事をチームから組織にした話
管理部門の仕事をチームから組織にした話
Yukie Ozaki
第4回関東ゼロからはじめるR言語勉強会(t検定を勉強してみよう)
第4回関東ゼロからはじめるR言語勉強会(t検定を勉強してみよう)
Iida Keisuke
関東第3回ゼロはじめるからR言語勉強会ー グラフ
関東第3回ゼロはじめるからR言語勉強会ー グラフ
Paweł Rusin
R言語で統計分類基本
R言語で統計分類基本
Paweł Rusin
R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜機会学習・データビジュアライゼーション事始め〜
R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜機会学習・データビジュアライゼーション事始め〜
Yasuyuki Sugai
WordBench京都9月号
WordBench京都9月号
Koji Asaga
WordBench京都 9月号:kintone×WordPressハンズオン
WordBench京都 9月号:kintone×WordPressハンズオン
Takashi Hosoya
初心者のためのRとRStudio入門 vol.2
初心者のためのRとRStudio入門 vol.2
OWL.learn
Emnlp読み会資料
Emnlp読み会資料
Jiro Nishitoba
Rの導入とRStudio事始め(改訂版)
Rの導入とRStudio事始め(改訂版)
Takashi Yamane
EMNLP 2015 yomikai
EMNLP 2015 yomikai
Yo Ehara
Humor Recognition and Humor Anchor Extraction
Humor Recognition and Humor Anchor Extraction
裕樹 奥田
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章
Shuyo Nakatani
Learning Better Embeddings for Rare Words Using Distributional Representations
Learning Better Embeddings for Rare Words Using Distributional Representations
Takanori Nakai
星野「調査観察データの統計科学」第1&2章
星野「調査観察データの統計科学」第1&2章
Shuyo Nakatani
そろそろRStudioの話
そろそろRStudioの話
Kazuya Wada
[Yang, Downey and Boyd-Graber 2015] Efficient Methods for Incorporating Knowl...
[Yang, Downey and Boyd-Graber 2015] Efficient Methods for Incorporating Knowl...
Shuyo Nakatani
Rstudio事始め
Rstudio事始め
Takashi Yamane
A Neural Attention Model for Sentence Summarization [Rush+2015]
A Neural Attention Model for Sentence Summarization [Rush+2015]
Yuta Kikuchi
はじめての「R」
はじめての「R」
Masahiro Hayashi
Yahoo!検索のパフォーマンス向上策全て見せます
Yahoo!検索のパフォーマンス向上策全て見せます
Yahoo!デベロッパーネットワーク
リファクタリングで実装が○○分短縮した話
リファクタリングで実装が○○分短縮した話
infinite_loop
Gasでgoogleカレンダー 移行ツールを作った話
Gasでgoogleカレンダー 移行ツールを作った話
AMI_YAMAMOTO
ワークスタイルを変革する情報基盤 [ITpro EXPO A651]
ワークスタイルを変革する情報基盤 [ITpro EXPO A651]
智治 長沢
Contenu connexe
En vedette
関東第3回ゼロはじめるからR言語勉強会ー グラフ
関東第3回ゼロはじめるからR言語勉強会ー グラフ
Paweł Rusin
R言語で統計分類基本
R言語で統計分類基本
Paweł Rusin
R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜機会学習・データビジュアライゼーション事始め〜
R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜機会学習・データビジュアライゼーション事始め〜
Yasuyuki Sugai
WordBench京都9月号
WordBench京都9月号
Koji Asaga
WordBench京都 9月号:kintone×WordPressハンズオン
WordBench京都 9月号:kintone×WordPressハンズオン
Takashi Hosoya
初心者のためのRとRStudio入門 vol.2
初心者のためのRとRStudio入門 vol.2
OWL.learn
Emnlp読み会資料
Emnlp読み会資料
Jiro Nishitoba
Rの導入とRStudio事始め(改訂版)
Rの導入とRStudio事始め(改訂版)
Takashi Yamane
EMNLP 2015 yomikai
EMNLP 2015 yomikai
Yo Ehara
Humor Recognition and Humor Anchor Extraction
Humor Recognition and Humor Anchor Extraction
裕樹 奥田
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章
Shuyo Nakatani
Learning Better Embeddings for Rare Words Using Distributional Representations
Learning Better Embeddings for Rare Words Using Distributional Representations
Takanori Nakai
星野「調査観察データの統計科学」第1&2章
星野「調査観察データの統計科学」第1&2章
Shuyo Nakatani
そろそろRStudioの話
そろそろRStudioの話
Kazuya Wada
[Yang, Downey and Boyd-Graber 2015] Efficient Methods for Incorporating Knowl...
