Suche senden
Hochladen
Marketing×Python/Rで頑張れる事例16本ノック
•
20 gefällt mir
•
22,693 views
Teruyuki Sakaue
Folgen
・Tokyo Marketers Talkでの発表資料
Weniger lesen
Mehr lesen
Technologie
Melden
Teilen
Melden
Teilen
1 von 39
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
組合せ最適化を体系的に知ってPythonで実行してみよう PyCon 2015
組合せ最適化を体系的に知ってPythonで実行してみよう PyCon 2015
SaitoTsutomu
平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム
Takuya Akiba
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII
R言語による アソシエーション分析-組合せ・事象の規則を解明する-(第5回R勉強会@東京)
R言語による アソシエーション分析-組合せ・事象の規則を解明する-(第5回R勉強会@東京)
Koichi Hamada
Surveyから始まる研究者への道 - Stand on the shoulders of giants -
Surveyから始まる研究者への道 - Stand on the shoulders of giants -
諒介 荒木
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
Kota Matsui
【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法
Deep Learning JP
最適輸送の解き方
最適輸送の解き方
joisino
Empfohlen
組合せ最適化を体系的に知ってPythonで実行してみよう PyCon 2015
組合せ最適化を体系的に知ってPythonで実行してみよう PyCon 2015
SaitoTsutomu
平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム
Takuya Akiba
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII
R言語による アソシエーション分析-組合せ・事象の規則を解明する-(第5回R勉強会@東京)
R言語による アソシエーション分析-組合せ・事象の規則を解明する-(第5回R勉強会@東京)
Koichi Hamada
Surveyから始まる研究者への道 - Stand on the shoulders of giants -
Surveyから始まる研究者への道 - Stand on the shoulders of giants -
諒介 荒木
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
Kota Matsui
【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法
Deep Learning JP
最適輸送の解き方
最適輸送の解き方
joisino
最適化超入門
最適化超入門
Takami Sato
【解説】 一般逆行列
【解説】 一般逆行列
Kenjiro Sugimoto
学位論文の書き方メモ (Tips for writing thesis)
学位論文の書き方メモ (Tips for writing thesis)
Nobuyuki Umetani
金融時系列のための深層t過程回帰モデル
金融時系列のための深層t過程回帰モデル
Kei Nakagawa
バンディット問題について
バンディット問題について
jkomiyama
Rでisomap(多様体学習のはなし)
Rでisomap(多様体学習のはなし)
Kohta Ishikawa
coordinate descent 法について
coordinate descent 法について
京都大学大学院情報学研究科数理工学専攻
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
Ken'ichi Matsui
MCMC法
MCMC法
MatsuiRyo
レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成
Nagi Teramo
MCMCと正規分布の推測
MCMCと正規分布の推測
Gen Fujita
Union find(素集合データ構造)
Union find(素集合データ構造)
AtCoder Inc.
負の二項分布について
負の二項分布について
Hiroshi Shimizu
CatBoost on GPU のひみつ
CatBoost on GPU のひみつ
Takuji Tahara
機械学習 入門
機械学習 入門
Hayato Maki
[DLHacks LT] PytorchのDataLoader -torchtextのソースコードを読んでみた-
[DLHacks LT] PytorchのDataLoader -torchtextのソースコードを読んでみた-
Deep Learning JP
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析
Hiroaki Sengoku
MCMCによるベイズ因子分析法について
MCMCによるベイズ因子分析法について
考司 小杉
インフルエンサー・マッチング・プラットフォーム【コラボマーケティング】
インフルエンサー・マッチング・プラットフォーム【コラボマーケティング】
collabotechnology
プログラミング学習とScratch raspi python
プログラミング学習とScratch raspi python
Yoshitaka Shiono
Weitere ähnliche Inhalte
Was ist angesagt?
