Soumettre la recherche
Mettre en ligne
データ分析チームを組成して3ヶ月で学んだこと
•
0 j'aime
•
1,569 vues
Koki Shibata
Suivre
from https://ichigayageek.connpass.com/event/100730/
Lire moins
Lire la suite
Technologie
Signaler
Partager
Signaler
Partager
1 sur 33
Télécharger maintenant
Télécharger pour lire hors ligne
Recommandé
データ分析の知識と技術を活かしてエンジニアとしてのスキルやキャリアをどのように築いていくかなどをまとめています
データ分析を武器にしたエンジニアの道の拓き方
データ分析を武器にしたエンジニアの道の拓き方
mayu tech
2020/6/5に開催されたイベントの登壇資料です https://ibm-developer.connpass.com/event/175696/
20200605_wids_explainableAI
20200605_wids_explainableAI
Rio Kurihara
データサイエンティスト女子部での発表資料(20180730開催)
20180730 ds womens
20180730 ds womens
Rio Kurihara
みんなのAIキャリアカレッジ#2(2017年3月27日開催) 株式会社ホットリンク 榊 剛史様によるご講演資料です。
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
Leading Edge Co.,Ltd.
2019/3/30に開催されたMachineLearning15minutesの発表資料です。
Ml15minutes 190330
Ml15minutes 190330
Rio Kurihara
https://analytics-and-intelligence.connpass.com/event/174369/ での発表資料です。
カスタマーサクセスのためのデータ整備人の活動記録
カスタマーサクセスのためのデータ整備人の活動記録
syou6162
Tableau 流通・小売・消費財ユーザー会 第7回にて紹介したTableau Blueprintの概要スライド
Tableau Blueprintの概要 for JTUG/RETAIL 2019/10/16
Tableau Blueprintの概要 for JTUG/RETAIL 2019/10/16
Ryusuke Ashiya
2018/11/20開催の「Machine Learning Casual Talks #7」での発表資料です。 チームで開発中の、サイエンティストとエンジニアが効率よく 機械学習や分析結果をプロダクトへ反映するための基盤の紹介です。 https://mlct.connpass.com/event/104874/
Jupyter だけで機械学習を実サービス展開できる基盤
Jupyter だけで機械学習を実サービス展開できる基盤
Recruit Lifestyle Co., Ltd.
Recommandé
データ分析の知識と技術を活かしてエンジニアとしてのスキルやキャリアをどのように築いていくかなどをまとめています
データ分析を武器にしたエンジニアの道の拓き方
データ分析を武器にしたエンジニアの道の拓き方
mayu tech
2020/6/5に開催されたイベントの登壇資料です https://ibm-developer.connpass.com/event/175696/
20200605_wids_explainableAI
20200605_wids_explainableAI
Rio Kurihara
データサイエンティスト女子部での発表資料(20180730開催)
20180730 ds womens
20180730 ds womens
Rio Kurihara
みんなのAIキャリアカレッジ#2(2017年3月27日開催) 株式会社ホットリンク 榊 剛史様によるご講演資料です。
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
Leading Edge Co.,Ltd.
2019/3/30に開催されたMachineLearning15minutesの発表資料です。
Ml15minutes 190330
Ml15minutes 190330
Rio Kurihara
https://analytics-and-intelligence.connpass.com/event/174369/ での発表資料です。
カスタマーサクセスのためのデータ整備人の活動記録
カスタマーサクセスのためのデータ整備人の活動記録
syou6162
Tableau 流通・小売・消費財ユーザー会 第7回にて紹介したTableau Blueprintの概要スライド
Tableau Blueprintの概要 for JTUG/RETAIL 2019/10/16
Tableau Blueprintの概要 for JTUG/RETAIL 2019/10/16
Ryusuke Ashiya
2018/11/20開催の「Machine Learning Casual Talks #7」での発表資料です。 チームで開発中の、サイエンティストとエンジニアが効率よく 機械学習や分析結果をプロダクトへ反映するための基盤の紹介です。 https://mlct.connpass.com/event/104874/
Jupyter だけで機械学習を実サービス展開できる基盤
Jupyter だけで機械学習を実サービス展開できる基盤
Recruit Lifestyle Co., Ltd.