[Yang, Downey and Boyd-Graber 2015] Efficient Methods for Incorporating Knowl...
Shuyo Nakatani
Rstudio事始め
Rstudio事始め
Takashi Yamane
A Neural Attention Model for Sentence Summarization [Rush+2015]
A Neural Attention Model for Sentence Summarization [Rush+2015]
Yuta Kikuchi
はじめての「R」
はじめての「R」
Masahiro Hayashi
En vedette
(18)
関東第3回ゼロはじめるからR言語勉強会ー グラフ
関東第3回ゼロはじめるからR言語勉強会ー グラフ
R言語で統計分類基本
R言語で統計分類基本
R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜機会学習・データビジュアライゼーション事始め〜
R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜機会学習・データビジュアライゼーション事始め〜
WordBench京都9月号
WordBench京都9月号
WordBench京都 9月号:kintone×WordPressハンズオン
WordBench京都 9月号:kintone×WordPressハンズオン
初心者のためのRとRStudio入門 vol.2
初心者のためのRとRStudio入門 vol.2
Emnlp読み会資料
Emnlp読み会資料
Rの導入とRStudio事始め(改訂版)
Rの導入とRStudio事始め(改訂版)
EMNLP 2015 yomikai
EMNLP 2015 yomikai
Humor Recognition and Humor Anchor Extraction
Humor Recognition and Humor Anchor Extraction
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章
Learning Better Embeddings for Rare Words Using Distributional Representations
Learning Better Embeddings for Rare Words Using Distributional Representations
星野「調査観察データの統計科学」第1&2章
星野「調査観察データの統計科学」第1&2章
そろそろRStudioの話
そろそろRStudioの話
[Yang, Downey and Boyd-Graber 2015] Efficient Methods for Incorporating Knowl...
[Yang, Downey and Boyd-Graber 2015] Efficient Methods for Incorporating Knowl...
Rstudio事始め
Rstudio事始め
A Neural Attention Model for Sentence Summarization [Rush+2015]
A Neural Attention Model for Sentence Summarization [Rush+2015]
はじめての「R」
はじめての「R」
Similaire à 第4回関東ゼロからはじめるR言語勉強会
Yahoo!検索のパフォーマンス向上策全て見せます
Yahoo!検索のパフォーマンス向上策全て見せます
Yahoo!デベロッパーネットワーク
リファクタリングで実装が○○分短縮した話
リファクタリングで実装が○○分短縮した話
infinite_loop
Gasでgoogleカレンダー 移行ツールを作った話
Gasでgoogleカレンダー 移行ツールを作った話
AMI_YAMAMOTO
ワークスタイルを変革する情報基盤 [ITpro EXPO A651]
ワークスタイルを変革する情報基盤 [ITpro EXPO A651]
智治 長沢
GYOMU Hackers Night タスク管理改善を追い求めたら モブプログラミングになった話
GYOMU Hackers Night タスク管理改善を追い求めたら モブプログラミングになった話
masaaki tsuchiya
RayPen_製品資料_231101.pdf
RayPen_製品資料_231101.pdf
GrapeCity, inc.
※サンプル マーケティング目標を明確化するサイエンス【確率モデルで戦略仮説】
※サンプル マーケティング目標を明確化するサイエンス【確率モデルで戦略仮説】
貴史 小川
※サンプル マーケティング目標を明確化するサイエンス【統計モデルで効果検証】
※サンプル マーケティング目標を明確化するサイエンス【統計モデルで効果検証】
貴史 小川
Ga tracker5_ムラヤマユウスケ_slideshare
Ga tracker5_ムラヤマユウスケ_slideshare
yusuke0726
アジャイルマネジメントとは?
アジャイルマネジメントとは?
Kiro Harada
PHPアプリの品質を(ある程度)保つために出来る事 〜組織編〜
PHPアプリの品質を(ある程度)保つために出来る事 〜組織編〜
Katsuhiro Miura
About Beat Communication
About Beat Communication
Beat Communication
20120622 data conference
20120622 data conference
managami
3.5.esmで出来ること
3.5.esmで出来ること
e-sales-support
業務効率をあげる便利ツールのご紹介
業務効率をあげる便利ツールのご紹介
lolipopjp
データ分析基盤運⽤チームの 運⽤業務を改善してみた話
データ分析基盤運⽤チームの 運⽤業務を改善してみた話
Recruit Lifestyle Co., Ltd.