最適化超入門
最適化超入門
Takami Sato
【解説】 一般逆行列
【解説】 一般逆行列
Kenjiro Sugimoto
学位論文の書き方メモ (Tips for writing thesis)
学位論文の書き方メモ (Tips for writing thesis)
Nobuyuki Umetani
金融時系列のための深層t過程回帰モデル
金融時系列のための深層t過程回帰モデル
Kei Nakagawa
バンディット問題について
バンディット問題について
jkomiyama
Rでisomap(多様体学習のはなし)
Rでisomap(多様体学習のはなし)
Kohta Ishikawa
coordinate descent 法について
coordinate descent 法について
京都大学大学院情報学研究科数理工学専攻
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
Ken'ichi Matsui
MCMC法
MCMC法
MatsuiRyo
レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成
Nagi Teramo
MCMCと正規分布の推測
MCMCと正規分布の推測
Gen Fujita
Union find(素集合データ構造)
Union find(素集合データ構造)
AtCoder Inc.
負の二項分布について
負の二項分布について
Hiroshi Shimizu
CatBoost on GPU のひみつ
CatBoost on GPU のひみつ
Takuji Tahara
機械学習 入門
機械学習 入門
Hayato Maki
[DLHacks LT] PytorchのDataLoader -torchtextのソースコードを読んでみた-
[DLHacks LT] PytorchのDataLoader -torchtextのソースコードを読んでみた-
Deep Learning JP
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析
Hiroaki Sengoku
MCMCによるベイズ因子分析法について
MCMCによるベイズ因子分析法について
考司 小杉
Was ist angesagt?
(20)
最適化超入門
最適化超入門
【解説】 一般逆行列
【解説】 一般逆行列
学位論文の書き方メモ (Tips for writing thesis)
学位論文の書き方メモ (Tips for writing thesis)
金融時系列のための深層t過程回帰モデル
金融時系列のための深層t過程回帰モデル
バンディット問題について
バンディット問題について
Rでisomap(多様体学習のはなし)
Rでisomap(多様体学習のはなし)
coordinate descent 法について
coordinate descent 法について
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
MCMC法
MCMC法
レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成
MCMCと正規分布の推測
MCMCと正規分布の推測
Union find(素集合データ構造)
Union find(素集合データ構造)
負の二項分布について
負の二項分布について
CatBoost on GPU のひみつ
CatBoost on GPU のひみつ
機械学習 入門
機械学習 入門
[DLHacks LT] PytorchのDataLoader -torchtextのソースコードを読んでみた-
[DLHacks LT] PytorchのDataLoader -torchtextのソースコードを読んでみた-
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
研究分野をサーベイする
研究分野をサーベイする
Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析
MCMCによるベイズ因子分析法について
MCMCによるベイズ因子分析法について
Ähnlich wie Marketing×Python/Rで頑張れる事例16本ノック
インフルエンサー・マッチング・プラットフォーム【コラボマーケティング】
インフルエンサー・マッチング・プラットフォーム【コラボマーケティング】
collabotechnology
プログラミング学習とScratch raspi python
プログラミング学習とScratch raspi python
Yoshitaka Shiono
研究・企業・生き方について 情報科学若手の会2011
研究・企業・生き方について 情報科学若手の会2011
Preferred Networks
5年前の自分たちに伝えておきたいこと モニタリング
5年前の自分たちに伝えておきたいこと モニタリング
Motohiro Ueki
Pythonで業務改善をしたときにあった問題(ライト版)
Pythonで業務改善をしたときにあった問題(ライト版)
Satoshi Yamada
プロダクトマネジメントパラダイム
プロダクトマネジメントパラダイム
Takashi Ohida
情報処理学会第74回全国大会 私的勉強会と学会の未来
情報処理学会第74回全国大会 私的勉強会と学会の未来
shunya kimura
マイクロアドのデータ基盤について アドテクを支える基盤〜10Tバイト/日のビッグデータを処理する〜
マイクロアドのデータ基盤について アドテクを支える基盤〜10Tバイト/日のビッグデータを処理する〜
MicroAd, Inc.(Engineer)
プログラマーとの出会い - Hello, Programmer! at PyCon Kyushu 2022
プログラマーとの出会い - Hello, Programmer! at PyCon Kyushu 2022
Takayuki Shimizukawa
Python for Beginners ( #PyLadiesKyoto Meetup )
Python for Beginners ( #PyLadiesKyoto Meetup )
Ai Makabi
20180129 ビジネスデータ分析勉強会
20180129 ビジネスデータ分析勉強会
Kento Okuyama
Tokyo webmining
Tokyo webmining
宏喜 佐野
研修資料
研修資料
Yuta Tonegawa
たった一ファイルの python スクリプトから始めるOSS開発入門 / PyCon JP 2016
たった一ファイルの python スクリプトから始めるOSS開発入門 / PyCon JP 2016
Kei IWASAKI
なぜ数学と理系人材がビジネスの現場で必要とされるのか
なぜ数学と理系人材がビジネスの現場で必要とされるのか
Hirofumi Ikeda
Sapporo20140709
Sapporo20140709
Kimikazu Kato
アウトプットのすすめ
アウトプットのすすめ
KoichiHirai1
S06 t1 python学習奮闘記#4
S06 t1 python学習奮闘記#4
Takeshi Akutsu
新卒採用を、まっとうに ー面接者への通信簿ー
新卒採用を、まっとうに ー面接者への通信簿ー
慧悟 岩本
みんなのPython勉強会#35 Pythonのお仕事動向
