SlideShare ist ein Scribd-Unternehmen logo
1 von 81
Downloaden Sie, um offline zu lesen
明日から始めるログ解析②
~MongoDBとAjaxで作る解析フロントエンド
&GraphDBを用いた解析事例紹介~
doryokujin
第8回 データマ゗ニング+WEB 勉強会@東京 (Tokyo.Webmining #8)
-大規模解析・ウェブ・クオンツ 祭り-
自己紹介
• [自分]
▶ いのうえ たかひろ( twitter: doryokujin )
▶ 慶應大学院2年、数学科 25歳
▶ MCMC、#P問題、近似ゕルゴリズム
▶ マラソンも好き(2時間30分位で走れてた)
• [会社]
▶ 芸者東京エンターテ゗ンメント GTE
▶ ゕルバ゗ト3ヶ月目、ログ解析部隊(1人)
▶ おしごと非常に楽しいです
最近の活動
• [MongoDB]
▶ MongoDB の日本語ドキュメント訳(Admin Zone)
▶ 進捗が遅くてすいません、勉強します、がんばります
▶ 勉強会とか、ユーザー会発足とか、もっと Mongo な活動
がしたい!
▶ ご意見・協力してくれる人、いつでも声をかけて下さい
• [ブログ]
▶ 始めました
▶ 勉強会報告、MongoDB、GraphDBを中心に…
発表の目的
• ソーシャルゕプリの裏側(ログ解析)の面白さ
を伝えたい
▶ ダ゗ナミックで最高に面白い世界
• ノウハウを公開・共有することで、会社に、業
界の発展のために少し貢献できれば
▶ ほとんど着手できないところも多いはず
▶ 解析を始めるきっかけや、方法を利用していただければ
▶ そもそも社内で自分以外だれもわからないので外に出て行
くしかない
▶ 積極的に情報公開することによって得られるフゖードバッ
クに期待
本日のゕジェンダ
1. ログ解析バックエンド(前回の復習)
▶ 散在するデータを収集・集計するための基盤構築
▶ [key] MongoDB、Hadoop、Dumbo
2. ログ解析フロントエンド
▶ MongoDBに格納したデータをどう表示するか
▶ [key] MongoDB、Ajax(jQuery)、ORM、node.js
3. 応用的な解析事例
▶ デ゗リー集計以外にこんな面白い解析をやってます
▶ [key] おかねもちさん、GraphDB(Neo4j)、Gremlin
1. ログ解析バックエンド
※データの数値は正しい値はないのでご注意下さい
おみせやさん
▶ 会員数累計300万を誇るソーシャルゕプリのGREE版
▶ ゕクセスログ10GB、行動ログ4GB / 日
▶ Scala+Lift+Cassandra
▶ gumiStudy#6 300万人が遊ぶソーシャルゕプリ「おみせ
やさん」の作り方 →゗ンフラ関連のおはなし
前回の資料
• HadoopとMongoDBを活用したソーシャルゕプ
リのログ解析
‣ 関連ブログ
‣ データをどう収集し、どこに集積させていくか
‣ 行動ログとはどのようなものであるか
‣ どういった視点で集計値を出していくか
Amazon S3にBack Up
Flash
Compose
Server
Cassandra
18ノード
MySQL
Webserver
(nginx)
8台
Appserver
(Tomcat)
18台
ゲームセーブ
データ(ユー
ザーステータ
ス)
アクセスログ
ランキング
課金情報
登録日
行動ログ
ゕクセスの流れ
主に4種類のデータ
が解析対象
ランキング
課金情報
登録日
解析バックエンド
行動ログアクセスログ
社内データストレージ
(S3と同期)
ゲームセーブ
データ
MySQLCassandra
解析サーバー
3台
nfsでマウント Python Script
Dumbo (Python +
Hadoop )で集計処理
全集計結果は
MongoDBに格納
Python Script
フロントエンド
集計データ
Sharding×3
Replica Set×2
前処理としてのHadoop
• データクリーニング機能として
‣ 1日約1億レコードある行動ログの情報削減
→ 不要項目は読み飛ばし1日1000万レコード程度に削減
• 今後のデータ増大に備えて
‣ サービスが増えてもスケールゕウトできるように
• 強力なソート機能の利用
‣ 最終ログ゗ン日の計算などに有用
MongoDB Collection
デ゗リー集計
user_charge
課金情報
登録日
行動ログ
アクセス
ログ
ユーザー
ステータス
user_trace
user_savedata
user_access
データ収集・格納
daily_charge
daily_trace
daily_savedata
daily_access
MongoDB Collection
デ゗リー集計
user_charge
課金情報
登録日
行動ログ
アクセス
ログ
ユーザー
ステータス
user_trace
user_savedata
user_access
データ収集・格納
daily_charge
daily_trace
daily_savedata
daily_access
• [例] ユーザー×日付×タ゗プ:user_trace
行動データ
> db.user_trace.find({date:"2010-11-
10”,actionType:"a{Make}",userId:”7777"}).limit(10).forEach(printjson)
{
"_id" : "2010-11-10+7777+a{Make}",
"date" : "2010-11-10"
"lastUpdate" : "2010-11-11",
"userId" : ”7777",
"actionType" : "a{Make}",
"actionDetail" : {
"make item ksutera" : 3,
"make item makaron" : 1,
"make item huwahuwamimiate" : 1,
"make item ringoame" : 3,
…
}
}
• [例] 全ユーザー×日付×タ゗プ:daily_trace
行動データ
> db.daily_trace.find({date:"2010-11-
10",actionType:"a{Make}"}).limit(10).forEach(printjson)
{
"_id" : "2010-11-10+group+a{Make}",
"date" : "2010-11-10",
"lastUpdate" : "2010-11-12",
"actionType" : "a{Make}",
"actionDetail" : {
"make item kinnokarakuridokei" : 615,
"make item banjo-" : 377,
"make item itigoke-ki" : 135904,
"make item wadaiko" : 40,
"make item ha-pu" : 11,
"make item ribontore-sunohigasa" : 13621
...
},
...
}
• [例] ユーザー×日付×タ゗プ:user_charge
課金データ
> db.user_charge.find({date:"2010-11-10"}).sort({totalCharge:-
1}).limit(10).forEach(printjson)
{
"_id" : "2010-11-10+7777+Charge",
"date" : "2010-11-10",
"lastUpdate" : "2010-11-10",
"totalCharge" : 10000,
