SlideShare a Scribd company logo
1 of 17
Download to read offline
www.***.com
TensorFlowとは?
株式会社KSKアナリティクス
© KSK Analytics Inc.
2016/07/25
TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
www.***.com
2
TensorFlowとは?
人工知能を簡単に実装できるソフト
ウェアライブラリをGoogle社が開発し、
オープンソース化された革新的な技術
です。
人工
知能
TensorFlowオープンソース化
すごい!
© KSK Analytics Inc.
TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
www.***.com
3
TensorFlowとは?
Google社内でも広く活用されています。
Google検索
Gmail
Google翻訳
Android
YouTube
Googleフォト
etc. お世話になっています。
Inbox
© KSK Analytics Inc.
TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
www.***.com
4
TensorFlowとは?
何が出来るのでしょうか?
画像検索
メール自動返信文作成
リアルタイム翻訳
音声認識
メール分別
顔認識
ウェブ検索最適化 etc. 夢が膨らみます。
被写体認識
© KSK Analytics Inc.
TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
www.***.com
5
TensorFlowとは?
何がすごいのでしょうか?
何よりもすごいのは精度です。
例えば、写真を見て何が写っているかど
うかを人間と同じレベルで認識できます。
© KSK Analytics Inc.
TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
www.***.com
6
TensorFlowとは?
何がすごいのでしょうか?
この精度を上げるために、
ディープラーニング(深層学習)
を使用しています。
人工
知能
ディープラーニング
(深層学習)
© KSK Analytics Inc.
TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
www.***.com
7
TensorFlowとは?
何がすごいのでしょうか?
このディープラーニングを
簡単に実装することが出来るのが
TensorFlowです。
人工
知能
ディープラーニング
(深層学習)
TensorFlow
© KSK Analytics Inc.
TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
www.***.com
ディープラーニング(深層学習)とは?
株式会社KSKアナリティクス
データサイエンス本部
データアナリスト 足立 悠
~従来の機械学習との違い・活用メリット~
© KSK Analytics Inc.
TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
www.***.com
9
データ分析の活用例
 機械・設備の故障予測、異常検知
 サービス解約顧客の予測
 商品のレコメンデーション(推薦)
 新商品の需要予測
 クレーム要因の特定
※BA(ビジネス・アナリティクス)に限定
「機械学習」の手法を適用
© KSK Analytics Inc.
TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
www.***.com
10
機械学習とは?
データに潜むパターンや規則性を発見すること。
・機械の稼働ログ
・センサ
・顧客マスタ
・購買履歴
・アンケート
・・・など
入力データ
機械学習の
「手法」 学習モデル
入力データの
パターンや規則性
機械に「学習」させる
© KSK Analytics Inc.
TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
www.***.com
11
機械学習の手法(アルゴリズム)
対象 変量 分類 説明性 分析手法 事例
デ
ー
タ
分
析
1
変
量
分布と
代表値
◎ 要約統計量 品質管理
RFM分析
ロングテール
◎ 度数集計
◎ ヒストグラム
推測
統計
○ 検定 実験計画法
臨床試験
多
変
量
○ 推定
機械
学習
(教師なし・
発見型)
△ 主成分分析(PCA) 価格最適化
マーケットバスケット分析
顧客セグメンテーション
クロスセル・アップセル
系統樹(生命科学)
アンケート分析
◎ 相関分析
○ アソシエーション分析
△ コレスポンデンス分析
○ 階層型クラスタリング
○ K-meansクラスタリング
△ 自己組織化マップ
機械
学習
(教師あり・
予測型)
△ 協調フィルタリング レコメンデーション
顧客離反防止
倒産予知モデル
キャンペーンの効果測定
店舗別売上予測
広告効果測定
ソーシャルメディア分析
クレジットカードの不正検知
物流最適化
設備の予防保全
画像解析
◎ 決定木分析
○ K近傍法
○ ナイーブベイズ
◎ 線形回帰分析
○ 分散分析
× ニューラルネット
× サポートベクターマシン
× ロジスティック回帰
× 判別分析
※1:構造化データサイエンスモデル[SDSM] (工藤卓哉氏, 2013)より修正加筆。※2:分析手法(太字)は弊社RapidMinerトレーニングに含む。
© KSK Analytics Inc.
TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
www.***.com
12
機械学習を使えるソフト
 RapidMiner(→)
 プログラミング不要で誰でも簡単に分析できる。
 NYSOL(→)
 コマンドベース。高速ETL,高速DBが不要。
 R Server(Revolution R Enterprise)
 R言語でスケーラブルなハイパフォーマンス分析環境を構築。
© KSK Analytics Inc.
TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
www.***.com
13
技術体系
© KSK Analytics Inc.
TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
www.***.com
14
ディープラーニング(深層学習)とは?
機械学習の一種でニューラルネットをベースと
した技術。ニューラルネットの学習において使用
される「層」を多く(深く)重ねて学習するため、
ディープニューラルネットとも呼ばれる。
分類問題、回帰問題を解くことができ、従来の
機械学習の手法と比較し高精度に学習できる。特
に画像認識、音声認識の分野において効果を発揮
している。
© KSK Analytics Inc.
TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
www.***.com
15
機械学習とディープラーニングの違い
従来の機械学習 ディープラーニング
入力
特徴抽出
パラメータ学習
入力
特徴抽出+
パラメータ学習
・身長
・体重
・髪の長さ
・咽喉の凹凸
etc
答え:女性 答え:女性
ディープラーニングに注目が集まる!
問い:前から歩いてくる人は男性か女性か?
© KSK Analytics Inc.
TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
www.***.com
16
ディープラーニングを使えるソフト
 TensorFlow
 Google社が提供するDL、最もポピュラー
 CNTK
 Microsoft社が提供するDL、2015年の画像認識コンペで優勝
 Theano
 アカデミックで最も使用されているDL
 Caffe
 UCバークレー発のDLフレームワーク
 Chainer
 Preferred Networks及びPreferred Infrastructure社が提供するフレームワー
ク
© KSK Analytics Inc.
TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
www.***.com
↓お問い合わせはこちらまで↓
株式会社 KSKアナリティクス
セールス&マーケティング本部
www.ksk-anl.com sales@ksk-anl.com
© KSK Analytics Inc.
TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.