みんなのPython勉強会#35 Pythonのお仕事動向
Yasuki Kishi
Ähnlich wie Marketing×Python/Rで頑張れる事例16本ノック
(20)
インフルエンサー・マッチング・プラットフォーム【コラボマーケティング】
インフルエンサー・マッチング・プラットフォーム【コラボマーケティング】
プログラミング学習とScratch raspi python
プログラミング学習とScratch raspi python
研究・企業・生き方について 情報科学若手の会2011
研究・企業・生き方について 情報科学若手の会2011
5年前の自分たちに伝えておきたいこと モニタリング
5年前の自分たちに伝えておきたいこと モニタリング
Pythonで業務改善をしたときにあった問題(ライト版)
Pythonで業務改善をしたときにあった問題(ライト版)
プロダクトマネジメントパラダイム
プロダクトマネジメントパラダイム
情報処理学会第74回全国大会 私的勉強会と学会の未来
情報処理学会第74回全国大会 私的勉強会と学会の未来
マイクロアドのデータ基盤について アドテクを支える基盤〜10Tバイト/日のビッグデータを処理する〜
マイクロアドのデータ基盤について アドテクを支える基盤〜10Tバイト/日のビッグデータを処理する〜
プログラマーとの出会い - Hello, Programmer! at PyCon Kyushu 2022
プログラマーとの出会い - Hello, Programmer! at PyCon Kyushu 2022
Python for Beginners ( #PyLadiesKyoto Meetup )
Python for Beginners ( #PyLadiesKyoto Meetup )
20180129 ビジネスデータ分析勉強会
20180129 ビジネスデータ分析勉強会
Tokyo webmining
Tokyo webmining
研修資料
研修資料
たった一ファイルの python スクリプトから始めるOSS開発入門 / PyCon JP 2016
たった一ファイルの python スクリプトから始めるOSS開発入門 / PyCon JP 2016
なぜ数学と理系人材がビジネスの現場で必要とされるのか
なぜ数学と理系人材がビジネスの現場で必要とされるのか
Sapporo20140709
Sapporo20140709
アウトプットのすすめ
アウトプットのすすめ
S06 t1 python学習奮闘記#4
S06 t1 python学習奮闘記#4
新卒採用を、まっとうに ー面接者への通信簿ー
新卒採用を、まっとうに ー面接者への通信簿ー
みんなのPython勉強会#35 Pythonのお仕事動向
みんなのPython勉強会#35 Pythonのお仕事動向
Mehr von Teruyuki Sakaue
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
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
[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]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 Chapter 9
[DSO] Machine Learning Seminar Vol.8 Chapter 9
Teruyuki Sakaue
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
[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
[DSO] Machine Learning Seminar Vol.2 Chapter 3
[DSO] Machine Learning Seminar Vol.2 Chapter 3
Teruyuki Sakaue
[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
[DSO] Machine Learning Seminar Vol.1 Chapter 1 and 2
[DSO] Machine Learning Seminar Vol.1 Chapter 1 and 2
Teruyuki Sakaue
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
[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
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
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
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
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
Teruyuki Sakaue
Mehr von Teruyuki Sakaue
(15)
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
[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
[DSO] Machine Learning Seminar Vol.2 Chapter 3
[DSO] Machine Learning Seminar Vol.2 Chapter 3
[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
[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
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
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
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
Kürzlich hochgeladen
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
sugiuralab
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
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
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
Kürzlich hochgeladen
(8)
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
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)
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Marketing×Python/Rで頑張れる事例16本ノック
1.