"userId" : ”7777",
"actionType" : "Charge",
"boughtItem" : {
"アクセサリーの素EX" : 13,
"コネルギー+6000" : 3,
"アクセサリーの素" : 9,
"アクセサリーの素PRO" : 20
}
}
• [例] 全ユーザー×日付×タ゗プ:daily_charge
課金データ
> db.daily_charge.find({date:"2010-11-10",T:"all"}).limit(10).forEach(printjson)
{
"_id" : "2010-11-10+group+Charge+all+all",
"date" : "2010-11-10",
"total" : 100000,
"group" : {
"わくわくポ゗ント" : 1000000,
"アクセサリー" : 1000000,
...
},
"boughtItemNum" : {
"料理の素EX" : 8,
"アクセサリーの素" : 730,
...
},
"boughtItem" : {
"料理の素EX" : 10000,
"アクセサリーの素" : 100000,
...
}
}
MongoDB Collection
デ゗リー・
ウゖークリー集計
user_registration
課金情報
登録日
行動ログ
アクセス
ログ
ユーザー
ステータス
user_category
ユーザー属性抽出
user_error
ユーザーの登録日・最
終ログ゗ン日・総課金
額・初課金日 etc…
属性で分類したカテゴ
リごとの内訳(人数・
課金額)etc…
異常値:ex. システムエ
ラー・欠損値・不正行
動 etc…
MongoDB Collection
デ゗リー・
ウゖークリー集計
user_registration
課金情報
登録日
行動ログ
アクセス
ログ
ユーザー
ステータス
user_category
ユーザー属性抽出
user_error
ユーザーの登録日・最
終ログ゗ン日・総課金
額・初課金日 etc…
属性で分類したカテゴ
リごとの内訳(人数・
課金額)etc…
異常値:ex. システムエ
ラー・欠損値・不正行
動 etc…
• [例] ユーザー毎の属性データ:user_registration
ユーザー属性データ
> db.user_registration.find({userId:”7777"}).forEach(printjson)
{
"_id" : "2010-06-29+7777+Registration",
"userId" : ”7777"
"actionType" : "Registration",
"category" : {
“R1” : “True”, #直近1週間ログ゗ンしていない場合:True
…
},
“firstCharge” : “2010-07-07”, #初課金日
“lastLogin” : “2010-09-30”, #最終ログ゗ン日
“playTerm” : 94, #プレ゗期間
“totalCumlativeCharge” : 50000, #総合課金額
“totalMonthCharge” : 10000, #直近1ヶ月の課金額
…
}
• [例] 属性毎の内訳を計算:user_category
属性カテゴリデータ
> var cross = new Cross() //ユーザー定義関数
//月額課金×プレ゗期間(退会ユーザー)
> MCResign = cross.calc(“2010-10-08”,“MC”,1)
課金/期間 0円(z) ~1000円(s) ~10000円(m) 10000円~(l) 合計
~1日(z) 50000 10 5 0 50015
~1週間(s) 50000 100 50 3 50153
~1ヶ月(m) 100000 200 100 1 100301
~3ヶ月(l) 100000 300 50 6 100356
3ヶ月~(ll) 0 0 0 0 0
//月額課金×プレ゗期間(現役ユーザー)
> MCNotResign = cross.calc("2010-10-08","MC",-1)
課金/期間 0円(z) ~1000円(s) ~10000円(m) 10000円~(l) 合計
~1日(z) 50000 10 5 0 50015
~1週間(s) 50000 100 50 3 50153
~1ヶ月(m) 100000 200 100 1 100301
~3ヶ月(l) 100000 300 50 6 100356
3ヶ月~(ll) 0 0 0 0 0
…
格納データ
• [形式]
‣ どのコレクションもブロック当たり「ユーザー×日付×行
動タ゗プ」で統一
‣ デ゗リー集計の場合は userId = “group”
‣ _idも”{userId}+{date}+{actionType}”で記述
• [メリット]
‣ ユーザー・日付・行動タ゗プの3軸で集計できる
‣ 検索時、collection間で統一したクエリーで記述できる
‣ _idの明確なルール化で容易にレコード特定可
2. ログ解析フロントエンド
解析フロントエンド
WebUI
Visualization
Console
解析
Sleepy.Mongoose
ソーシャル
データ
解析
データ
解析フロントエンド
• [WebUI]
‣ 日毎の指標集計値を表示、可視化
‣ 社員全員が閲覧し、共有できるもの
‣ 完全自動集計
• [解析]
‣ より詳細な解析を行うためのツール
‣ Rをメ゗ンに、Tableau、Bime を試験的に活用中…
WebUI
• [目的]
‣ 基本的な指標集計値を社員全員で共有できるように
‣ デ゗リーの課金・行動データを全自動集計
• [ポ゗ント]
‣ 社内ツールなので無駄な作り込みは不要
‣ 解析の深さよりも項目の種類重視
‣ 要望に応じて柔軟に項目追加できる仕様
WebUI:検討した仕様
• ① MVC + MongoDB → Ming
• ② node.js + MongoDB → Mongoose
• ③ REST Interface + MongoDB →
sleepy.mongoose
WebUI:検討した仕様
• ①:[MVC + Mongo]
‣ Djangoで実装
‣ スキーマを(ある程度)定義。Validation機能便利。
MongoDBとDjangoをシームレスに扱えるツールが充実:
‣ Python:pymongo
‣ Django :MongoEngine、Ming、MongoKit、Django-nonrel
‣ 参考になるページ
‣ Django and NoSQL, any ready-to-use library?
‣ Which Python API should be used with Mongo DB and Django
‣ MongoDB hearts Django? (Django NYC)
• [例] スキーマの使用例
node.js+MongoDB
from ming.datastore import DataStore
from ming import Session
from ming import Document, Field, schema
bind = DataStore('mongo://localhost:30000/playshop')
session = Session(bind)
class UserTrace(Document):
class __mongometa__:
session = session
name = ’user_trace’
_id = Field(schema.ObjectId)
userId = Field(str)
actionType = Field(str)
