Submit Search
Upload
機械学習による積極的失業〜オウンドメディアの訪問予測
•
4 likes
•
6,769 views
Teruyuki Sakaue
Follow
第54回 Tokyo Web Mining 懇親会LT
Read less
Read more
Data & Analytics
Slideshow view
Report
Share
Slideshow view
Report
Share
1 of 24
Download now
Download to read offline
Recommended
https://devlove-kansai.doorkeeper.jp/events/65716 「グラフをつくる前に読む本 一瞬で伝わる表現はどのように生まれたのか」を語り尽くす 講演内容の資料です。
「グラフをつくる前に読む本」を読む前に語りつくす(DevLOVE関西)
「グラフをつくる前に読む本」を読む前に語りつくす(DevLOVE関西)
松本健太郎
・Tokyo Marketers Talkでの発表資料
Marketing×Python/Rで頑張れる事例16本ノック
Marketing×Python/Rで頑張れる事例16本ノック
Teruyuki Sakaue
会社の昼休みに緩めの情報共有会を開催した際の資料です。
[第6回]データ分析ランチセッション - Camphrでモダンな自然言語処理
[第6回]データ分析ランチセッション - Camphrでモダンな自然言語処理
Teruyuki Sakaue
会社の昼休みに緩めの情報共有会を開催した際の資料です。
[第11回]データ分析ランチセッション - モダンな機械学習データパイプラインKedroを触ってみる
[第11回]データ分析ランチセッション - モダンな機械学習データパイプラインKedroを触ってみる
Teruyuki Sakaue
2018/09/26 BIT VALLEY -INSIDE- Vol.1での発表資料です。 HRビジネス(人材紹介系サービス)におけるデータサイエンスの適用事例などを紹介しています。
HRビジネスにおけるデータサイエンスの適用 @ BIT VALLEY -INSIDE- Vol.1
HRビジネスにおけるデータサイエンスの適用 @ BIT VALLEY -INSIDE- Vol.1
Teruyuki Sakaue
広告機械学習最前線 DSPの中身を知る 2016-06-25 @TokyoWebmining. Introduction to online advertising and machine learning
Sano tokyowebmining 201625_v04
Sano tokyowebmining 201625_v04
Masakazu Sano
Talk in Tokyo Webmining @FreakOut
Tokyo Webmining Talk1
Tokyo Webmining Talk1
Kenta Oono
「データマイニング+WEB 勉強会@東京」、オープニングトークの資料です hamadakoichi 濱田晃一
オープニングトーク - 創設の思い・目的・進行方針 -データマイニング+WEB勉強会@東京
オープニングトーク - 創設の思い・目的・進行方針 -データマイニング+WEB勉強会@東京
Koichi Hamada
Recommended
https://devlove-kansai.doorkeeper.jp/events/65716 「グラフをつくる前に読む本 一瞬で伝わる表現はどのように生まれたのか」を語り尽くす 講演内容の資料です。
「グラフをつくる前に読む本」を読む前に語りつくす(DevLOVE関西)
「グラフをつくる前に読む本」を読む前に語りつくす(DevLOVE関西)
松本健太郎
・Tokyo Marketers Talkでの発表資料
Marketing×Python/Rで頑張れる事例16本ノック
Marketing×Python/Rで頑張れる事例16本ノック
Teruyuki Sakaue
会社の昼休みに緩めの情報共有会を開催した際の資料です。
[第6回]データ分析ランチセッション - Camphrでモダンな自然言語処理
[第6回]データ分析ランチセッション - Camphrでモダンな自然言語処理
Teruyuki Sakaue
会社の昼休みに緩めの情報共有会を開催した際の資料です。
[第11回]データ分析ランチセッション - モダンな機械学習データパイプラインKedroを触ってみる
[第11回]データ分析ランチセッション - モダンな機械学習データパイプラインKedroを触ってみる
Teruyuki Sakaue
2018/09/26 BIT VALLEY -INSIDE- Vol.1での発表資料です。 HRビジネス(人材紹介系サービス)におけるデータサイエンスの適用事例などを紹介しています。
HRビジネスにおけるデータサイエンスの適用 @ BIT VALLEY -INSIDE- Vol.1
HRビジネスにおけるデータサイエンスの適用 @ BIT VALLEY -INSIDE- Vol.1
Teruyuki Sakaue
広告機械学習最前線 DSPの中身を知る 2016-06-25 @TokyoWebmining. Introduction to online advertising and machine learning
Sano tokyowebmining 201625_v04
Sano tokyowebmining 201625_v04
Masakazu Sano
Talk in Tokyo Webmining @FreakOut
Tokyo Webmining Talk1
Tokyo Webmining Talk1
Kenta Oono
「データマイニング+WEB 勉強会@東京」、オープニングトークの資料です hamadakoichi 濱田晃一
オープニングトーク - 創設の思い・目的・進行方針 -データマイニング+WEB勉強会@東京
オープニングトーク - 創設の思い・目的・進行方針 -データマイニング+WEB勉強会@東京
Koichi Hamada