Marketing×Python/Rで頑張れる事例16本ノック 2018/04/10 Tokyo Marketers Talk Mr_Sakaue
2.
・Twitterアカウント名:Mr_Sakaue ・経歴:某大学院で経済学修士 渋谷のベンチャー企業に新卒で入社 Webマーケティング周りでの雑務 をこなす。 ・スキル:R少々、Python少々 ・趣味:ブログをやっています。 「かものはしの分析ブログ」 →データを集めて調理するブログ 何者か
3.
・マーケティング課題にデータ分析の適用を始めました。 ・マーケティング課題にPythonやRの力で向き合うと得られそうなご利益 ・手法やライブラリなどの紹介 ※話さないこと ・各手法の細かい説明 ※※NGワード ・それTableauでもできますやん 今日伝えたいこと
4.
・Python ・汎用のプログラミング言語 ・わかりやすいコードが特徴 ・科学技術系の研究で多用されており、それに派生したライブラリが充実 ・R ・統計解析に特化したプログラミング言語 ・様々な統計解析手法をカバーするライブラリ群が魅力 Python/Rとは
5.
メリデメ for マーケター メリット
デメリット Python ・Rよりも計算が早い ・大きなデータも扱える ・機械学習系のライブラリが充実 ・RよりもDS界隈では人気 ・プログラミング初心者には若干厳しい (最近はAnaconda入れたら大丈夫かも ) ・同じことをRでやるよりもコードが長くなりが ち(汎用言語なので) R ・Marketer Friendly(Excellで慣れ親しんだ 行列を使えたり、デフォルトでも色々分析で きる) ・統計解析系が充実、機械学習系も十分に ある。 ・大きめのデータで動かない ・困った時にググりにくい
6.
ノック開始!
7.
状況:営業が蓄積したデータの分析依頼をされたが、 そのデータがそのまま分析していいのか気になる。 アプローチ:pandas-tdを使ってTresureDataからデータを取得 pandasで日付データから月のついたちデータを生成 欠損データに関しては欠損確認用のデータを生成 月をもとにgroupbyを行い、その結果を時系列プロット ご利益: ・もらったデータの時系列的なムラを確認し、怪しい傾向を分析着手前に気付ける。 ・欠損の傾向から、データ蓄積に問題が生じてそうな兆候に気付ける。 Knock1:時系列プロット
8.
dataset.groupby('month').agg([np.mean]).plot(subplots=True, figsize=(15, 200)) 1行で時系列プロットや!
9.
状況:生アクセスログからCVしている人とそうでない人の差を見つけたい。 アプローチ:pandas-tdを使ってTresureDataからデータを取得 numpyで正規表現でページカテゴリーを付与 pandasでCVする前までのセッションのインデックスで絞り込み 行がストレージクッキー、列がページカテゴリーのピボットテーブルを 作成 ご利益: ・SQLでできるが、データサイズが大き過ぎなければコードも短いしサクッとできて便利。たま に買い切り型の広告系のログだとSQLじゃない環境だったりするので、その時は便利。 Knock2:ピボットテーブル
10.
#ユーザーごとに触れたページのカテゴリ別に集計する pageview_table = pd.pivot_table(data=result
, fill_value=0, index="storage_cookie", columns="page_category",aggfunc = { 'page_category' : 'count' } )
11.
状況:生アクセスログから、あるページを触れた人がどのようなページを見ているのか傾向を 知りたい。(平均値は嘘をつくのでできればヒストグラムがいい) アプローチ:先ほど作成したピボットテーブルに対して、pandasで groupbyしてplotでヒストグラムを指定 ご利益: ・エクセルで多数のヒストグラムを作るとなるとツラミがあるが、どんなにデータの種類が多くて も1行で可視化できる。 Knock3:ヒストグラム
12.
dataset[dataset.ef_flag == 1].filter(regex=target_column).plot(subplots=True ,kind="hist",figsize=(15,
100), bins=200, xlim=[1, 100 ], ylim=[0,1000 ])
13.