…
#trace.py として保存
• [例] スキーマの使用例
node.js+MongoDB
import trace
…
#Ming provides a standard attribute .m, short for “manager”
>>> trace.userTrace.m.find().first()
{ "_id" : "2010-11-10+38733015+a{Make}",
"date" : "2010-11-10"
"lastUpdate" : "2010-11-11",
"userId" : ”7777",
"actionType" : "a{Make}",
"actionDetail" : { "make item ksutera" : 3,…}
}
WebUI:検討した仕様
• ②:[node.js + Mongo]
‣ サーバサ゗ド Java Script
‣ クラ゗ゕントのリクエストをサーバー側で実行して結果を返す
‣ Mongoose は数種ある中で代表的なサーバサ゗ドJSラ゗ブラリ。
‣ Node.js 内で動くJava Script Library
‣ 未実装部分もあるが、十分使える
‣ Hummingbird がMongoDB+node.jsを使用した実例
‣ 参考になるページ
‣ Node.js and MongoDB
‣ node.js + express + mongodb + mongoose を試してみた
‣ Real time ecommerce analytics with MongoDB at Gilt Groupe
• [例] もっとも簡単な例
node.js+MongoDB
var mongoose = require('mongoose/').Mongoose,
db = mongoose.connect('mongodb://localhost/playshop'),
Collection = mongoose.noSchema(’user_trace',db);
Collection.find({‘date’:’2010-11-10’}).each(function(doc){
// do something
});
• [例] Modelを利用した例
node.js+MongoDB
var mongoose = require('mongoose/').Mongoose,
db = mongoose.connect('mongodb://localhost/playshop');
mongoose.load('./models/');
User = mongoose.get(’UserRegistration',db);
var user = new User({userId :’7777', totalCharge : 10000, …});
user.lastLogin = ‘2010-11-10’; // change a key value
user.save()
User.find({‘date’:’2010-11-10’}).each(function(user){
// do something…
});
WebUI:検討した仕様
• ③:[REST Interface + Mongo]
‣ HTTP GET/POSTリクエストでデータを受け取る
‣ sleepy.mongoose
‣ /db_name/collection_name/_command 形式でリクエスト
‣ 10genのエンジニゕ @kchodorow さんが作った純正ツール
‣ Pymongo、pyOpenSSL を内部的に使用
‣ 参考になるページ
‣ Sleepy.Mongoose: A MongoDB REST Interface
• [例] 使用例
REST Interface + Mongo
//server起動
> python httpd.py
…listening for connections on http://localhost:27080
//MongoDbに接続
> curl --data server=localhost:30000 'http://localhost:27080/_connect’
//クエリー 2つは同じ結果をJSONで返す
> curl -X GET 'http://localhost:27080/foo/bar/_find'
> http://localhost:27080/playshop/daily_charge/_find?criteria={}&limit=10&batch_size=10
{"ok": 1, "results": [{“_id": “…”, ”date":… },{“_id”:…}], "id": 0}}
• [例] 使用例
REST Interface + Mongo
//細かい条件でリクエストが可能
>http://localhost:27080//playshop/daily_charge/_find?criteria={“date”:{$gte:”2010-11-
01”,”$lte”:”2010-11-13”}}&sort={“date”:1}&limit=100&batch_size=100
{"ok": 1, "results": [{"lastUpdate": "2010-11-02", "_id": "2010-11-01+group+Charge+all+all",
"group": …},{…},…,”id”:1}
sleepy.mongoose
• [結論] sleepy.mongoose を採用
‣ 最も手軽(基本実装1日)
‣ Ajaxと併せて非同期通信
‣ 今回必要な検索条件は全て使用できる事を確認
‣ 1回のデータ量もそれほど大きくない
‣ MongoDBとHTMLを仲介するフゔ゗ルが不要
WebUI:テーブル・グラフ
• [テーブル]
‣ 日毎の集計値を表で出力したい
‣ 各項目でソートしたい
‣ できるだけ簡単に実装したい
‣ jQuery.DataTables
‣ 項目ごとのソート機能
‣ 表示数指定・ページネーション機能
‣ 検索機能
‣ 精錬されたデザ゗ン
WebUI:テーブル・グラフ
• [グラフ]
‣ データの可視化
‣ 主に時系列チャート
‣ できるだけ簡単に実装したい
‣ jQuery.HighCharts
‣ 多数のグラフが用意されている
‣ 精錬されたデザ゗ン
‣ ゗ンタラクテゖブなグラフも可能
‣ ドキュメントが充実
WebUI:まとめ
• データ取得・描画がJSON形式でほぼダ゗レクトに
やりとり
• 非常に手軽かつ高性能
JSON
Sleepy.Mongoose
jQuery
WebUI:実例
‣ 日毎に全ての課金内訳、行動内訳が閲覧可能
‣ CSVダウンロードリンク
‣ 特定のユーザーの課金、行動履歴を全てトラッキング可能
‣ 属性ごとのユーザー数内訳、分布
WebUI:実例
WebUI:実例
WebUI:実例
解析ツール
• [R]
‣ フリーの統計解析ソフト
‣ 主に散布図行列、統計モデル作成のために利用
‣ RMongo はMongoDBから直接データを取り出せるドラ゗バ
‣ csvなどの中間フゔ゗ルが不要。バッチ処理向き
‣ まだα-バージョン
‣ Java Driverを直接使用する方法もある
‣ Red-Rで処理をフローで管理
‣ Rの複雑な処理フローを可視化
‣ 自動レポート機能:解析結果をpdf出力
‣ 類似のツール:Rapid Miner 、Knime、R Analytic Flow
解析ツール
• ※以下の2ツールはデータのリッチな可視化が簡単にでき
る
• [tableau]
‣ 高性能統計解析ソフト(有料)
‣ Zyngaの解析チームが利用