21世紀に入り通信ネットワークの発展と通信・センサーデバイスの低廉化によりこれまでの情報通信産業だけでなく、農業や製造業など第一次、第二次産業においても、大規模データを利活用するデータベース技術とそのデータを基にした機械学習によりこれまで不可能であった産業の自動化と最適化が可能になりつつあります。今後、量・種類ともに爆発的に増大する情報を最大限に活用するためのディープラーニング、強化学習等の機械学習を例とする革新的な人工知能基盤技術が広く利用され、様々な分野において将来にわたり効果的に情報が活用される社会の実現が期待されています。今後、データ利活用により、全ての産業においてその構造を変革するような新たなサービス、イノベーションが社会に要請されています。 本研究領域では、実社会の膨大なデータを知的・統合的かつセキュアに収集・処理・学習・制御するための人工知能基盤技術と、その成果を組み合わせることにより社会問題の解決と産業の自動化・最適化に貢献するイノベーション創発に資する技術の確立を目指します。 具体的には、以下の研究開発に取り組みます。 1)社会・経済等に貢献するため、多種・膨大な情報を組み合わせ解析する技術開発 2)多種・膨大な情報に基づき、状況に応じ最適化されるシステムのための技術開発 3)多種多様な要素で構成される複雑なシステムに適用可能なセキュリティ技術開発 膨大な情報の利活用がさらに高度かつ広範に浸透した将来社会を念頭に、実社会の様々な分野への適用を見据えて、センサー技術、実時間ビッグデータを扱うデータベース技術、システムセキュリティ技術、機械学習を核とするシステム最適化技術等の高度化を進めます。さらに、それらを組み合わせて実世界データを総合的に実時間で処理し理解する情報処理システムを構築するための統合化技術の研究開発を推進します。 本研究領域による研究成果が、モビリティ、ロボティクス、健康・医療・介護、防災・減災、農業、ものづくり等における自動化・最適化を進める際のイノベーション創発の核となることを目指します。 これらに取り組むにあたっては、効果的な産学連携体制を構築しつつ、社会の実問題に取り組むために、基盤研究と統合化研究が互いの課題と成果を共有しながら進展する研究開発に挑みます。すなわち人工知能基盤技術という要素技術を揃えることと、イノベーション創発のために実際にそれを組み合わせて統合化していくことの両面を考慮した研究開発を行います。 なお、本研究領域は文部科学省の人工知能/ビッグデータ/IoT/サイバーセキュリティ統合プロジェクト(AIPプロジェクト)の一環として運営します。
イノベーション創発に資する人工知能基盤技術の創出と統合化
イノベーション創発に資する人工知能基盤技術の創出と統合化
Osaka University
Talk in Tokyo Webmining @FreakOut
VAE-type Deep Generative Models
VAE-type Deep Generative Models
Kenta Oono
Presentation at TokyoWebmining 2016/10/29
計量経済学と 機械学習の交差点入り口 (公開用)
計量経済学と 機械学習の交差点入り口 (公開用)
Shota Yasui
20161029 Tokyowebminingのセミナー資料、共有版です. 何かありましたら、 Twitter: @shkali FB: Yasushi Gunya まで気軽にお声掛けを。オフィスに遊びに来るのも大歓迎です!
20161029 TVI Tokyowebmining Seminar for Share
20161029 TVI Tokyowebmining Seminar for Share
Yasushi Gunya
Experience Design 2016 SPRING の登壇資料です。深層学習活用したファッション・マンガ・画像生成・対話 等の各種体験提供の挑戦、開発で行っている8つのこと・心がけていること等紹介しています。
DeNAの機械学習・深層学習活用した体験提供の挑戦
DeNAの機械学習・深層学習活用した体験提供の挑戦
Koichi Hamada
アンカンファレンス@第50回 データマイニング+WEB @東京( #TokyoWebmining 50th ) ー機械学習 実活用 祭りー
アンカンファレンス @ 第50回 データマイニング+WEB @東京
アンカンファレンス @ 第50回 データマイニング+WEB @東京
Izumi Akiyama
various topics of recommender systems
レコメンド研究のあれこれ
レコメンド研究のあれこれ
Masahiro Sato
Future Standard では、IoTを活用した映像解析のサービス開発を行っており、その仕組みを支える技術についてお話をさせて頂きます。前半では、AWSでサーバー側の仕組みを構築した際に、どのような設計思想に基づいてアーキテクチャを構築したのかといったポイントを中心に説明します。後半は、NVIDIAのJetsonという組み込みコンピューターを使った、Faster R-CNN を使ったエッジでのリアルタイム物体認識の取り組みについてお話させて頂きます。
物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜
物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜
Takashi Kaneda
米国を中心とした 人工知能(AI)の事業トレンドを紹介する.“AI”というと私がリードしたドコモの 「しゃべって コンシェル」やApple Siri ,Amazon Echo, Microsoft Cortanaなどの擬人化エージェント,あるいはロボットを想起することが多いが,米国ではより一般的にAIは農業や交通,流通など各産業における自動化,効率化技術のマーケティング用語として用いられる場合が多い.実質はデータに基づく機械学習を用いた最適化である.基盤となる実装アルゴリズムの多くは急速にコモンディティ化して行く.画像解析,パーソナル化,音声対話,マーケティングオートメーションの多くは商用化段階にありレッドオーシャン化が進みつつある.農業,教育,医療,法律,福祉,防災などこれまでIT化が進んでいなかった領域での動きを含めてAIの事業化動向を解説する.