More Related Content

What's hot

Jubatusの特徴変換と線形分類器の仕組み
Jubatusの特徴変換と線形分類器の仕組みJubatusの特徴変換と線形分類器の仕組み
Jubatusの特徴変換と線形分類器の仕組み
JubatusOfficial
 
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Yuya Unno
 
Jubatusにおける大規模分散オンライン機械学習
Jubatusにおける大規模分散オンライン機械学習Jubatusにおける大規模分散オンライン機械学習
Jubatusにおける大規模分散オンライン機械学習
Preferred Networks
 
Jubatusにおける機械学習のテスト@MLCT
Jubatusにおける機械学習のテスト@MLCTJubatusにおける機械学習のテスト@MLCT
Jubatusにおける機械学習のテスト@MLCT
Yuya Unno
 

What's hot (20)

深層学習とTensorFlow入門
深層学習とTensorFlow入門深層学習とTensorFlow入門
深層学習とTensorFlow入門
 
機械学習 入門
機械学習 入門機械学習 入門
機械学習 入門
 
機械学習の理論と実践
機械学習の理論と実践機械学習の理論と実践
機械学習の理論と実践
 
Randomforestで高次元の変数重要度を見る #japanr LT
 Randomforestで高次元の変数重要度を見る #japanr LT Randomforestで高次元の変数重要度を見る #japanr LT
Randomforestで高次元の変数重要度を見る #japanr LT
 
TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門
 
Jubatusの特徴変換と線形分類器の仕組み
Jubatusの特徴変換と線形分類器の仕組みJubatusの特徴変換と線形分類器の仕組み
Jubatusの特徴変換と線形分類器の仕組み
 
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
 
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォームJubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
 
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
 
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
 
Jubatusにおける大規模分散オンライン機械学習
Jubatusにおける大規模分散オンライン機械学習Jubatusにおける大規模分散オンライン機械学習
Jubatusにおける大規模分散オンライン機械学習
 
Python 機械学習プログラミング データ分析演習編
Python 機械学習プログラミング データ分析演習編Python 機械学習プログラミング データ分析演習編
Python 機械学習プログラミング データ分析演習編
 
Jubatusにおける機械学習のテスト@MLCT
Jubatusにおける機械学習のテスト@MLCTJubatusにおける機械学習のテスト@MLCT
Jubatusにおける機械学習のテスト@MLCT
 
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処” WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
 
LCCC2010:Learning on Cores, Clusters and Cloudsの解説
LCCC2010:Learning on Cores,  Clusters and Cloudsの解説LCCC2010:Learning on Cores,  Clusters and Cloudsの解説
LCCC2010:Learning on Cores, Clusters and Cloudsの解説
 
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〜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〜
 
数式がわからなくたってDeep Learningやってみたい!人集合- dots. DeepLearning部 発足!
数式がわからなくたってDeep Learningやってみたい!人集合- dots. DeepLearning部 発足!数式がわからなくたってDeep Learningやってみたい!人集合- dots. DeepLearning部 発足!
数式がわからなくたってDeep Learningやってみたい!人集合- dots. DeepLearning部 発足!
 