分析部門におけるプロジェクトの選択と進め方のお話です
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
shakezo
ReNom user group #2 Part2
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
ReNom User Group
ESM事例カンファレンス2016 株式会社NTTデータCCS 佐藤様 ご講演資料
アジャイル開発をよりアジャイルに
アジャイル開発をよりアジャイルに
ESM SEC
2 次元 CAD を長年使っている人の多くが、3 次元 CAD に対して持っているイメージとして、「 3 次元 CAD ってコマンドが多くて覚えるのが大変で難しい」「拘束とかがややこしいし、形状を変更するとエラーが出て先に進めなくて困る」「とにかく 3 次元は時間がかかる、2 次元 CAD の方が早い」、3 次元 CAD の良さは分かっているけど、一歩踏み出せないという 2 次元 CAD ユーザーが多いのではないでしょうか。 それは実は過去の話。最新の 3 次元 CAD の Inventor は 2 次元 CAD ユーザーや初めて 3 次元 CAD を使う人、図面を知らない人にも使いやすくなっています。そして、2 次元 CAD と 3 次元 CAD では考え方に大きな違いがあります。違いをきちんと学ぶことで 3 次元 CAD を使いこなせるようになります。
失敗しない 3 次元 CAD 選びのポイントと Inventor を活用することで出来る作業の効率化
失敗しない 3 次元 CAD 選びのポイントと Inventor を活用することで出来る作業の効率化
Teruki Obara
「サービスの利用者がどんなユーザーで構成されているのか」を問われた経験はありませんか? サービス利用者の構成がわかれば、サービスのテイスト、広告の訴求内容、商品の品揃え、改善施策の検討など、各種戦略に活かすことが出来るのでサービス運営者としては知っておきたい重要な要素です。 前半では「サービスの利用者がどんなユーザーで構成されているのか」を問われセグメントを作成する際に、どのような切り口や手順があるのかを紹介します。セグメントを効果的に作成することで、今まで気づかなかった視点が得られます。 後半では、機会学習の手段を用いたサービスの改善について見ていきます。 前半の基礎集計により導かれたユーザーの分類をサービスの改善に活かすには、様々な手法が考えられます。その中の一つ「ABテスト」を題材にして、サイト改善についての考察とクラスタリングを用いたABテストの手法について紹介します。 本講演では、「サービスの利用者がどんなユーザーで構成されているのか」を紐解き、改善に活かすために得意分野が異なる2名をお招きし、SQLを用いたアプローチ、機械学習を用いたアプローチについて、それぞれ解説していただきます。 冒頭で触れている通り、ユーザーを分類することにより、情報の出し分け、ターゲティング、内部施策の検討など、幅広い用途で活用が可能になります。本講演がサービス運営に携わる方々にとって、良いヒントとなり、サービスの改善に繋がることを願います。
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
Naoto Tamiya
100614Twittcherの会勉強会資料
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
Shinohara Masahiro
チームトポロジーというものがあります。 コンウェイの法則や認知負荷など様々な要素が組織論にはあり、チームトポロジーはそれらを組み合わせ、組織を設計するためのパターンを教えてくれます。 チームが価値創造に集中できるように、チームの役割を明確にし、コミュニケーションをデザインし、ボトルネックを見つけ出す。簡単に聞こえるけど、すごく難しいですよね? 発表の中で、カジュアルにチームトポロジーの紹介と自分がどのように利用したかをご紹介します。
チームトポロジーから学び、 データプラットフォーム組織を考え直した話.pptx
チームトポロジーから学び、 データプラットフォーム組織を考え直した話.pptx
Rakuten Commerce Tech (Rakuten Group, Inc.)