投資会社から見た人工知能(Ai)の事業化トレンド
投資会社から見た人工知能(Ai)の事業化トレンド
Osaka University
人工知能がファッションの分野でどのように活用されているかをお話しします
人工知能Xファッション最前線
人工知能Xファッション最前線
Kazuki Baba
DATA MINING+WEB@Tokyo#58 LT 発表資料
PL/CUDA - GPU Accelerated In-Database Analytics
PL/CUDA - GPU Accelerated In-Database Analytics
Kohei KaiGai
ホテルにおけるDynamic Pricingに絡めて動的最適化にまつわる諸々を
動的最適化の今までとこれから
動的最適化の今までとこれから
Kazuki Baba
tokyowebmining 58th
ドローン農業最前線
ドローン農業最前線
tetsuya furukawa
SSD/GPUがPostgreSQLを加速する ~ハードウェア性能を限界まで引き出すPG-Stromの挑戦~
20170310_InDatabaseAnalytics_#1
20170310_InDatabaseAnalytics_#1
Kohei KaiGai
「はじめてでもわかるRandomForest (ランダムフォレスト) 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京 濱田晃一 (hamadakoichi)
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
Koichi Hamada
意味を表現する素性、特徴量、を作成するための方法論。 ソシュールの構造主義的な考え方を基にするアプローチ。 その基礎部分のご紹介です。
意味表現の素性への構造主義的アプローチ入門
意味表現の素性への構造主義的アプローチ入門
kaikunir
Material presented at Tokyo Web Mining Meetup, March 26, 2016. The source code is here: https://github.com/hamukazu/tokyo.webmining.2016-03-26 東京ウェブマイニング(2016年3月27)の発表資料です。すべて英語です。
Introduction to behavior based recommendation system
Introduction to behavior based recommendation system
Kimikazu Kato
2015-01-24にTokyoWebminingで発表した資料です
深層学習時代の自然言語処理
深層学習時代の自然言語処理
Yuya Unno
"Deep Learning for Image Recognition" at TokyoWebmining 42nd http://www.eventbrite.com/e/42-web-tokyowebmining-42nd--tickets-15325824955 Keywords Machine Learning, Object Recognition, Face Recognition, Artificial Intelligence (AI) ディープラーニング, 深層学習, 機械学習, 画像認識, 物体認識, 顔認識, 人工知能
ディープラーニング徹底活用 -画像認識編-
ディープラーニング徹底活用 -画像認識編-
Hideki
NIPS2016読み会の登壇資料です。NIPS2016 の、Overview、及び、Generative Adversarial Networks (GANs)、Recurrent Neural Networks (RNNs) の本会議論文に関して紹介しています。
NIPS 2016 Overview and Deep Learning Topics
NIPS 2016 Overview and Deep Learning Topics
Koichi Hamada
SEOのアウトソーシングコスト適正化を実現し、長期にわたって企業の資産となるSEOノウハウを蓄積するためのSEOインハウス化の仕組みづくりについて解説いたします。
「SEOのインハウス化(社内運用)のすすめ」 ~マーケティング戦略を素早くWebサイトへ反映する仕組みづくり~
「SEOのインハウス化(社内運用)のすすめ」 ~マーケティング戦略を素早くWebサイトへ反映する仕組みづくり~
IMJ Corporation
Fukuda 20121013
Fukuda 20121013
nextedujimu
More Related Content
Viewers also liked
21世紀に入り通信ネットワークの発展と通信・センサーデバイスの低廉化によりこれまでの情報通信産業だけでなく、農業や製造業など第一次、第二次産業においても、大規模データを利活用するデータベース技術とそのデータを基にした機械学習によりこれまで不可能であった産業の自動化と最適化が可能になりつつあります。今後、量・種類ともに爆発的に増大する情報を最大限に活用するためのディープラーニング、強化学習等の機械学習を例とする革新的な人工知能基盤技術が広く利用され、様々な分野において将来にわたり効果的に情報が活用される社会の実現が期待されています。今後、データ利活用により、全ての産業においてその構造を変革するような新たなサービス、イノベーションが社会に要請されています。 本研究領域では、実社会の膨大なデータを知的・統合的かつセキュアに収集・処理・学習・制御するための人工知能基盤技術と、その成果を組み合わせることにより社会問題の解決と産業の自動化・最適化に貢献するイノベーション創発に資する技術の確立を目指します。 具体的には、以下の研究開発に取り組みます。 1)社会・経済等に貢献するため、多種・膨大な情報を組み合わせ解析する技術開発 2)多種・膨大な情報に基づき、状況に応じ最適化されるシステムのための技術開発 3)多種多様な要素で構成される複雑なシステムに適用可能なセキュリティ技術開発 膨大な情報の利活用がさらに高度かつ広範に浸透した将来社会を念頭に、実社会の様々な分野への適用を見据えて、センサー技術、実時間ビッグデータを扱うデータベース技術、システムセキュリティ技術、機械学習を核とするシステム最適化技術等の高度化を進めます。さらに、それらを組み合わせて実世界データを総合的に実時間で処理し理解する情報処理システムを構築するための統合化技術の研究開発を推進します。 本研究領域による研究成果が、モビリティ、ロボティクス、健康・医療・介護、防災・減災、農業、ものづくり等における自動化・最適化を進める際のイノベーション創発の核となることを目指します。 これらに取り組むにあたっては、効果的な産学連携体制を構築しつつ、社会の実問題に取り組むために、基盤研究と統合化研究が互いの課題と成果を共有しながら進展する研究開発に挑みます。すなわち人工知能基盤技術という要素技術を揃えることと、イノベーション創発のために実際にそれを組み合わせて統合化していくことの両面を考慮した研究開発を行います。 なお、本研究領域は文部科学省の人工知能/ビッグデータ/IoT/サイバーセキュリティ統合プロジェクト(AIPプロジェクト)の一環として運営します。
イノベーション創発に資する人工知能基盤技術の創出と統合化
イノベーション創発に資する人工知能基盤技術の創出と統合化
Osaka University
Talk in Tokyo Webmining @FreakOut
VAE-type Deep Generative Models
VAE-type Deep Generative Models
Kenta Oono
Presentation at TokyoWebmining 2016/10/29
計量経済学と 機械学習の交差点入り口 (公開用)
計量経済学と 機械学習の交差点入り口 (公開用)