PDCAを実現する、アクセス解析実践方法
PDCAを実現する、アクセス解析実践方法
Kennosuke Yamaguchi
マーケティング向け大規模ログ解析事例紹介
マーケティング向け大規模ログ解析事例紹介
Kenji Hara
20140717 awssummit2014-cloud-operation
20140717 awssummit2014-cloud-operation
Yasuhiro Araki, Ph.D
ユーザテストと定量分析ツールの併用方法
ユーザテストと定量分析ツールの併用方法
Ryota Ono
Similaire à 第4回関東ゼロからはじめるR言語勉強会
(20)
Yahoo!検索のパフォーマンス向上策全て見せます
Yahoo!検索のパフォーマンス向上策全て見せます
リファクタリングで実装が○○分短縮した話
リファクタリングで実装が○○分短縮した話
Gasでgoogleカレンダー 移行ツールを作った話
Gasでgoogleカレンダー 移行ツールを作った話
ワークスタイルを変革する情報基盤 [ITpro EXPO A651]
ワークスタイルを変革する情報基盤 [ITpro EXPO A651]
GYOMU Hackers Night タスク管理改善を追い求めたら モブプログラミングになった話
GYOMU Hackers Night タスク管理改善を追い求めたら モブプログラミングになった話
RayPen_製品資料_231101.pdf
RayPen_製品資料_231101.pdf
※サンプル マーケティング目標を明確化するサイエンス【確率モデルで戦略仮説】
※サンプル マーケティング目標を明確化するサイエンス【確率モデルで戦略仮説】
※サンプル マーケティング目標を明確化するサイエンス【統計モデルで効果検証】
※サンプル マーケティング目標を明確化するサイエンス【統計モデルで効果検証】
Ga tracker5_ムラヤマユウスケ_slideshare
Ga tracker5_ムラヤマユウスケ_slideshare
アジャイルマネジメントとは?
アジャイルマネジメントとは?
PHPアプリの品質を(ある程度)保つために出来る事 〜組織編〜
PHPアプリの品質を(ある程度)保つために出来る事 〜組織編〜
About Beat Communication
About Beat Communication
20120622 data conference
20120622 data conference
3.5.esmで出来ること
3.5.esmで出来ること
業務効率をあげる便利ツールのご紹介
業務効率をあげる便利ツールのご紹介
データ分析基盤運⽤チームの 運⽤業務を改善してみた話
データ分析基盤運⽤チームの 運⽤業務を改善してみた話
PDCAを実現する、アクセス解析実践方法
PDCAを実現する、アクセス解析実践方法
マーケティング向け大規模ログ解析事例紹介
マーケティング向け大規模ログ解析事例紹介
20140717 awssummit2014-cloud-operation
20140717 awssummit2014-cloud-operation
ユーザテストと定量分析ツールの併用方法
ユーザテストと定量分析ツールの併用方法
Plus de Iida Keisuke
デバイスWeb apiコンソーシアム 第四回資料(RemoteRelay with Thermal camera)
デバイスWeb apiコンソーシアム 第四回資料(RemoteRelay with Thermal camera)
Iida Keisuke
デバイスWeb apiコンソーシアム lt-bril
デバイスWeb apiコンソーシアム lt-bril
Iida Keisuke
Linked Open Data With R
Linked Open Data With R
Iida Keisuke
第3回関西ゼロから始めるR勉強会
第3回関西ゼロから始めるR勉強会
Iida Keisuke
関東第1回r勉強会
関東第1回r勉強会
Iida Keisuke
第2回関西ゼロから始めるR言語勉強会
第2回関西ゼロから始めるR言語勉強会
Iida Keisuke
第1回関西ゼロからはじめるR勉強会(2)
第1回関西ゼロからはじめるR勉強会(2)
Iida Keisuke
第1回関西ゼロからはじめるR勉強会
第1回関西ゼロからはじめるR勉強会
Iida Keisuke
Plus de Iida Keisuke
(8)
デバイスWeb apiコンソーシアム 第四回資料(RemoteRelay with Thermal camera)
デバイスWeb apiコンソーシアム 第四回資料(RemoteRelay with Thermal camera)
デバイスWeb apiコンソーシアム lt-bril
デバイスWeb apiコンソーシアム lt-bril
Linked Open Data With R
Linked Open Data With R
第3回関西ゼロから始めるR勉強会
第3回関西ゼロから始めるR勉強会
関東第1回r勉強会
関東第1回r勉強会
第2回関西ゼロから始めるR言語勉強会
第2回関西ゼロから始めるR言語勉強会
第1回関西ゼロからはじめるR勉強会(2)
第1回関西ゼロからはじめるR勉強会(2)
第1回関西ゼロからはじめるR勉強会
第1回関西ゼロからはじめるR勉強会
第4回関東ゼロからはじめるR言語勉強会
1.
第4回ゼロからはじめるR勉強会 ゼロからファンクションを作る
2.