2016年2月6日に開催したkintone Café 新潟でのLT資料
kintone Cafe 新潟 Vol.3
kintone Cafe 新潟 Vol.3
Masataka Isa
データを活用したマーケティングの重要性が増すなか、企業のウェブサイトではさまざまな解析ツールが設置されていますが、それをうまく活用できている企業はそう多くはありません。 ビジネスに役立つデータを取得するには、そのための設計や実装が必要なのです。 このセッションでは、事業の成果につながるデータとはどんなものか? また、それを取得するためにコーディングにおいて配慮すべきことなどについてお伝えします。
「コーダーも知っておきたい解析事情2018」CSS Nite lp58
「コーダーも知っておきたい解析事情2018」CSS Nite lp58
大輔 井水
2017-07-17 サポーターズ@京都で使ったスライド
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで V e-1
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで V e-1
Shunsuke Nakamura
2016/12/6のJAZUGで登壇した内容です。
20181206 Jazug DataScience TeamBuilding and DevOps
20181206 Jazug DataScience TeamBuilding and DevOps
Yukako Shimizu
上級WEB解析士の事例発表の資料です。 ・WEB解析、アナリティクス・分析の思考法 ・現状分析事例 ・サイトコンセプト・サイト戦略のプランニング ※見づらい方はこちら https://docs.google.com/presentation/d/1nnCUstph3iBTiHZAn6-ehSleFWhPWI4HThtz9GQdahk/edit#slide=id.gd0b25bf62_0_231
【共有用】20151031 web解析士セミナー資料
【共有用】20151031 web解析士セミナー資料
TOMOFUMI ENOMOTO
2013年12月1日に行うセミナー資料の抜粋です。 ▼詳細・お申し込みはこちらから http://webdestination.jp/waca/analysis_tokyo/
20131201分析セミナー(告知用)
20131201分析セミナー(告知用)
Sae Sada
2016年6月28日ゲーム×データ分析活用セミナーの登壇資料 https://idcf.doorkeeper.jp/events/44844
ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
Hisahiko Shiraishi
メルカリのアナリストのスキルセットと、食いっぱぐれないアナリストについて考察
メルカリのアナリストのスキルセットについて
メルカリのアナリストのスキルセットについて
shintaro matsuda
「Big Data Analytics Tokyo~ビッグデータに人工知能を~」での基調講演の講演資料です。
Big Data Analytics Tokyo講演資料
Big Data Analytics Tokyo講演資料
BrainPad Inc.
・RLSのデータ系組織 ・なぜ我々は存在しているか ・施策の事例 ・組織を作るうえで気にしていること
売上に効くデータ組織~データから売上や利益を作るために何をしているか~
売上に効くデータ組織~データから売上や利益を作るために何をしているか~
Recruit Lifestyle Co., Ltd.