Shota Yasui
20161029 Tokyowebminingのセミナー資料、共有版です. 何かありましたら、 Twitter: @shkali FB: Yasushi Gunya まで気軽にお声掛けを。オフィスに遊びに来るのも大歓迎です!
20161029 TVI Tokyowebmining Seminar for Share
20161029 TVI Tokyowebmining Seminar for Share
Yasushi Gunya
Experience Design 2016 SPRING の登壇資料です。深層学習活用したファッション・マンガ・画像生成・対話 等の各種体験提供の挑戦、開発で行っている8つのこと・心がけていること等紹介しています。
DeNAの機械学習・深層学習活用した体験提供の挑戦
DeNAの機械学習・深層学習活用した体験提供の挑戦
Koichi Hamada
アンカンファレンス@第50回 データマイニング+WEB @東京( #TokyoWebmining 50th ) ー機械学習 実活用 祭りー
アンカンファレンス @ 第50回 データマイニング+WEB @東京
アンカンファレンス @ 第50回 データマイニング+WEB @東京
Izumi Akiyama
various topics of recommender systems
レコメンド研究のあれこれ
レコメンド研究のあれこれ
Masahiro Sato
Future Standard では、IoTを活用した映像解析のサービス開発を行っており、その仕組みを支える技術についてお話をさせて頂きます。前半では、AWSでサーバー側の仕組みを構築した際に、どのような設計思想に基づいてアーキテクチャを構築したのかといったポイントを中心に説明します。後半は、NVIDIAのJetsonという組み込みコンピューターを使った、Faster R-CNN を使ったエッジでのリアルタイム物体認識の取り組みについてお話させて頂きます。
物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜
物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜
Takashi Kaneda
米国を中心とした 人工知能(AI)の事業トレンドを紹介する.“AI”というと私がリードしたドコモの 「しゃべって コンシェル」やApple Siri ,Amazon Echo, Microsoft Cortanaなどの擬人化エージェント,あるいはロボットを想起することが多いが,米国ではより一般的にAIは農業や交通,流通など各産業における自動化,効率化技術のマーケティング用語として用いられる場合が多い.実質はデータに基づく機械学習を用いた最適化である.基盤となる実装アルゴリズムの多くは急速にコモンディティ化して行く.画像解析,パーソナル化,音声対話,マーケティングオートメーションの多くは商用化段階にありレッドオーシャン化が進みつつある.農業,教育,医療,法律,福祉,防災などこれまでIT化が進んでいなかった領域での動きを含めてAIの事業化動向を解説する.
投資会社から見た人工知能(Ai)の事業化トレンド
投資会社から見た人工知能(Ai)の事業化トレンド
Osaka University
人工知能がファッションの分野でどのように活用されているかをお話しします
人工知能Xファッション最前線
人工知能Xファッション最前線
Kazuki Baba
DATA MINING+WEB@Tokyo#58 LT 発表資料
PL/CUDA - GPU Accelerated In-Database Analytics
PL/CUDA - GPU Accelerated In-Database Analytics
Kohei KaiGai
ホテルにおけるDynamic Pricingに絡めて動的最適化にまつわる諸々を
動的最適化の今までとこれから
動的最適化の今までとこれから
Kazuki Baba
tokyowebmining 58th
ドローン農業最前線
ドローン農業最前線
tetsuya furukawa
SSD/GPUがPostgreSQLを加速する ~ハードウェア性能を限界まで引き出すPG-Stromの挑戦~
20170310_InDatabaseAnalytics_#1
20170310_InDatabaseAnalytics_#1
Kohei KaiGai
「はじめてでもわかるRandomForest (ランダムフォレスト) 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京 濱田晃一 (hamadakoichi)
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
Koichi Hamada
意味を表現する素性、特徴量、を作成するための方法論。 ソシュールの構造主義的な考え方を基にするアプローチ。 その基礎部分のご紹介です。
意味表現の素性への構造主義的アプローチ入門
意味表現の素性への構造主義的アプローチ入門
kaikunir
Material presented at Tokyo Web Mining Meetup, March 26, 2016. The source code is here: https://github.com/hamukazu/tokyo.webmining.2016-03-26 東京ウェブマイニング(2016年3月27)の発表資料です。すべて英語です。
Introduction to behavior based recommendation system
Introduction to behavior based recommendation system
Kimikazu Kato
2015-01-24にTokyoWebminingで発表した資料です
深層学習時代の自然言語処理
深層学習時代の自然言語処理
Yuya Unno
"Deep Learning for Image Recognition" at TokyoWebmining 42nd http://www.eventbrite.com/e/42-web-tokyowebmining-42nd--tickets-15325824955 Keywords Machine Learning, Object Recognition, Face Recognition, Artificial Intelligence (AI) ディープラーニング, 深層学習, 機械学習, 画像認識, 物体認識, 顔認識, 人工知能
ディープラーニング徹底活用 -画像認識編-
ディープラーニング徹底活用 -画像認識編-
Hideki
NIPS2016読み会の登壇資料です。NIPS2016 の、Overview、及び、Generative Adversarial Networks (GANs)、Recurrent Neural Networks (RNNs) の本会議論文に関して紹介しています。
NIPS 2016 Overview and Deep Learning Topics
NIPS 2016 Overview and Deep Learning Topics
Koichi Hamada