統計学勉強会#2
統計学勉強会#2統計学勉強会#2
統計学勉強会#2
 
「機械学習とは?」から始める Deep learning実践入門
「機械学習とは?」から始める Deep learning実践入門「機械学習とは?」から始める Deep learning実践入門
「機械学習とは?」から始める Deep learning実践入門
 
Jubatusが目指すインテリジェンス基盤
Jubatusが目指すインテリジェンス基盤Jubatusが目指すインテリジェンス基盤
Jubatusが目指すインテリジェンス基盤
 

Viewers also liked

Learning Latent Variable Gaussian Graphical Models
Learning Latent Variable Gaussian Graphical ModelsLearning Latent Variable Gaussian Graphical Models
Learning Latent Variable Gaussian Graphical Models
harapon
 
Relational Binarized HOG特徴量とReal AdaBoostによるバイナリ選択を用いた物体検出
Relational Binarized HOG特徴量とReal AdaBoostによるバイナリ選択を用いた物体検出Relational Binarized HOG特徴量とReal AdaBoostによるバイナリ選択を用いた物体検出
Relational Binarized HOG特徴量とReal AdaBoostによるバイナリ選択を用いた物体検出
MPRG_Chubu_University
 
局所特徴量と統計学習手法による物体検出
局所特徴量と統計学習手法による物体検出局所特徴量と統計学習手法による物体検出
局所特徴量と統計学習手法による物体検出
MPRG_Chubu_University
 
「黒騎士と白の魔王」gRPCによるHTTP/2 - API, Streamingの実践
「黒騎士と白の魔王」gRPCによるHTTP/2 - API, Streamingの実践「黒騎士と白の魔王」gRPCによるHTTP/2 - API, Streamingの実践
「黒騎士と白の魔王」gRPCによるHTTP/2 - API, Streamingの実践
Yoshifumi Kawai
 

Viewers also liked (14)

Learning Latent Variable Gaussian Graphical Models
Learning Latent Variable Gaussian Graphical ModelsLearning Latent Variable Gaussian Graphical Models
Learning Latent Variable Gaussian Graphical Models
 
Relational Binarized HOG特徴量とReal AdaBoostによるバイナリ選択を用いた物体検出
Relational Binarized HOG特徴量とReal AdaBoostによるバイナリ選択を用いた物体検出Relational Binarized HOG特徴量とReal AdaBoostによるバイナリ選択を用いた物体検出
Relational Binarized HOG特徴量とReal AdaBoostによるバイナリ選択を用いた物体検出
 
局所特徴量と統計学習手法による物体検出
局所特徴量と統計学習手法による物体検出局所特徴量と統計学習手法による物体検出
局所特徴量と統計学習手法による物体検出
 
機械学習ゴリゴリ派のための数学とPython
機械学習ゴリゴリ派のための数学とPython機械学習ゴリゴリ派のための数学とPython
機械学習ゴリゴリ派のための数学とPython
 
Pythonによる機械学習入門〜基礎からDeep Learningまで〜
Pythonによる機械学習入門〜基礎からDeep Learningまで〜Pythonによる機械学習入門〜基礎からDeep Learningまで〜
Pythonによる機械学習入門〜基礎からDeep Learningまで〜
 
基礎からのベイズ統計学 2章 勉強会資料
基礎からのベイズ統計学 2章 勉強会資料基礎からのベイズ統計学 2章 勉強会資料
基礎からのベイズ統計学 2章 勉強会資料
 
Pythonによる機械学習入門 ~SVMからDeep Learningまで~
Pythonによる機械学習入門 ~SVMからDeep Learningまで~Pythonによる機械学習入門 ~SVMからDeep Learningまで~
Pythonによる機械学習入門 ~SVMからDeep Learningまで~
 
基礎からのベイズ統計学 輪読会資料 第1章 確率に関するベイズの定理
基礎からのベイズ統計学 輪読会資料 第1章 確率に関するベイズの定理基礎からのベイズ統計学 輪読会資料 第1章 確率に関するベイズの定理
基礎からのベイズ統計学 輪読会資料 第1章 確率に関するベイズの定理
 