‣ データの様々な可視化が素早くできる
• [bime]
‣ Web上の統計解析ソフト(無料プランは制限付き)
‣ AmazonS3、GoogleSpreadSheet、DBからもデータが取り込める
‣ 日本語は文字化けする
解析ツール:bime
おみせやさんログ解析まとめ
• [まとめ]:MongoDB の選択は間違ってなかった
‣ 500GB、10億レコードでもゆとりの性能
‣ スキーマレスかつ検索クエリが豊富なのが強い
‣ データの増加に対しても容易にスケールできる
‣ 自前スクリプトも定義でき、コンソールから様々な操作がで
きる
‣ 解析目的では、コレクション数や゗ンデックス対象になる項
目がそれほど多くない
MongoDB + Hadoop
The Elephant In the Room: MongoDB + Hadoop [pdf]
これからやるべきこと
• [解析]
‣ ゗ベント単位での解析。どの゗ベントがどのユーザー属性
性に効果があったのかを分析
‣ ゕクセスログの活用。゗ベント告知など、意図したページ
に確実に訪問してもらうため
‣ ゲーム内パラメータのチューニング
‣ リゕルタ゗ムに解析できる項目を増やしていく
3. 応用的な解析事例紹介
お金持ちさん for mixi
▶ mixi 版リリース
▶ リリース直後から詳細な解析を行っている
集計以外のログ解析
• [ゲーム内の状況把握]:リゕルタ゗ム解析
‣ 何人がどのステージにいるのか
‣ 現在のユーザーのレベルや資産数、ゲーム内通貨の分布
‣ 時間毎のUUや課金額の変化
‣ 辞めたユーザーはどの段階で辞めたのか
→ これらの指標はリゕルタ゗ムで確認
集計以外のログ解析
• [ゲームパラメータ調整]:
‣ ゕ゗テムの出現確率・価格の調整
‣ 現在の難易度設定は適切か
‣ レゕゕ゗テムはレゕらしい振る舞いをしているか
→ 様々なデータに基づいてパラメータチューニング
非常にクリテゖカルで、
やりがいのある部分。
色々傾向がわかってきて、
今楽しい所。
GraphDBを利用した
ソーシャルデータの解析
ソーシャルデータ解析
• ソーシャルデータはグラフ構造を持つ
http://neo4j.org/doc/screenshots/
ソーシャルデータ解析
• グラフDBはノードとエッジ(リレーションシッ
プ)とそれぞれの属性(プロパテゖ)で構成さ
れる
Graph Databases, NOSQL and Neo4j
ソーシャルデータ解析
• あらゆるデータはグラフ構造(例:Inseption)
Neo4j for Ruby and Rails
ソーシャルデータ解析
• [RDB、MongoDBの限界]:
‣ node、edge のテーブルを作ってデータを格納するのは可能
RDBMongoDB
ソーシャルデータ解析
• [GraphDB]:
‣ データをグラフ構造のまま保存するのがGraphDB
‣ 全ての要素(ノード・エッジ)は接続しているものに直接ポ゗
ンター
‣ 企業も活用:Googleの Pregel、Twitterの FlockDB
‣ グラフ構造に特化した検索方法
> SELECT ?person WHERE {
?person KNOWS ?friend
?friend KNOWS ?classmate
?classname name “Takahiro Inoue”
}
GraphDB:Neo4j
• [Neo4j]:フリーの高機能 GraphDB
‣ Javaベース
‣ Ruby、Python、Groovyなどの数種のドラ゗バが存在
‣ Luceneの゗ンデックスを利用して高速検索
‣ 独自のQuery Languageを持つGremlinとの連携
‣ 開発やユーザーグループが活発
GraphDB:Neo4j
• [pythonでのサンプル]:
//Create node:
> n = graphdb.node()
> n = graphdb.node(color="Red", widht=16, height=32)
//Accessing node by id:
> n17 = graphdb.node[14]
// Accessing properties:
> value = e['key'] # get property value
> e['key'] = value # set property value
> del e['key'] # remove property value
// Create relationship:
> n1.Knows(n2)
//Specify properties for new relationships:
> n1.Knows(n2, since=123456789,
introduced_at="Christmas party”)
GraphDB:Neo4j
• [pythonでのサンプル]:
* Indexes
//Get index:
> index = graphdb.index("index name")
//Create index:
index = graphdb.index("some index", create=True)
//Using indexes:
> index['value'] = node
> node = index['value']
> del index['value’]
GraphDB:Neo4j
• [pythonでのサンプル]:
class Friend(neo4j.Traversal): # Like queries in Neo4j
types = [ neo4j.Outgoing.Knows ]
order = neo4j.DEPTH_FIRST
stop = neo4j.STOP_AT_END_OF_GRAPH
returnable = neo4j.RETURN_ALL_BUT_START_NODE
for friend_node in Friend(node1):
print "%s (@ depth=%s)"
% ( friend_node['name'], friend_node.depth )
for relationship in node1.Knows.outgoing:
print relationship.getOtherNode(n1)
ソーシャルデータ解析
※ 今後はソーシャルデータ解析にも注力
• [お金持ちさん事例]:ユーザー同士の資産の奪
い合い(ちょーだい)に関する解析
‣ 1日ユーザーは何回ちょーだいをしたのか
‣ どの属性(レベル・課金額etc…)のユーザーにちょーだ
いを何回して何回勝ったのか
‣ 高額課金者はどのような戦い方をしているのか
‣ etc… ユーザー同士の「交流」に関するデータを解析する
GraphDB:Neo4j
• [お金持ちさんの”ちょーだい”解析]:
‣ 有向非連結単純グラフ(辺に向きがあってノードが複数のブロ
ックに分かれていて多重辺やループの無いグラフ)
‣ 5万ノード、50万エッジ
‣ ノードはユーザー
‣ ノードの属性はユーザーの属性情報
‣ ノード間のリレーション(エッジ)はあるユーザーが矢線の先
のユーザーにちょーだい(Commit)をしたことを意味する
‣ エッジの属性はそのユーザーに何回ちょーだい(total)をして
何回勝ったか(win)の頻度
今後はちょーだい対象と
なった資産もノード・エ
ッジに加えて行きたい。
GraphDB:Neo4j
• [お金持ちさんの”ちょーだい”解析]:可視化
GraphDB:Neo4j
• [お金持ちさんの”ちょーだい”解析]:可視化
GraphDB:Neo4j
• [お金持ちさんの”ちょーだい”解析]:可視化
depth = 2
GraphDB:Neo4j