Agenda 自己紹介 カスタマイズした関数がほしい
関数を作る 高い再現性 高速化が可能 バイナリー化する 効果を確認する
3.
Agenda 自己紹介 カスタマイズした関数がほしい
関数を作る 高い再現性 高速化が可能 バイナリー化する 効果を確認する
4.
自己紹介 名前 飯田 啓介 (twitter: menphis_feel) (facebookの方に主に出現)
会社 株式会社ブリリアントサービス 業務 サーバー、データ解析、マイニング
5.
Agenda 自己紹介 カスタマイズした関数がほしい
関数を作る 高い再現性 高速化が可能 バイナリー化する 効果を確認する
6.
カスタマイズした関数がほしい Rは統計解析のライブラリーが充実 統計解析を少ないステップ数で実行できることが特 徴 統計解析に特化した関数が標準で組み込まれている スクリプトなので細かい設定が不要
CRANパッケージでモジュールの拡張が容易
7.
カスタマイズした関数がほしい 実績のある関数は再利用したい 他プロジェクトでも利用したい 実績のある関数は部品化しておく
高いデータの再現性 処理を高速化したい
8.
Agenda 自己紹介 カスタマイズした関数がほしい
関数を作る 高い再現性 高速化が可能 バイナリー化する 効果を確認する
9.
関数の基本系 関数名<-function(x){ x<-x+10 return(x) } 関数を作る
10.
関数を作る > # 基本形 >
f.test<-function(x){ + x<-x+10 # 引数に10をたす + return(x) # 結果を返す + } > > # 実行 > f.test(2) [1] 12 早速関数を作ってみる
11.
関数を作る # 文字列を変数に指定 f.test2<-function(s){ # 結合する文字列を設定 smp.pb
<- c("おはよう","こんばんわ","こんにちわ","寒いで すね","暑いですね") # 文字列をランダムに抽出 rndStr<-sample(smp.pb,1) # 文字列を結合する s<-paste(s, rndStr) return(s) } > f.test2("飯田さん") [1] "飯田さん おはよう" 当然スクリプトなので型指定などはない。
12.
Agenda 自己紹介 カスタマイズした関数がほしい
関数を作る 高い再現性 高速化が可能 バイナリー化する 効果を確認する
13.
高い再現性 $ R --no-save
--vanilla --file=r04_test.R Rのファイルをそのまま読みこませればデータを再現させれ る。
14.
Agenda 自己紹介 カスタマイズした関数がほしい
関数を作る 高い再現性 高速化が可能 バイナリー化する 効果を確認する
15.
高速化が可能 スクリプトスクリプト インラインインライン コンパイルコンパイル おそいおそい バイナリーバイナリー はやいはやい
16.
高速化が可能 ● よく使う関数 ● 長いコードの関数 ● for文などコストのかかる関数 高速化の効果があるコード
17.
Agenda 自己紹介 カスタマイズした関数がほしい
関数を作る 高い再現性 高速化が可能 バイナリー化する 効果を確認する
18.
バイナリー化する > library(compiler) > binary_func
= compiler::cmpfun(inline_func) > library(compiler) > binary_func = compiler::cmpfun(inline_func) バイナリー化のコードはこれだけ
19.
Agenda 自己紹介 カスタマイズした関数がほしい
関数を作る 高い再現性 高速化が可能 バイナリー化する 効果を確認する
20.
効果を確認する 1. 処理時間の長い関数を作成 samples.low_random<-function(s_val){ tensu<-c(1:100) x<-sample(length(tensu), size=3,
replace=FALSE, prob=tensu) for (i in 2:s_val){ aa<-0 for(zz in c(1:10000)){ aa<-aa+zz } y<-sample(length(tensu), size=3, replace=FALSE, prob=tensu) x<-rbind(x,y) } …........... }
21.
効果を確認する 2. コンパイルして高速化 library(compiler) samples.high_random =
compiler::cmpfun(samples.low_random)
22.
効果を確認する 3. 実行してグラフ化 measure_start<-function(s_vals){ measures.period<-c(0,0) for (x
in s_vals){ print(x) l_time<-samples.low_func(x) h_time<-samples.high_func(x) y<-c(l_time[1], h_time[1]) measures.period<-rbind(measures.period, y) } …............... plot( samples.times, (df.z[,1] - df.z[,2]), type="l", pch = pchs[2],.…............... }
23.
効果を確認する 4. 結果 関数内のループ処理回数による実行時間の差分を対数グラフで 表す。 処理回数と実行時間の差分
24.
効果を確認する 実行時間の違いを正規分布で表すと効果がよくわかる。
25.
ご清聴ありがとうございました Rを共に勉強しましょ う!
Télécharger maintenant