Viewers also liked
(20)
イノベーション創発に資する人工知能基盤技術の創出と統合化
イノベーション創発に資する人工知能基盤技術の創出と統合化
VAE-type Deep Generative Models
VAE-type Deep Generative Models
計量経済学と 機械学習の交差点入り口 (公開用)
計量経済学と 機械学習の交差点入り口 (公開用)
20161029 TVI Tokyowebmining Seminar for Share
20161029 TVI Tokyowebmining Seminar for Share
DeNAの機械学習・深層学習活用した体験提供の挑戦
DeNAの機械学習・深層学習活用した体験提供の挑戦
アンカンファレンス @ 第50回 データマイニング+WEB @東京
アンカンファレンス @ 第50回 データマイニング+WEB @東京
レコメンド研究のあれこれ
レコメンド研究のあれこれ
物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜
物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜
投資会社から見た人工知能(Ai)の事業化トレンド
投資会社から見た人工知能(Ai)の事業化トレンド
人工知能Xファッション最前線
人工知能Xファッション最前線
PL/CUDA - GPU Accelerated In-Database Analytics
PL/CUDA - GPU Accelerated In-Database Analytics
動的最適化の今までとこれから
動的最適化の今までとこれから
ドローン農業最前線
ドローン農業最前線
20170310_InDatabaseAnalytics_#1
20170310_InDatabaseAnalytics_#1
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
意味表現の素性への構造主義的アプローチ入門
意味表現の素性への構造主義的アプローチ入門
Introduction to behavior based recommendation system
Introduction to behavior based recommendation system
深層学習時代の自然言語処理
深層学習時代の自然言語処理
ディープラーニング徹底活用 -画像認識編-
ディープラーニング徹底活用 -画像認識編-
NIPS 2016 Overview and Deep Learning Topics
NIPS 2016 Overview and Deep Learning Topics
Similar to 機械学習による積極的失業〜オウンドメディアの訪問予測
SEOのアウトソーシングコスト適正化を実現し、長期にわたって企業の資産となるSEOノウハウを蓄積するためのSEOインハウス化の仕組みづくりについて解説いたします。
「SEOのインハウス化(社内運用)のすすめ」 ~マーケティング戦略を素早くWebサイトへ反映する仕組みづくり~
「SEOのインハウス化(社内運用)のすすめ」 ~マーケティング戦略を素早くWebサイトへ反映する仕組みづくり~
IMJ Corporation
Fukuda 20121013
Fukuda 20121013
nextedujimu
2016/09/03 フリーランスミートアップにて発表したスライドです。
フリーランスエンジニアを半年間やってみた
フリーランスエンジニアを半年間やってみた
Ohira Yukito
2017年8月25日に千葉県の流山高校で授業をしてきたときの資料です。
プログラミングを学ぶと何が良いのか
プログラミングを学ぶと何が良いのか
Haruo Sato
~多様化したメディア時代に企業はウェブとどう付き合うか~
企業のウェブ戦略策定
企業のウェブ戦略策定
武 河野
データサイエンティスト協会 セミナー2016 第2回目 講演資料
データサイエンス業務と「ツール」
データサイエンス業務と「ツール」
The Japan DataScientist Society
ナイル(旧ヴォラーレ)株式会社 Webコンサルティング事業部 實川 節朗
スマホSEOって何すればいいの?&質問コーナー
スマホSEOって何すればいいの?&質問コーナー
ナイル株式会社
・経理部門の効率化に失敗しないためのポイントとは? ・企業向け機能のプロダクトアップデート情報
【Shared】「顧問先の経理と会計を効率化するためのポイント」:freee尾籠
【Shared】「顧問先の経理と会計を効率化するためのポイント」:freee尾籠
freee株式会社
札幌SEO・Webセミナー
札幌SEO・Webセミナー
Webコンサルタント武藤正隆
シェア経済サミット2016、プレゼンテーション資料(シェアリングエコノミー協会)
あなたにぴったりのハウスキーパーを探そう 〜1500円からの家事代行マッチングサービス〜タスカジ ( 和田幸子)
あなたにぴったりのハウスキーパーを探そう 〜1500円からの家事代行マッチングサービス〜タスカジ ( 和田幸子)
一般社団法人シェアリングエコノミー協会
【IMJ】スマートフォンSEO対策セミナー 第1部 (2015.7.8)
【IMJ】スマートフォンSEO対策セミナー 第1部 (2015.7.8)
IMJ Corporation
SEO対策に頼らないコンテンツマーケティングは、2018年9月10日に開催されるセミナー(会場はタスクール、名古屋市千種区)の資料です。 月16万PVの弊社ウェブサイト(オウンドメディア)などを題材に、SEO対策ではないウェブ集客の方法、それを実現するために、CMS(concrete5)でクイズ機能や計算機能を付けるなどの仕組みを紹介します。
SEO対策に頼らないコンテンツマーケティング
SEO対策に頼らないコンテンツマーケティング
Fumito Mizuno
「でらスタ(どえりゃービジネスが加速するビジネス勉強コミュニティー)」 愛知県春日井市 コワーキングスペースRoom8
小さい会社のWEB対策とSEO対策はブログやソーシャルメディア活用方法
小さい会社のWEB対策とSEO対策はブログやソーシャルメディア活用方法
Webコンサルタント武藤正隆
Public info
Public info
Toshihiro Hirai
ソーシャルリクルーティングにかかる2011年の主な公知情報や関連サイトを載せています。ソーシャルリクルーティングを2013年の新卒採用に向けて取り組もうとする採用担当者の社内承認用資料などに使って頂ければと思います。
Public Info
Public Info
Toshihiro Hirai
AI活用でウェブマーケティング効率化を解説。ChatGPTでコンテンツ作成や顧客対応を改善し、ビジネス成長をサポート。メリットとデメリットも明らかに!最新AI技術でマーケティングを次のレベルへ。さらに、ChatGPTの活用事例や実践的なテクニックも紹介します。参加者は、AIを活用したマーケティング戦略の理解が深まることでしょう。(この文章はChatGPTを使って作成しました。)
今話題のChatGPTでウェブマーケティングを簡単かつ効果的に!