2015/05/31 Bizreach✕Cookpad✕Gunosy✕UserLocal 分析プラットホームとその技術で発表した内容です
20150531分析プラットホームとその技術(bizreach) cookpad ito #dcube_analysis
20150531分析プラットホームとその技術(bizreach) cookpad ito #dcube_analysis
tetsuro ito
MonotaRO Tech Talk #9 (データマネジメント編)の発表資料です https://monotaro.connpass.com/event/226592/
データ基盤グループを支えるチームビルディング
データ基盤グループを支えるチームビルディング
株式会社MonotaRO Tech Team
sprint9
Trat sprint9
Trat sprint9
tratwakate
2022年10月27日に社内向けに開催した勉強会資料の社外公開版です(発表8分程度)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Hiroshi Tomioka
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
Contenu connexe
Similaire à データ分析チームを組成して3ヶ月で学んだこと
分析部門におけるプロジェクトの選択と進め方のお話です
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
shakezo
ReNom user group #2 Part2
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
ReNom User Group
ESM事例カンファレンス2016 株式会社NTTデータCCS 佐藤様 ご講演資料
アジャイル開発をよりアジャイルに
アジャイル開発をよりアジャイルに
ESM SEC
2 次元 CAD を長年使っている人の多くが、3 次元 CAD に対して持っているイメージとして、「 3 次元 CAD ってコマンドが多くて覚えるのが大変で難しい」「拘束とかがややこしいし、形状を変更するとエラーが出て先に進めなくて困る」「とにかく 3 次元は時間がかかる、2 次元 CAD の方が早い」、3 次元 CAD の良さは分かっているけど、一歩踏み出せないという 2 次元 CAD ユーザーが多いのではないでしょうか。 それは実は過去の話。最新の 3 次元 CAD の Inventor は 2 次元 CAD ユーザーや初めて 3 次元 CAD を使う人、図面を知らない人にも使いやすくなっています。そして、2 次元 CAD と 3 次元 CAD では考え方に大きな違いがあります。違いをきちんと学ぶことで 3 次元 CAD を使いこなせるようになります。
失敗しない 3 次元 CAD 選びのポイントと Inventor を活用することで出来る作業の効率化
失敗しない 3 次元 CAD 選びのポイントと Inventor を活用することで出来る作業の効率化
Teruki Obara
「サービスの利用者がどんなユーザーで構成されているのか」を問われた経験はありませんか? サービス利用者の構成がわかれば、サービスのテイスト、広告の訴求内容、商品の品揃え、改善施策の検討など、各種戦略に活かすことが出来るのでサービス運営者としては知っておきたい重要な要素です。 前半では「サービスの利用者がどんなユーザーで構成されているのか」を問われセグメントを作成する際に、どのような切り口や手順があるのかを紹介します。セグメントを効果的に作成することで、今まで気づかなかった視点が得られます。 後半では、機会学習の手段を用いたサービスの改善について見ていきます。 前半の基礎集計により導かれたユーザーの分類をサービスの改善に活かすには、様々な手法が考えられます。その中の一つ「ABテスト」を題材にして、サイト改善についての考察とクラスタリングを用いたABテストの手法について紹介します。 本講演では、「サービスの利用者がどんなユーザーで構成されているのか」を紐解き、改善に活かすために得意分野が異なる2名をお招きし、SQLを用いたアプローチ、機械学習を用いたアプローチについて、それぞれ解説していただきます。 冒頭で触れている通り、ユーザーを分類することにより、情報の出し分け、ターゲティング、内部施策の検討など、幅広い用途で活用が可能になります。本講演がサービス運営に携わる方々にとって、良いヒントとなり、サービスの改善に繋がることを願います。
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
Naoto Tamiya
100614Twittcherの会勉強会資料
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
Shinohara Masahiro
チームトポロジーというものがあります。 コンウェイの法則や認知負荷など様々な要素が組織論にはあり、チームトポロジーはそれらを組み合わせ、組織を設計するためのパターンを教えてくれます。 チームが価値創造に集中できるように、チームの役割を明確にし、コミュニケーションをデザインし、ボトルネックを見つけ出す。簡単に聞こえるけど、すごく難しいですよね? 発表の中で、カジュアルにチームトポロジーの紹介と自分がどのように利用したかをご紹介します。
チームトポロジーから学び、 データプラットフォーム組織を考え直した話.pptx
チームトポロジーから学び、 データプラットフォーム組織を考え直した話.pptx
Rakuten Commerce Tech (Rakuten Group, Inc.)