状況:NPSなどのデータがどのような変数と相関してそうか細かく見たい。 アプローチ:ExcelなどのデータをRにインポート Rのggplot2のgeom_pointとfacet_gridを適用 4次元分のデータを一つの散布図で描写 ご利益: ・各属性ごとに、NPSとの相関の強さは変わってくるはずで、その傾向を簡単に見れる。もは やExcelで同様のことをしようと思えない。 Knock4:散布図
14.
15.
状況:アクセスログをそのまま分析しても傾向が見れず捗らない。 アプローチ:セッションカウントデータの標準化 Pythonのscikit-learnでチャネルクラスタリング 同様にページカテゴリクラスタリング ベストなクラスターの数を推定し、適用 クラスターごとにKPIを繋いで傾向を把握 ご利益: ・サービス理解が浅い段階で使うと、素早く主要なユーザーの傾向を掴める。 ・クラスターごとにさらに深ぼって分析できる。 Knock5:ユーザークラスタリング
16.
KPIたちページカテゴリーたち ≈ç ≈ç ≈ç
ō ō ō ō ō ō
17.
状況:ユーザーがCVするかどうかを決めるキーファクターを見つけたい。 アプローチ:作ったクラスターごとにscikit-learnのDecisionTreeを適用 ご利益: ・サービス理解が浅い段階で使うと、CVに近い行動の把握ができる。 ・意外な傾向が見つかれば、サイト改善の施策などに繋がる。 ・分析後は実際にどれくらいの対象ユーザへのインパクトがあるのかを検算。 Knock6:決定木
18.
数行のコードで計算してくれる! tree = DecisionTreeClassifier(criterion
= 'entropy', max_depth = 3, random_state = 0) tree.fit(X, Y) export_graphviz(tree, out_file='tree.dot', feature_names=list(X.columns))
19.
状況:来月の応募数を知りたい アプローチ:応募ログデータ、営業日数、最終営業日などのデータを収集 Facebook社の提供しているProphetを用いて予測 直近数ヶ月のRMSE (Root Mean
Squared Error)の低いモデルを採用 ご利益: ・月間目標を目指す際に、10日や15日時点でそこそこの応募数がわかるので、 目標乖離時にアクションを取るべきかの判断をすることができる。 Knock7:時系列予測
20.
Prophetを使って、新幹線予約の検索クエリのトレンドを予測 12月25日12月3日~12月9日12月1日 大人の余裕前のめり 後の祭り
21.
状況:運用型広告での競合の動きを捉える アプローチ:自社と競合サイトの時系列のインプレッションデータなどを用意 RのVARパッケージを利用 単位根検定などを経て、VARの推定 インパルス応答関数からどの競合が自社に影響があるのか分析 ご利益: ・特定の競合のインプレッションが自社サービスの指標にどのように影響を与えるのかを知っ た上で、運用型広告をまわせる。 Knock8:VAR(Vector AutoRegression)
22.
23.
状況:顧客生涯価値(LifeTimeValue)をもとめたい。 アプローチ:顧客との取引レコードを用意 解約の定義を決め Rのflexsurvパッケージを利用 1~3年間の売上を予測する上でパフォーマンスの良い手法を採用 ご利益: ・より精度の高いLTVを手に入れることができる。 ・オレオレな謎エクセルではなく、再現性のあるRコードが残る。 Knock9:LTVの推定
24.
価格一定にして継続確率を 掛け合わせたものをn期分足 し合わせたものを採用
25.
状況:フリーテキストばかりのデータから意味のありそうな特徴を掴みたい。 アプローチ:フリーテキストまみれのデータと解約者のデータを繋ぐ 6ヶ月後に解約するかどうかのデータを作る MeCabパッケージでテキストを形態素解析する 解約する人としない人のテキスト上での差異を比較する ご利益: ・フリーテキストが多くても、意味のある傾向を掴めそうなので、改善のアクションに繋がる発 見があるかもしれない。 Knock10:テキストマイニング
26.