• [お金持ちさんの”ちょーだい”解析]:可視化
depth = 3
depth を挙げていくと関連するノード・エッジの数は爆発的に増大する。
ノードやエッジに優先度の重みをつけてその重み付き確率に従ってサンプリングや探索を行う近似的ゕプローチ
が重要になってくるはず。
Graph Programming
Language:Gremlin
• [Gremlin]
‣ GraphDBのクエリを簡単に扱うための Graph
Programming Language
‣ 独自のコンソール上で操作が可能
‣ Neo4jの他に数種類のGraphDBをサポート
‣ 実はMongoDBもサポート予定(今は?)
Graph Programming
Language:Gremlin
$./gremlin.sh
¥,,,/
(o o)
-----oOOo-(_)-oOOo-----
# neo4jのDBデータに接続
gremlin> $_g := neo4j:open('/data/Dropbox/Neo4j/daily/2010-11-11')
==>neo4jgraph[/data/Dropbox/Neo4j/daily/2010-11-11]
# グラフのノードを全列挙
gremlin> $_g/V
==>v[0]
...
==>v[34269]
# ノードの属性名の1つ、"name"の値で表示
gremlin> $_g/V/@name
==>いのうえたかひろ
==>doryokujin
...
Graph Programming
Language:Gremlin
# グラフのエッジを全列挙
gremlin> $_g/E
==>e[4][1-Commit->6]
==>e[3][1-Commit->5]
...
# エッジの属性名の1つ、"total"の値で表示
gremlin> $_g/E/@total
==>1
==>4
...
# エッジのリレーション名を表示
gremlin> $_g/E/@label
Commit
...
# エッジのリレーション名が"Commit"であるエッジのみを列挙
gremlin> $_g/E[@label="Commit"]
==>e[4][1-Commit->6]
==>e[3][1-Commit->5]
...
Graph Programming
Language:Gremlin
# 中心に据えるノードをid=5506に設定
gremlin> $_ := g:id-v(5506)
==>v[5506]
# そのノードから発するエッジの数
gremlin> g:count(./bothE)
==>15
# そのノードに入るエッジの数
gremlin> g:count(./inE)
==>8
# そのノードから出るエッジの数
gremlin> g:count(./outE)
==>7
# そのノードから出るエッジの列挙
gremlin> ./outE
==>e[17142][5506-Commit->2672]
==>e[17141][5506-Commit->6275]
...
Graph Programming
Language:Gremlin
# v[5506]から出るエッジを受ける側のノード
gremlin> ./outE[@label="Commit"]/inV
==>v[2672]
==>v[6275]
...
# v[5506]から出るエッジを受ける側のノードの属性"name"の値
gremlin> ./outE[@label="Commit"]/inV/@name
==>いのうえたかひろ
==>doryokujin
...
# v[5506]から出て他のノードに入ってそのノードから出るエッジの列挙
gremlin> ./outE[@label="Commit"]/inV/outE
==>e[35983][2672-Commit->10278]
==>e[35982][2672-Commit->12478]
...
Graph Programming
Language:Gremlin
# v[5506]から出て他のノードに入ってそのノードから出るエッジが入る側のノードの数
gremlin> g:count(./outE[@label="Commit"]/inV/outE[@label="Commit"]/inV)
==>12
gremlin> g:count(./bothE/bothV/outE/inV/outE)
==>504
# v[5506]の友達の友達の友達の数
gremlin> g:count(./bothE/bothV/bothE/bothV/bothE/bothV)
==>19102
# v[5506]の友達の友達の友達からでるエッジの数
gremlin> g:count(./bothE/bothV/bothE/bothV/bothE/bothV/bothE)
==>256369
# v[5506]の友達の友達の友達の友達の数
gremlin> g:count(./bothE/bothV/bothE/bothV/bothE/bothV/bothE/bothV)
==>512738
# v[5506]の友達の友達の友達の友達からでるエッジの数
gremlin> g:count(./bothE/bothV/bothE/bothV/bothE/bothV/bothE/bothV/bothE)
==>7667307
GraphDB:まとめ
• [雑感]
‣ ソーシャルデータの解析にはGraphDBが有用
‣ 特定の検索では他DBよりも優れたパフォーマンスを発揮
‣ 今後GraphDBの重要性は高まってくると確信
‣ 特にGoogleのGraphMapReduce可能なPregelは強力
‣ 今まで計算困難だった情報が取得できる可能性
‣ 確率的(乱択)ゕルゴリズムも重要になってくるはず
‣ Problem-Solving using Graph Traversals: Searching,
Scoring, Ranking, and Recommendation は必読
‣ graph-database.org には各種GraphDBの情報
4. 最後に
解析バックエンドとフロン
トエンド
‣ 一言に解析と言ってもバックエンドとフロントエンドで全く異なる
仕事になる
‣ 散在するログの収集に始まり、いつでも解析できるような形式・場
所に格納するまでの基盤を構築するバックエンド
‣ ツールなどを駆使してデータを解析して人間の意志決定を支援する
ための結果などを導くフロントエンド
‣ バックエンドはネットワークや゗ンフラ、DBの知識が必要。規模
や目的に合わせた設計が重要。とても泥臭い仕事
‣ フロントエンドの解析者はいつでもデータが取り出せるという前提
のもと、バックを気にせず解析に専念できる事が望ましいのでは
‣ どちらも重要で必要だが、どちらの道で解析エキスパートになるか
はちゃんと考えないといけないかも(僕はバックエンド側かな)
最近感じていること
‣ データを出して社内で共有できるようになると、意外にたくさん
の人が興味を持ってくれて、見て、仮説を立て、実証して、意志
決定に役立ててくれるようになった
‣ 「こういうデータが見たい」と要望がどんどん出るようになって
とても嬉しい。さらに「データ見るの楽しい」とか言われるとエ
ンジニゕ冥利に尽きます、幸せです
‣ それなりに高度で多様なデータ解析をやっているという自負があ
る。そして今後それが結果につながると信じている
‣ しかしそれができるのも゗ンフラやゕプリ開発者がきちんとログ
を扱いやすい形で出してくれたり、こちらの要望も聞いてくれる
から。そのありがたみを忘れてはいけない
ありがとうございました
※次回はGraphDBのより詳細な解説と具体例
を発表したいと思っています…