今話題のChatGPTでウェブマーケティングを簡単かつ効果的に!
Noriaki Sugimoto
弊社mofmof inc.では「つくって人をしあわせにする」というビジョンを持って事業を営んでおります。この言葉には、「使う人」「欲しい人」「作る人」の3者をしあわせにできる「ものづくり」にこだわろうという想いが込められています。 私たちが作ったソフトウェアを使うことで、エンドユーザーの生活は便利で豊かになり、提供者は利益を得てビジネスを成長させることができる。「生み出したものを通じて人々を幸せにしている」という実感を持ちながら、ソフトウェアの新しい価値を実現すべく、また、次の挑戦をする。そんなスパイラルを続けていきたい。それが私たちの想いです。 https://www.mof-mof.co.jp DIVE INTO CODE では、リクルーティングパートナーを募集しています! 参画料金:無料 参画メリット * 約720〜1,000時間と60〜100万円を自己投資した意欲の高いエンジニア候補生を採用できる * 採用候補者のセンスや才能、技量を就業説明会の座談会で直接見極められる * 将来の見込み社員に対して求人情報を展開できる https://diveintocode.jp/recruiting_partner 詳細は、 cs@diveintocode.jp までお気軽にお問い合わせください。
就職説明会 181215 株式会社mofmof
就職説明会 181215 株式会社mofmof
DIVE INTO CODE Corp.
WCK Sessions Vol.7 で紹介した a-blog cms 2.1を活用したWeb制作のワークフロー のスライドです。
WCK Sessions Vol.7 / a-blog cms 2.1を活用したWeb制作のワークフロー
WCK Sessions Vol.7 / a-blog cms 2.1を活用したWeb制作のワークフロー
Kazumich YAMAMOTO
機械学習をWebメディアに使って効率的な運営を目指してみてる
Machine Learning 15 minutes! とあるデザイン会社の中の人にとってのA.I.
Machine Learning 15 minutes! とあるデザイン会社の中の人にとってのA.I.
Yohsuke Itoh
2014年7月31日SEOセミナー
140731 シックスアパート様セミナー(配布用)
140731 シックスアパート様セミナー(配布用)
Masaki Suzuki
Similar to 機械学習による積極的失業〜オウンドメディアの訪問予測
(20)
「SEOのインハウス化(社内運用)のすすめ」 ~マーケティング戦略を素早くWebサイトへ反映する仕組みづくり~
「SEOのインハウス化(社内運用)のすすめ」 ~マーケティング戦略を素早くWebサイトへ反映する仕組みづくり~
Fukuda 20121013
Fukuda 20121013
フリーランスエンジニアを半年間やってみた
フリーランスエンジニアを半年間やってみた
プログラミングを学ぶと何が良いのか
プログラミングを学ぶと何が良いのか
企業のウェブ戦略策定
企業のウェブ戦略策定
データサイエンス業務と「ツール」
データサイエンス業務と「ツール」
スマホSEOって何すればいいの?&質問コーナー
スマホSEOって何すればいいの?&質問コーナー
【Shared】「顧問先の経理と会計を効率化するためのポイント」:freee尾籠
【Shared】「顧問先の経理と会計を効率化するためのポイント」:freee尾籠
札幌SEO・Webセミナー
札幌SEO・Webセミナー
あなたにぴったりのハウスキーパーを探そう 〜1500円からの家事代行マッチングサービス〜タスカジ ( 和田幸子)
あなたにぴったりのハウスキーパーを探そう 〜1500円からの家事代行マッチングサービス〜タスカジ ( 和田幸子)
【IMJ】スマートフォンSEO対策セミナー 第1部 (2015.7.8)
【IMJ】スマートフォンSEO対策セミナー 第1部 (2015.7.8)
SEO対策に頼らないコンテンツマーケティング
SEO対策に頼らないコンテンツマーケティング
小さい会社のWEB対策とSEO対策はブログやソーシャルメディア活用方法
小さい会社のWEB対策とSEO対策はブログやソーシャルメディア活用方法
Public info
Public info
Public Info
Public Info
今話題のChatGPTでウェブマーケティングを簡単かつ効果的に!
今話題のChatGPTでウェブマーケティングを簡単かつ効果的に!
就職説明会 181215 株式会社mofmof
就職説明会 181215 株式会社mofmof
WCK Sessions Vol.7 / a-blog cms 2.1を活用したWeb制作のワークフロー
WCK Sessions Vol.7 / a-blog cms 2.1を活用したWeb制作のワークフロー
Machine Learning 15 minutes! とあるデザイン会社の中の人にとってのA.I.