【Unite 2017 Tokyo】「黒騎士と白の魔王」にみるC#で統一したサーバー/クライアント開発と現実的なUniRx使いこなし術
【Unite 2017 Tokyo】「黒騎士と白の魔王」にみるC#で統一したサーバー/クライアント開発と現実的なUniRx使いこなし術【Unite 2017 Tokyo】「黒騎士と白の魔王」にみるC#で統一したサーバー/クライアント開発と現実的なUniRx使いこなし術
【Unite 2017 Tokyo】「黒騎士と白の魔王」にみるC#で統一したサーバー/クライアント開発と現実的なUniRx使いこなし術
 
統計学の基礎の基礎
統計学の基礎の基礎統計学の基礎の基礎
統計学の基礎の基礎
 
ZeroFormatterに見るC#で最速のシリアライザを作成する100億の方法
ZeroFormatterに見るC#で最速のシリアライザを作成する100億の方法ZeroFormatterに見るC#で最速のシリアライザを作成する100億の方法
ZeroFormatterに見るC#で最速のシリアライザを作成する100億の方法
 
RuntimeUnitTestToolkit for Unity
RuntimeUnitTestToolkit for UnityRuntimeUnitTestToolkit for Unity
RuntimeUnitTestToolkit for Unity
 
NextGen Server/Client Architecture - gRPC + Unity + C#
NextGen Server/Client Architecture - gRPC + Unity + C#NextGen Server/Client Architecture - gRPC + Unity + C#
NextGen Server/Client Architecture - gRPC + Unity + C#
 
「黒騎士と白の魔王」gRPCによるHTTP/2 - API, Streamingの実践
「黒騎士と白の魔王」gRPCによるHTTP/2 - API, Streamingの実践「黒騎士と白の魔王」gRPCによるHTTP/2 - API, Streamingの実践
「黒騎士と白の魔王」gRPCによるHTTP/2 - API, Streamingの実践
 

Similar to TensorFlowとは? ディープラーニング (深層学習) とは?

DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
Sho Nakamura
 
XP祭り関西2011 森崎 修司「プラクティスが有効にはたらく前提は明らかになっていますか?」
XP祭り関西2011 森崎 修司「プラクティスが有効にはたらく前提は明らかになっていますか?」XP祭り関西2011 森崎 修司「プラクティスが有効にはたらく前提は明らかになっていますか?」
XP祭り関西2011 森崎 修司「プラクティスが有効にはたらく前提は明らかになっていますか?」
Shuji Morisaki
 
Big data解析ビジネス
Big data解析ビジネスBig data解析ビジネス
Big data解析ビジネス
Mie Mori
 
ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-
ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-
ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-
Hironori Washizaki
 

Similar to TensorFlowとは? ディープラーニング (深層学習) とは? (20)

Building Software Reliability through Distributed Tracing.pdf
Building Software Reliability through Distributed Tracing.pdfBuilding Software Reliability through Distributed Tracing.pdf
Building Software Reliability through Distributed Tracing.pdf
 
Ai for marketing
Ai for marketingAi for marketing
Ai for marketing
 
Oracle Advanced Analytics 概要
Oracle Advanced Analytics 概要Oracle Advanced Analytics 概要
Oracle Advanced Analytics 概要
 
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
 
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
 
Supervised Machine Learning of Elastic Stack
Supervised Machine Learning of Elastic StackSupervised Machine Learning of Elastic Stack
Supervised Machine Learning of Elastic Stack
 
DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
 
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
 
tut_pfi_2012
tut_pfi_2012tut_pfi_2012
tut_pfi_2012
 
Hadoopカンファレンス2013
Hadoopカンファレンス2013Hadoopカンファレンス2013
Hadoopカンファレンス2013
 
WWW2018 論文読み会 Web Search and Mining
WWW2018 論文読み会 Web Search and MiningWWW2018 論文読み会 Web Search and Mining
WWW2018 論文読み会 Web Search and Mining
 
Beyond Accuracy Behavioral Testing of NLP Models with CheckList
Beyond Accuracy Behavioral Testing of NLP Models with CheckListBeyond Accuracy Behavioral Testing of NLP Models with CheckList
Beyond Accuracy Behavioral Testing of NLP Models with CheckList
 
ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展
 
XP祭り関西2011 森崎 修司「プラクティスが有効にはたらく前提は明らかになっていますか?」
XP祭り関西2011 森崎 修司「プラクティスが有効にはたらく前提は明らかになっていますか?」XP祭り関西2011 森崎 修司「プラクティスが有効にはたらく前提は明らかになっていますか?」
XP祭り関西2011 森崎 修司「プラクティスが有効にはたらく前提は明らかになっていますか?」
 