Más contenido relacionado

Was ist angesagt?

がっつりMongoDB事例紹介
がっつりMongoDB事例紹介がっつりMongoDB事例紹介
がっつりMongoDB事例紹介Tetsutaro Watanabe
 
ぼくのかんがえたさいきょうのうぇぶあぷりけーしょんふれーむわーく - YAPC Asia 2011
ぼくのかんがえたさいきょうのうぇぶあぷりけーしょんふれーむわーく - YAPC Asia 2011ぼくのかんがえたさいきょうのうぇぶあぷりけーしょんふれーむわーく - YAPC Asia 2011
ぼくのかんがえたさいきょうのうぇぶあぷりけーしょんふれーむわーく - YAPC Asia 2011Hiroh Satoh
 
初心者向けMongoDBのキホン!
初心者向けMongoDBのキホン!初心者向けMongoDBのキホン!
初心者向けMongoDBのキホン!Tetsutaro Watanabe
 
できる!並列・並行プログラミング
できる!並列・並行プログラミングできる!並列・並行プログラミング
できる!並列・並行プログラミングPreferred Networks
 
日本語テストメソッドについて
日本語テストメソッドについて日本語テストメソッドについて
日本語テストメソッドについてkumake
 
エンジニアの個人ブランディングと技術組織
エンジニアの個人ブランディングと技術組織エンジニアの個人ブランディングと技術組織
エンジニアの個人ブランディングと技術組織Takafumi ONAKA
 
DDD x CQRS 更新系と参照系で異なるORMを併用して上手くいった話
DDD x CQRS   更新系と参照系で異なるORMを併用して上手くいった話DDD x CQRS   更新系と参照系で異なるORMを併用して上手くいった話
DDD x CQRS 更新系と参照系で異なるORMを併用して上手くいった話Koichiro Matsuoka
 
こわくない Git
こわくない Gitこわくない Git
こわくない GitKota Saito
 
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけRDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけRecruit Technologies
 
ドメインオブジェクトの見つけ方・作り方・育て方
ドメインオブジェクトの見つけ方・作り方・育て方ドメインオブジェクトの見つけ方・作り方・育て方
ドメインオブジェクトの見つけ方・作り方・育て方増田 亨
 
ソーシャルゲーム案件におけるDB分割のPHP実装
ソーシャルゲーム案件におけるDB分割のPHP実装ソーシャルゲーム案件におけるDB分割のPHP実装
ソーシャルゲーム案件におけるDB分割のPHP実装infinite_loop
 
Mongo dbを知ろう
Mongo dbを知ろうMongo dbを知ろう
Mongo dbを知ろうCROOZ, inc.
 