Machine Learning 15 minutes! とあるデザイン会社の中の人にとってのA.I.
140731 シックスアパート様セミナー(配布用)
140731 シックスアパート様セミナー(配布用)
More from Teruyuki Sakaue
第70回 Machine Learning 15minutes! Broadcastというイベントでお話する内容です。 ジョブレコメンデーション系の論文とか実務でやっていることを色々共有します。
実務と論文で学ぶジョブレコメンデーション最前線2022
実務と論文で学ぶジョブレコメンデーション最前線2022
Teruyuki Sakaue
Machine Learning 15minutes! Broadcast #59 での発表用スライドです。
警察庁オープンデータで交通事故の世界にDeepDive!
警察庁オープンデータで交通事故の世界にDeepDive!
Teruyuki Sakaue
2021/07/28開催された丸ノ内アナリティクスバンビーノの発表資料です。 社内のデータ活用の事例を3つほど発表しました。
[丸ノ内アナリティクスバンビーノ#23]データドリブン施策によるサービス品質向上の取り組み
[丸ノ内アナリティクスバンビーノ#23]データドリブン施策によるサービス品質向上の取り組み
Teruyuki Sakaue
Music×Analytics Meetup Vol.4のLTでの発表資料です。 音声を聴きたい場合はこちらのGoogle Presentationをご覧ください。 https://docs.google.com/presentation/d/1vnHCGMY0QRACA2jlyl1ZoMvsN4G3pxjKmW7xWbYrv24/edit#slide=id.p
[Music×Analytics]プロの音に近づくための研究と練習
[Music×Analytics]プロの音に近づくための研究と練習
Teruyuki Sakaue
[DSO] Machine Learning Seminar Vol.8 SKUE
[DSO] Machine Learning Seminar Vol.8 Chapter 9
[DSO] Machine Learning Seminar Vol.8 Chapter 9
Teruyuki Sakaue
チームで毎週行なっている情報共有会の資料です。
データ分析ランチセッション#24 OSSのAutoML~TPOTについて
データ分析ランチセッション#24 OSSのAutoML~TPOTについて
Teruyuki Sakaue
[DSO] Machine Learning Seminar Vol.2 SKUE
[DSO] Machine Learning Seminar Vol.2 Chapter 3
[DSO] Machine Learning Seminar Vol.2 Chapter 3
Teruyuki Sakaue
[DSO] Machine Learning Seminar Vol.1 SKUE
[DSO] Machine Learning Seminar Vol.1 Chapter 1 and 2
[DSO] Machine Learning Seminar Vol.1 Chapter 1 and 2
Teruyuki Sakaue
2020/2/3 地理データを集め、可視化し分析することが簡単にできるプログラミング言語について 5分間のLT発表資料
地理データを集め、可視化し分析することが簡単にできるプログラミング言語について @ BIT VALLEY -INSIDE- Vol.16
地理データを集め、可視化し分析することが簡単にできるプログラミング言語について @ BIT VALLEY -INSIDE- Vol.16
Teruyuki Sakaue
会社の昼休みに緩めの情報共有会を開催した際の資料です。
[第1回]データ分析ランチセッション ~ Qiita Advent Calendar2019から得た情報10選
[第1回]データ分析ランチセッション ~ Qiita Advent Calendar2019から得た情報10選
Teruyuki Sakaue
2018/10/19に横浜みなとみらいで開催されるNetadashi Meetup #7の発表資料です。 分散表現を用いた文書分類について企業での活用事例を取りあげたり、サンプルデータでの事例を紹介しています。
流行りの分散表現を用いた文書分類について Netadashi Meetup 7
流行りの分散表現を用いた文書分類について Netadashi Meetup 7
Teruyuki Sakaue
More from Teruyuki Sakaue
(11)
実務と論文で学ぶジョブレコメンデーション最前線2022
実務と論文で学ぶジョブレコメンデーション最前線2022
警察庁オープンデータで交通事故の世界にDeepDive!
警察庁オープンデータで交通事故の世界にDeepDive!
[丸ノ内アナリティクスバンビーノ#23]データドリブン施策によるサービス品質向上の取り組み
[丸ノ内アナリティクスバンビーノ#23]データドリブン施策によるサービス品質向上の取り組み
[Music×Analytics]プロの音に近づくための研究と練習
[Music×Analytics]プロの音に近づくための研究と練習
[DSO] Machine Learning Seminar Vol.8 Chapter 9
[DSO] Machine Learning Seminar Vol.8 Chapter 9
データ分析ランチセッション#24 OSSのAutoML~TPOTについて
データ分析ランチセッション#24 OSSのAutoML~TPOTについて
[DSO] Machine Learning Seminar Vol.2 Chapter 3
[DSO] Machine Learning Seminar Vol.2 Chapter 3
[DSO] Machine Learning Seminar Vol.1 Chapter 1 and 2
[DSO] Machine Learning Seminar Vol.1 Chapter 1 and 2
地理データを集め、可視化し分析することが簡単にできるプログラミング言語について @ BIT VALLEY -INSIDE- Vol.16
地理データを集め、可視化し分析することが簡単にできるプログラミング言語について @ BIT VALLEY -INSIDE- Vol.16
[第1回]データ分析ランチセッション ~ Qiita Advent Calendar2019から得た情報10選
[第1回]データ分析ランチセッション ~ Qiita Advent Calendar2019から得た情報10選
流行りの分散表現を用いた文書分類について Netadashi Meetup 7
流行りの分散表現を用いた文書分類について Netadashi Meetup 7
機械学習による積極的失業〜オウンドメディアの訪問予測
1.