2016年2月6日に開催したkintone Café 新潟でのLT資料
kintone Cafe 新潟 Vol.3
kintone Cafe 新潟 Vol.3
Masataka Isa
データを活用したマーケティングの重要性が増すなか、企業のウェブサイトではさまざまな解析ツールが設置されていますが、それをうまく活用できている企業はそう多くはありません。 ビジネスに役立つデータを取得するには、そのための設計や実装が必要なのです。 このセッションでは、事業の成果につながるデータとはどんなものか? また、それを取得するためにコーディングにおいて配慮すべきことなどについてお伝えします。
「コーダーも知っておきたい解析事情2018」CSS Nite lp58
「コーダーも知っておきたい解析事情2018」CSS Nite lp58
大輔 井水
2017-07-17 サポーターズ@京都で使ったスライド
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで V e-1
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで V e-1
Shunsuke Nakamura
2016/12/6のJAZUGで登壇した内容です。
20181206 Jazug DataScience TeamBuilding and DevOps
20181206 Jazug DataScience TeamBuilding and DevOps
Yukako Shimizu
上級WEB解析士の事例発表の資料です。 ・WEB解析、アナリティクス・分析の思考法 ・現状分析事例 ・サイトコンセプト・サイト戦略のプランニング ※見づらい方はこちら https://docs.google.com/presentation/d/1nnCUstph3iBTiHZAn6-ehSleFWhPWI4HThtz9GQdahk/edit#slide=id.gd0b25bf62_0_231
【共有用】20151031 web解析士セミナー資料
【共有用】20151031 web解析士セミナー資料
TOMOFUMI ENOMOTO
2013年12月1日に行うセミナー資料の抜粋です。 ▼詳細・お申し込みはこちらから http://webdestination.jp/waca/analysis_tokyo/
20131201分析セミナー(告知用)
20131201分析セミナー(告知用)
Sae Sada
2016年6月28日ゲーム×データ分析活用セミナーの登壇資料 https://idcf.doorkeeper.jp/events/44844
ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
Hisahiko Shiraishi
メルカリのアナリストのスキルセットと、食いっぱぐれないアナリストについて考察
メルカリのアナリストのスキルセットについて
メルカリのアナリストのスキルセットについて
shintaro matsuda
「Big Data Analytics Tokyo~ビッグデータに人工知能を~」での基調講演の講演資料です。
Big Data Analytics Tokyo講演資料
Big Data Analytics Tokyo講演資料
BrainPad Inc.
・RLSのデータ系組織 ・なぜ我々は存在しているか ・施策の事例 ・組織を作るうえで気にしていること
売上に効くデータ組織~データから売上や利益を作るために何をしているか~
売上に効くデータ組織~データから売上や利益を作るために何をしているか~
Recruit Lifestyle Co., Ltd.
2015/05/31 Bizreach✕Cookpad✕Gunosy✕UserLocal 分析プラットホームとその技術で発表した内容です
20150531分析プラットホームとその技術(bizreach) cookpad ito #dcube_analysis
20150531分析プラットホームとその技術(bizreach) cookpad ito #dcube_analysis
tetsuro ito
MonotaRO Tech Talk #9 (データマネジメント編)の発表資料です https://monotaro.connpass.com/event/226592/
データ基盤グループを支えるチームビルディング
データ基盤グループを支えるチームビルディング
株式会社MonotaRO Tech Team
sprint9
Trat sprint9
Trat sprint9
tratwakate
Similaire à データ分析チームを組成して3ヶ月で学んだこと
(20)
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
アジャイル開発をよりアジャイルに
アジャイル開発をよりアジャイルに
失敗しない 3 次元 CAD 選びのポイントと Inventor を活用することで出来る作業の効率化
失敗しない 3 次元 CAD 選びのポイントと Inventor を活用することで出来る作業の効率化
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
チームトポロジーから学び、 データプラットフォーム組織を考え直した話.pptx
チームトポロジーから学び、 データプラットフォーム組織を考え直した話.pptx
kintone Cafe 新潟 Vol.3
kintone Cafe 新潟 Vol.3
「コーダーも知っておきたい解析事情2018」CSS Nite lp58
「コーダーも知っておきたい解析事情2018」CSS Nite lp58
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで V e-1
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで V e-1
20181206 Jazug DataScience TeamBuilding and DevOps
20181206 Jazug DataScience TeamBuilding and DevOps