Retty recommendation project
Retty recommendation projectRetty recommendation project
Retty recommendation project
 
Growth team 概要
Growth team 概要Growth team 概要
Growth team 概要
 
How to organize data science project (データサイエンスプロジェクトの始め方101)
How to organize data science project (データサイエンスプロジェクトの始め方101)How to organize data science project (データサイエンスプロジェクトの始め方101)
How to organize data science project (データサイエンスプロジェクトの始め方101)
 
Big data解析ビジネス
Big data解析ビジネスBig data解析ビジネス
Big data解析ビジネス
 
SASより高速なRevolution R Enterprise
SASより高速なRevolution R EnterpriseSASより高速なRevolution R Enterprise
SASより高速なRevolution R Enterprise
 
ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-
ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-
ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-
 

More from KSK Analytics Inc.

More from KSK Analytics Inc. (11)

【KSKアナリティクス】 NYSOL 使い方 顧客の年齢を計算編
【KSKアナリティクス】 NYSOL 使い方 顧客の年齢を計算編【KSKアナリティクス】 NYSOL 使い方 顧客の年齢を計算編
【KSKアナリティクス】 NYSOL 使い方 顧客の年齢を計算編
 
【KSKアナリティクス】 NYSOL 使い方 顧客を男女別に分割編
【KSKアナリティクス】 NYSOL 使い方 顧客を男女別に分割編【KSKアナリティクス】 NYSOL 使い方 顧客を男女別に分割編
【KSKアナリティクス】 NYSOL 使い方 顧客を男女別に分割編
 
【KSKアナリティクス】 NYSOL 使い方 顧客数の確認編
【KSKアナリティクス】 NYSOL 使い方 顧客数の確認編【KSKアナリティクス】 NYSOL 使い方 顧客数の確認編
【KSKアナリティクス】 NYSOL 使い方 顧客数の確認編
 
【KSKアナリティクス】 NYSOL 使い方 データ準備編
【KSKアナリティクス】 NYSOL 使い方 データ準備編【KSKアナリティクス】 NYSOL 使い方 データ準備編
【KSKアナリティクス】 NYSOL 使い方 データ準備編
 
【KSKアナリティクス】 NYSOL 使い方 【後編】 オープンデータ 分析 - 頻出パターン の作成・可視化 -
【KSKアナリティクス】 NYSOL 使い方 【後編】 オープンデータ 分析 - 頻出パターン の作成・可視化 -【KSKアナリティクス】 NYSOL 使い方 【後編】 オープンデータ 分析 - 頻出パターン の作成・可視化 -
【KSKアナリティクス】 NYSOL 使い方 【後編】 オープンデータ 分析 - 頻出パターン の作成・可視化 -
 
【KSKアナリティクス】 【前編】 オープンデータ 分析 - XML ファイルからデータ抽出・整形 -
【KSKアナリティクス】 【前編】 オープンデータ 分析 - XML ファイルからデータ抽出・整形 -【KSKアナリティクス】 【前編】 オープンデータ 分析 - XML ファイルからデータ抽出・整形 -
【KSKアナリティクス】 【前編】 オープンデータ 分析 - XML ファイルからデータ抽出・整形 -
 
【KSKアナリティクス】 NYSOL インストール (Windows 64 bit 編)
【KSKアナリティクス】 NYSOL インストール (Windows 64 bit 編)【KSKアナリティクス】 NYSOL インストール (Windows 64 bit 編)
【KSKアナリティクス】 NYSOL インストール (Windows 64 bit 編)
 
【KSKアナリティクス】Pentaho紹介
【KSKアナリティクス】Pentaho紹介【KSKアナリティクス】Pentaho紹介
【KSKアナリティクス】Pentaho紹介
 
【KSKアナリティクス】 RapidMiner 紹介 (short)
【KSKアナリティクス】 RapidMiner 紹介 (short)【KSKアナリティクス】 RapidMiner 紹介 (short)
【KSKアナリティクス】 RapidMiner 紹介 (short)
 
【KSKアナリティクス】製品・サービス案内
【KSKアナリティクス】製品・サービス案内【KSKアナリティクス】製品・サービス案内
【KSKアナリティクス】製品・サービス案内
 
【KSKアナリティクス】会社案内・事例紹介
【KSKアナリティクス】会社案内・事例紹介【KSKアナリティクス】会社案内・事例紹介
【KSKアナリティクス】会社案内・事例紹介
 

TensorFlowとは? ディープラーニング (深層学習) とは?