MeCab neologdを使えば蒙古タンメンも分解され ずに単語を分解できる。 汗を含んでいるかどうかと、リピート率を比較
27.
状況:メディア記事の分類をしたい アプローチ:DBから記事データを取得 不用語の除去 記事の本文に対してPythonでMeCabによる形態素解析をする Gensimでトピックを推定する トピックごとの意味合いを解釈し記事分類に利用する ご利益: ・数百記事のカテゴライズされていない記事があったとしても、うまく推定できればいい感じに 記事のカテゴリを分けれるので便利。 Knock11:トピックモデル
28.
BillboardのTop10ランクイン割合の高いトピックTop3 one,ooh,call,cause,gettin,born,day,makes,came,stand better,world,whoa,run,light,things,find,show,see,waiting stop,just,hands,put,party,crazy,live,lights,play,see 推定したトピックの記事ごとのパフォーマンスを比較してみるのも良い。
29.
状況:ユーザーが過去に見た情報に近そうな情報をしたい アプローチ:記事の本文に対してPythonでMeCabによる形態素解析し、 テキストデータを行列データに変換(行:単語、列:文書) scikit-learnでTF-IDFを計算し、COS類似度を計算 (トピック間の類似度で出すやり方もある) ご利益: ・細かいカテゴリデータがなくても、文書内の構成単語の近さから、記事を推薦できる。うまく いけばカテゴリデータよりも精度の良い推薦が可能。 Knock12:類似度計算
30.
Java Android スマホが起動中ずっと動 かしたい ブルーライトカット的なアプリを作りたい のですが、アプリを終了したら、ブルーラ イトが消えてしまいます。 スマホが起動中ずっと動かしていたいで す。 Androidアプリでセンサとのデータ受信 今現在Androidアプリでbluetoothを扱お うと考え触っていたのですが、詳しい仕 組みがわからず困っています。現在のサ ンプルコードでは接続が確認されると乱 数が表示されるようになっています。 やりたいこと Androidアプリにセンサーからデータを送 り、そのデータを表示する。 接続する機器を選択できるようにする。 過去に回答したQAサイトの質問
COS類似度が近くて、まだ回答されていな いQAサイトの質問
31.
状況:広告文を考える時に文脈的に近そうな表現を知りたい。 アプローチ:テキストデータに対してPythonでMeCabによる形態素解析 GensimでWord2Vecを適用 任意の単語を入力し、文脈的に近いものを抽出 ご利益: ・大量のデータから、コンテクストの近そうな単語の上位を知れるので、広告文のアイデア出し に使えるかもしれない。 (昔、サイバーエージェントさんがWord2Vecを広告文言の自動生成に適用していた論文を見 たことがあります) Knock13:Word2Vec
32.
コンテクストの近い単語を見てみよう!
33.
状況:蒙古タンメン中本の口コミの点数の分布を知りたい アプローチ:PythonのBeautifulSoupを使い、タグを指定 口コミ点数と口コミのコメント情報を取得(紳士的に) matplotlibで可視化 ご利益: ・手元にデータがなくても、インターネット上にあるデータをもとにマーケティングリサーチをす ることが可能。 Knock14:Webスクレイピング
34.
35.
状況:好きな商品が値引きになった時に購入したい。 アプローチ:PythonのSeleniumパッケージを利用 定期的にログイン 価格の情報を取得 一定の価格以下ならカード情報やフォームを自動で入力 決済完了後の画面をスクショで自動撮影 ご利益: ・フォームの入力などが必須のサービスでもいろいろ自動化できる。 ※こちらも紳士的な頻度で。 Knock15:Selenium
36.
状況:分析終わったらレポートも欲しいなと言われる。 アプローチ:PythonのJupyter上でRISEパッケージを利用 jupyter notebookの1セルごとにスライドの指定ができる 指定は「見せる、独立して見せる、入れ子にして見せる、隠すなど」 指定して保存すればスライド完成 ご利益: ・分析しているjupyter notebookのソースコードをそのまま使ってスライド生成できるので、 分析+スライド作成のツラミから、かなり解放される。 Knock16:スライド作成
37.
38.
39.
ご静聴ありがとうございました!
Jetzt herunterladen