【共有用】20151031 web解析士セミナー資料
【共有用】20151031 web解析士セミナー資料
20131201分析セミナー(告知用)
20131201分析セミナー(告知用)
ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
メルカリのアナリストのスキルセットについて
メルカリのアナリストのスキルセットについて
Big Data Analytics Tokyo講演資料
Big Data Analytics Tokyo講演資料
売上に効くデータ組織~データから売上や利益を作るために何をしているか~
売上に効くデータ組織~データから売上や利益を作るために何をしているか~
20150531分析プラットホームとその技術(bizreach) cookpad ito #dcube_analysis
20150531分析プラットホームとその技術(bizreach) cookpad ito #dcube_analysis
データ基盤グループを支えるチームビルディング
データ基盤グループを支えるチームビルディング
Trat sprint9
Trat sprint9
Dernier
2022年10月27日に社内向けに開催した勉強会資料の社外公開版です(発表8分程度)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Hiroshi Tomioka
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
Syed Talal Wasim, Muzammal Naseer, Salman Khan, Ming-Hsuan Yang, Fahad Shahbaz Khan , "Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Grounding" arXiv2024 https://arxiv.org/abs/2401.00901v2
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
Toru Tamaki
2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
NewSQLの可用性構成パターン (OCHaCafe Season 8 #4 発表資料) 2024年5月8日(水) NTTデータグループ 技術開発本部 小林 隆浩
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
LoRaWANスマート距離検出センサー DS20Lカタログ
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
CRI Japan, Inc.
2024年4月に社内向けに開催した勉強会資料の社外公開版です
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
Jue Wang, Wentao Zhu, Pichao Wang, Xiang Yu, Linda Liu, Mohamed Omar, Raffay Hamid, " Selective Structured State-Spaces for Long-Form Video Understanding" CVPR2023 https://openaccess.thecvf.com/content/CVPR2023/html/Wang_Selective_Structured_State-Spaces_for_Long-Form_Video_Understanding_CVPR_2023_paper.html
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Toru Tamaki
This is an introduction to MAPPO's paper.
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
atsushi061452
2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Dernier
(11)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
データ分析チームを組成して3ヶ月で学んだこと
1.
データ分析チームを 3ヶ月率いて学んだ、 データ分析プロジェクトの進め方
2.
本資料の目的 データ分析プロジェクトを進めてみて得られた経験を、 エンジニアの筆者 の視点でまとめました。 先輩方のアドバイスやご意見を頂きたい 一緒にデータ分析チームを作っていく人を探したい データサイエンティストのキャリアパスと成果の出し方を考えたい と思っていますので、気になるところがあればご質問ください 技術的な話はしません。。
3.
自己紹介 チーム設立や外部環境 データ分析プロジェクトを通じて学んだこと データ分析プロジェクトで経験した事例 広告配信シミュレーション テキスト広告自動生成 ※チーム運営の話のため、オプト特有の事情などを含みます。
4.
自己紹介 所属 株式会社オプト 役割 チーム
マネージャー 得意 など (データサイエンスの経験はほとんどない。。) 過去の資料 リコメンドエンジン作った話
5.
チームの設立や外部環境
6.
データ分析チームの立ち上げ経緯 アドテク業界としても 活用などが騒がれる中で、オプトとしても長年のデータ を蓄積したり、採用活動など準備をしてきました。
7.
チームの発足 広告代理店オプトの マーケティング活動全般を データサイエンスで支援するチーム
8.
何をやるチームか 各部署にて、データ分析スキルが必要とされるもの全般を担います ニーズ発掘から現場での活用まで通して行います (必要に応じて周りを巻き込みます) データ分析の観点でニーズ発掘など出来る人が社内にほぼ居ないのと、分析 結果を活用しないまま終わると貢献したと言えないからです。 (職種としては『機械学習エンジニア』が近そう)
9.