ドメイン駆動設計のプラクティスでカバーできること、できないこと[DDD]
ドメイン駆動設計のプラクティスでカバーできること、できないこと[DDD]ドメイン駆動設計のプラクティスでカバーできること、できないこと[DDD]
ドメイン駆動設計のプラクティスでカバーできること、できないこと[DDD]Koichiro Matsuoka
 
CyberAgent における OSS の CI/CD 基盤開発 myshoes #CICD2021
CyberAgent における OSS の CI/CD 基盤開発 myshoes #CICD2021CyberAgent における OSS の CI/CD 基盤開発 myshoes #CICD2021
CyberAgent における OSS の CI/CD 基盤開発 myshoes #CICD2021whywaita
 
datatech-jp Casual Talks#3 データエンジニアを採用するための試行錯誤
datatech-jp Casual Talks#3  データエンジニアを採用するための試行錯誤datatech-jp Casual Talks#3  データエンジニアを採用するための試行錯誤
datatech-jp Casual Talks#3 データエンジニアを採用するための試行錯誤株式会社MonotaRO Tech Team
 
ベロシティを上手く使って 技術的負債を計画的に解消する
ベロシティを上手く使って 技術的負債を計画的に解消するベロシティを上手く使って 技術的負債を計画的に解消する
ベロシティを上手く使って 技術的負債を計画的に解消するKoichiro Matsuoka
 
Redisの特徴と活用方法について
Redisの特徴と活用方法についてRedisの特徴と活用方法について
Redisの特徴と活用方法についてYuji Otani
 
pg_bigmで全文検索するときに気を付けたい5つのポイント(第23回PostgreSQLアンカンファレンス@オンライン 発表資料)
pg_bigmで全文検索するときに気を付けたい5つのポイント(第23回PostgreSQLアンカンファレンス@オンライン 発表資料)pg_bigmで全文検索するときに気を付けたい5つのポイント(第23回PostgreSQLアンカンファレンス@オンライン 発表資料)
pg_bigmで全文検索するときに気を付けたい5つのポイント(第23回PostgreSQLアンカンファレンス@オンライン 発表資料)NTT DATA Technology & Innovation
 

Was ist angesagt? (20)

TLS, HTTP/2演習
TLS, HTTP/2演習TLS, HTTP/2演習
TLS, HTTP/2演習
 
がっつりMongoDB事例紹介
がっつりMongoDB事例紹介がっつりMongoDB事例紹介
がっつりMongoDB事例紹介
 
MongoDBの監視
MongoDBの監視MongoDBの監視
MongoDBの監視
 
ぼくのかんがえたさいきょうのうぇぶあぷりけーしょんふれーむわーく - YAPC Asia 2011
ぼくのかんがえたさいきょうのうぇぶあぷりけーしょんふれーむわーく - YAPC Asia 2011ぼくのかんがえたさいきょうのうぇぶあぷりけーしょんふれーむわーく - YAPC Asia 2011
ぼくのかんがえたさいきょうのうぇぶあぷりけーしょんふれーむわーく - YAPC Asia 2011
 
初心者向けMongoDBのキホン!
初心者向けMongoDBのキホン!初心者向けMongoDBのキホン!
初心者向けMongoDBのキホン!
 
できる!並列・並行プログラミング
できる!並列・並行プログラミングできる!並列・並行プログラミング
できる!並列・並行プログラミング
 
日本語テストメソッドについて
日本語テストメソッドについて日本語テストメソッドについて
日本語テストメソッドについて
 
エンジニアの個人ブランディングと技術組織
エンジニアの個人ブランディングと技術組織エンジニアの個人ブランディングと技術組織
エンジニアの個人ブランディングと技術組織
 
DDD x CQRS 更新系と参照系で異なるORMを併用して上手くいった話
DDD x CQRS   更新系と参照系で異なるORMを併用して上手くいった話DDD x CQRS   更新系と参照系で異なるORMを併用して上手くいった話
DDD x CQRS 更新系と参照系で異なるORMを併用して上手くいった話
 
こわくない Git
こわくない Gitこわくない Git
こわくない Git
 
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけRDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
 
ドメインオブジェクトの見つけ方・作り方・育て方
ドメインオブジェクトの見つけ方・作り方・育て方ドメインオブジェクトの見つけ方・作り方・育て方
ドメインオブジェクトの見つけ方・作り方・育て方
 
ソーシャルゲーム案件におけるDB分割のPHP実装
ソーシャルゲーム案件におけるDB分割のPHP実装ソーシャルゲーム案件におけるDB分割のPHP実装
ソーシャルゲーム案件におけるDB分割のPHP実装
 
Mongo dbを知ろう
Mongo dbを知ろうMongo dbを知ろう
Mongo dbを知ろう
 
ドメイン駆動設計のプラクティスでカバーできること、できないこと[DDD]
ドメイン駆動設計のプラクティスでカバーできること、できないこと[DDD]ドメイン駆動設計のプラクティスでカバーできること、できないこと[DDD]
ドメイン駆動設計のプラクティスでカバーできること、できないこと[DDD]
 
CyberAgent における OSS の CI/CD 基盤開発 myshoes #CICD2021
CyberAgent における OSS の CI/CD 基盤開発 myshoes #CICD2021CyberAgent における OSS の CI/CD 基盤開発 myshoes #CICD2021
CyberAgent における OSS の CI/CD 基盤開発 myshoes #CICD2021
 
datatech-jp Casual Talks#3 データエンジニアを採用するための試行錯誤
datatech-jp Casual Talks#3  データエンジニアを採用するための試行錯誤datatech-jp Casual Talks#3  データエンジニアを採用するための試行錯誤
datatech-jp Casual Talks#3 データエンジニアを採用するための試行錯誤
 