機械学習による積極的失業〜オ ウンドメディアの訪問予測 2016/06/25 Mr_Sakaue
2.
自己紹介 Mr_Sakaue 渋谷の某ベンチャー企業のWebマーケティング(50%)と分析(50%)を兼務 大学・大学院で経済理論と計量経済学を専攻 主にR・Pythonを用いて、機械学習や自然言語処理を用いたアドホック分析から、自社 サイトの運用のアドバイスなどを行っている。 2
3.
Mr_Sakaueのオウンドメディア実績 ・検索エンジン経由の月間訪問数を1年半で5.4倍 検索エンジン経由の月間CV数を1年半で4.5倍 セオリーに従い運営していった結果、非常に成長したものの、労働集約的な働き方が 常態化している。 3
4.
自分の仕事を機械に委ね、失業したい 4 データマイニングにもっと注力していきたい!
5.
自社オウンドメディアのデータ特性 ・主に求職者が仕事を探すに際し、Googleなどで検索を行った結果、自社サイトに訪問 する。 ・ロングテールな訪問のデータで、数ヶ月に一回訪問するようなページが多い。 ・テキスト情報は十分に規格化されておらず、ページによって文字数など情報量にちら ばりがある。 5
6.
オウンドメディアの課題 毎月数百件の求人ページが掲載期間終了で Web上から削除される。( 404
Not Found化) 掲載期間が終了しても、自社サービスに関心を持ってくれるユーザーは存在する。 (捨てるなんて勿体無い) 掲載期間が過ぎても募集終了を明記して残すべき求人ページとそうでないページをふるいにかけたい。 現状はMr_Sakaueの勘と経験と度胸(KKD)で今後訪問の来そうなページ (3ヶ月間で訪問がくる)を選定 している。(精度は51%) 6
7.
分析の目的 ・私の判断基準で選定した結果の精度(51%)を上回るような、訪問の来そうな求人ペー ジ選定の識別器を作りたい。 【期待される効果】 ・私の判断にあてる時間のコストカット (このタスクに関しては積極的に失業したい。) ・精度向上によるオウンドメディアの訪問数増 7
8.
フローチャート データ 学習550件 テスト550件 前処理 特徴量作成 予測アルゴリ ズム適用 予測結果の 活用 チューニング 8
9.
特徴量の準備 9
10.
第7回テキストマイニング・シンポジウムにて 電子カルテのテキスト情報を形態 素解析して、それを特徴量とする 際に、GBDTを使ったらどれを使う べきかの判断に使えるだろうと 某研究者が発言していた。 求人情報のテキストも形態素解析 して、特徴量に使うことで予測モデ ルに使うことができるかもしれな い。 10
11.
求人ページ内における訪問数と相関しそうな単語 11訪問と相関してそうな単語はあるので、きっと予測に使えるかも!
12.
クリック予測に有効な特徴量の選び方 12 CTR予測に関してはHistorical Featureが予測パフォーマン ス向上に大きく寄与する!
13.
今回の分析で用いる特徴量 ・給与や文字数、本文内の単語を特徴量として利用(Contextual Feature) MeCabにより本文を形態素解析しTF-IDFを計算し、 Bag of
Wordsを作成して特徴量とした。 ・過去3ヶ月間の訪問数を特徴量として利用(Historical Feature) 13
14.
手法 14
15.
手法 ・XGBoost(GBDTの高性能版) ・Random Forest 15
16.
評価指標 Precisionで評価 機械学習システムによって提案された候補の内、向こう3ヶ月以内に訪問のくる求人 ページをどれだけ選択できたかを評価します。 訪問の来なさそうなページを公開することは極力避けたいので、Recallは重視しませ ん。 16
17.
様々な特徴量で予測を行う ・単価と文字数だけで予測(変数2個) ・単価と文字数と過去訪問数で予測(変数3個) ・単価と文字数と過去訪問数とテキスト情報で予測(変数は数百個) ・単価と文字数とテキスト情報で予測(変数は数百個) 17
18.
18 チューニングを行った XGBoostのパ ラメータ達 colsample_bytree min_child_weight max_depth gamma subsample alpha eta ・・・ 特徴量の数が多いと計算が相当に 厳しいことを実感した。
19.
推定結果(Precision) 19 Mr_Sakaueチョイス(51%)
20.
Historical Featureの重要度スコアが高い 20
21.
念のためにRecallも・・・ 精度だけでなく、結果として返さ れる数も十分許せるレベルで あった。(Recallは約60%) 21
22.
考察 ・私が求人を選定するよりも、分類器にかけたほうが最大で20%近く正解を当てることが できる。(失業してもいい・・・?) ・単価と文字数にHistorical Featureを加えたRomdom Forestのモデルの精度は71%と 最も高い。 ・チューニングを前提としたXGBoostならば、Contextual
Featureの追加により精度の 向上が観察されているが、Random Forestの71%には勝てない。 22
23.
今後の研究 ・形態素解析による特徴量の作成だけでなく、トピック分析などにより特徴量を作成する アプローチにも挑戦してみる。(教師付きLDAも気になる。) ・Factorization Machineによる特徴量の作成に挑戦してみる。 ・ページごとに構造化されたデータの作成を行う。 ・パラメータチューニングを行いやすい分析環境を用意する。 ・学習データ数をもっと増やしていく。 23
24.
ご清聴ありがとうございました! 24
Download now