チームの環境 DIチーム 部長現場責任者 現場担当者 エンジニア 実装手伝って この案件を 進めますこの案件、いくら 儲かりますか? どうやったら現場で使 える? 事業部 開発部
10.
データ分析プロジェクトを 通じて学んだこと
11.
学んだこと これまで進めてきた所感としては、思ったよりも普通のシステム開発の進め方 と近かったです。 違いとしては、 出力を保証出来ないので、現場で使えるかわからない。 開発スキルに加えて、データサイエンススキルも必要になる。 で何が出来るかが分からず、ビジネス側がイメージし辛い。 あたりかと。
12.
出力を保証出来ないので、現場で使えるかわからない 計算ロジックや精度について繰り返し説明する。 人が確認出来る参考情報を出しておく。 自動化していいか人のチェックを入れるかを検討する。 入出力をいじるとモデルを評価し直す必要があるため慎重になる。
13.
開発スキルに加えてデータサイエンススキルも必要になる 全てチーム内でやるのは難しいので、周りに手伝ってもらう。 手伝ってもらう際にリソースなど確保してもらえるように、こまめに進捗状 況や手を貸して欲しいことをアピールする。 技術アドバイザーなどを招聘する
14.
で何が出来るかが分からず、ビジネス側がイメージし辛い チームがよく分かっていない事は、お互い迷子になるので手を出さない。 裏で学んでおいて、説明出来るようになったら提案する。 他社事例や論文などの知見を定期的に社内に共有する。
15.
データ分析プロジェクトで 経験した事例
16.
プロジェクトの仕事の進め方例 こちらをベースに説明していきます
17.
事例1:広告予算アロケーション
18.
広告配信シミュレーション とは 過去実績を元に、今後の 数がどのくらいになるのか予測するもの。
19.
期待効果の概算までは順調に進み、 ①ニーズ発掘 ②期待効果 の概算 ③データ分析 PoC作成 ④分析結果 の活用
20.
の設計 担当者「こんな情報を使ってこんなイメージの出力がしたい」 チーム「作りました。精度がイマイチですが」 担当者「あー、現場ではこの情報も使ってますね」 チーム「(モデル作成と評価をし直さないと )」 ①ニーズ発掘 ②期待効果 の概算 ③データ分析 PoC作成 ④分析結果 の活用 入出力がブレると手戻りが大きくなりがち。 なので、早めに画面などで共有しておくとズレが減ります。 (作り込むと些細な 要望が頻発するので、手書きくらいが良いかも)
21.
精度・計算の擦り合わせ チーム「外れ値はどう扱えばいいでしょうか?」 担当者「(ふわっと)こういうのが出たら除くようにしている」 チーム「では、外れ値の定義をこれにして進めてみます。例えばこう」 チーム「 がこのくらいあれば信用出来そうですがどうでしょう?」 ①ニーズ発掘 ②期待効果 の概算 ③データ分析 PoC作成 ④分析結果 の活用 データの扱い方は、現場の方だと判断出来ないこともある。 現場の知見を取り入れつつも、主に チームの方で設計する。
22.
活用フェーズに向けての準備 チーム「アクセスは社内 から?頻度や利用時間帯は?」 担当者「日中に社内からアクセス出来れば。人数は○人くらい」 管理者「この時間帯はあまり に負荷かけないで欲しい」 チーム「(アーキテクチャ設計難しい。。実装も大変。。)」 ①ニーズ発掘 ②期待効果 の概算 ③データ分析 PoC作成 ④分析結果 の活用 が大方出来たら、活用に向けた非機能要件を考える。 チーム外のエンジニアと設計を考えたり、実装を手伝ってもらう。 (手が空いてなければ、要件を落としつつチーム内でやる)
23.
活用してもらう チーム「作りました!使ってみて下さい」 責任者「良さそう。業務は回せる。」 担当者「細かいけど、ココの がもっとこうなると〜〜」 チーム「ここから先は他のエンジニアにお任せします」 ①ニーズ発掘 ②期待効果 の概算 ③データ分析 PoC作成 ④分析結果 の活用 要望は尽きないですが、エンジニアの都合がつき次第そちらにお任せ。 ・データ分析スキルが必要なら、またチームにご相談頂く。 ・ や非機能要件であれば、エンジニア側で直す。
24.
事例 :テキスト広告自動生成
25.
テキスト広告自動生成 とは from: その名の通り、広告文を自動生成します。 ゴールがわかりにくく、 要素を含みます。
26.
何を作りたいか検討 責任者「重要なんだけど、何が出来るかわからないから判断出来ない」 チーム「( どこから説明しようか。。)」 ①ニーズ発掘 ②期待効果 の概算 ③データ分析 PoC作成 ④分析結果 の活用 責任者からはふわっとした要望しか聞き出せず。。 何をするか決めるためにも、まずは同業他社の事例を説明してイメージを付 けてもらうことに
27.
既存事例や手法の紹介 ①ニーズ発掘 ②期待効果 の概算 ③データ分析 PoC作成 ④分析結果 の活用 要件を引き出すために、同業種の事例を中心に技術面の説明。 from:from: https://www.youtube.com/watch?v=57p1TOAlCGU from: https://www.cyberagent.co.jp/news/detail/id=21708
28.
データ分析にハマる ①ニーズ発掘 ②期待効果 の概算 ③データ分析 PoC作成 ④分析結果 の活用 オプトの技術顧問に、広告分野でよく使われる機械学習技術や、 データの特徴、ハマりポイントを教えて頂き、 筋の悪い方向の調査をしてしまうのを防ぐことに。 チーム「(過去実績をどういう粒度で分類すればいいか勘が働かない)」 チーム「(とりあえず全部試しても良いけど時間かかる )」
29.
DIチーム 技術顧問 現場責任者 事業部 開発部 ①ニーズ発掘 ②期待効果 の概算 ③データ分析 PoC作成 ④分析結果 の活用 他社でこういう 事例があるよ 現場担当者 ○○は作れるけど、 ☓☓は難しいよ 活用にあたっての ハマりどころ教えて
30.
何を作りたいか検討2 責任者「テキスト広告の生成なら需要あるし出来そう。」 チーム「論文など見るとたくさん手法があるけど、どれにしましょう?」 責任者「どれが良いの?全部試したい」 チーム「(運用可能性とかモデル評価とか時間かかるな )」 ①ニーズ発掘 ②期待効果 の概算 ③データ分析 PoC作成 ④分析結果 の活用 論文があるだけで活用事例が無さそうなものは、実現可能性の評価も大変な ので避け、ある程度予想&説明できるもので解決を試みることに。
31.
とりあえず チーム「過去の広告文から学習させるとこんな出力になります」 担当者「文章として成立しないものが多くて使えないな。」 チーム「何をもって自然な文章と言うかは難しいですね。。」 チーム「いっそ文法ルールと単語辞書作るのはどうでしょうか?」 ①ニーズ発掘 ②期待効果 の概算 ③データ分析 PoC作成 ④分析結果 の活用 闇雲に調査すると迷子になるので、目的を常に再確認して、 チームの方で見込みが無いと思った手法は早々に方針転換を促します。
32.
おわりに
33.
まとめ 当初は「ビジネス知見、開発、データ分析全てのスキルを持たなきゃ」と思ってい ましたが、開発案件と同じく対話でカバー出来そうです。 説明スキルや相手の考えを読み取る勘が要求されるかも? コミュ力大事 開発メンバーと連携しやすいスキルセットだと良いかも。
Télécharger maintenant