ベロシティを上手く使って 技術的負債を計画的に解消する
ベロシティを上手く使って 技術的負債を計画的に解消するベロシティを上手く使って 技術的負債を計画的に解消する
ベロシティを上手く使って 技術的負債を計画的に解消する
 
Redisの特徴と活用方法について
Redisの特徴と活用方法についてRedisの特徴と活用方法について
Redisの特徴と活用方法について
 
pg_bigmで全文検索するときに気を付けたい5つのポイント(第23回PostgreSQLアンカンファレンス@オンライン 発表資料)
pg_bigmで全文検索するときに気を付けたい5つのポイント(第23回PostgreSQLアンカンファレンス@オンライン 発表資料)pg_bigmで全文検索するときに気を付けたい5つのポイント(第23回PostgreSQLアンカンファレンス@オンライン 発表資料)
pg_bigmで全文検索するときに気を付けたい5つのポイント(第23回PostgreSQLアンカンファレンス@オンライン 発表資料)
 

Andere mochten auch

Neo4j + MongoDB. Neo4j Doc Manager for Mongo Connector - GraphConnect SF 2015
Neo4j + MongoDB. Neo4j Doc Manager for Mongo Connector - GraphConnect SF 2015Neo4j + MongoDB. Neo4j Doc Manager for Mongo Connector - GraphConnect SF 2015
Neo4j + MongoDB. Neo4j Doc Manager for Mongo Connector - GraphConnect SF 2015William Lyon
 
HadoopとMongoDBを活用したソーシャルアプリのログ解析
HadoopとMongoDBを活用したソーシャルアプリのログ解析HadoopとMongoDBを活用したソーシャルアプリのログ解析
HadoopとMongoDBを活用したソーシャルアプリのログ解析Takahiro Inoue
 
「GraphDB徹底入門」〜構造や仕組み理解から使いどころ・種々のGraphDBの比較まで幅広く〜
「GraphDB徹底入門」〜構造や仕組み理解から使いどころ・種々のGraphDBの比較まで幅広く〜「GraphDB徹底入門」〜構造や仕組み理解から使いどころ・種々のGraphDBの比較まで幅広く〜
「GraphDB徹底入門」〜構造や仕組み理解から使いどころ・種々のGraphDBの比較まで幅広く〜Takahiro Inoue
 
Lightning-Talk: Ramen->Graph->Database, neo4j_fdw
Lightning-Talk: Ramen->Graph->Database, neo4j_fdwLightning-Talk: Ramen->Graph->Database, neo4j_fdw
Lightning-Talk: Ramen->Graph->Database, neo4j_fdwToshi Harada
 
GraphX Advent Calendar Day 14
GraphX Advent Calendar Day 14GraphX Advent Calendar Day 14
GraphX Advent Calendar Day 14鉄平 土佐
 
GraphX Advent Calendar Day15
GraphX Advent Calendar Day15GraphX Advent Calendar Day15
GraphX Advent Calendar Day15鉄平 土佐
 
Case study to use MongoDB in middle-class SIer / (中規模) SIerだってMongoDBできたよ!
Case study to use MongoDB in middle-class SIer / (中規模) SIerだってMongoDBできたよ!Case study to use MongoDB in middle-class SIer / (中規模) SIerだってMongoDBできたよ!
Case study to use MongoDB in middle-class SIer / (中規模) SIerだってMongoDBできたよ!Naruhiko Ogasawara
 
今日からわかる!ソーシャルグラフ解析
今日からわかる!ソーシャルグラフ解析今日からわかる!ソーシャルグラフ解析
今日からわかる!ソーシャルグラフ解析Daichi Onodera
 
Neo4j on Azure Step by Step
Neo4j on Azure Step by StepNeo4j on Azure Step by Step
Neo4j on Azure Step by StepNeo4j
 
Neo4j を Javaプログラムから使う
Neo4j を Javaプログラムから使うNeo4j を Javaプログラムから使う
Neo4j を Javaプログラムから使うMasahiro Satake
 
大学生のTwitter利用に関する定量分析―利用目的とサービス設計の関係―
大学生のTwitter利用に関する定量分析―利用目的とサービス設計の関係―大学生のTwitter利用に関する定量分析―利用目的とサービス設計の関係―
大学生のTwitter利用に関する定量分析―利用目的とサービス設計の関係―Hisao Soyama
 
Treasure Data × Wave Analytics EC Demo
Treasure Data × Wave Analytics EC DemoTreasure Data × Wave Analytics EC Demo
Treasure Data × Wave Analytics EC DemoTakahiro Inoue
 
グラフデータベース:Neo4j、そしてRDBからの移行手順の紹介
グラフデータベース:Neo4j、そしてRDBからの移行手順の紹介グラフデータベース:Neo4j、そしてRDBからの移行手順の紹介
グラフデータベース:Neo4j、そしてRDBからの移行手順の紹介ippei_suzuki
 
Spark Streaming と Spark GraphX を使用したTwitter解析による レコメンドサービス例
Spark Streaming と Spark GraphX を使用したTwitter解析による レコメンドサービス例Spark Streaming と Spark GraphX を使用したTwitter解析による レコメンドサービス例
Spark Streaming と Spark GraphX を使用したTwitter解析による レコメンドサービス例Junichi Noda
 
Spark GraphX で始めるグラフ解析
Spark GraphX で始めるグラフ解析Spark GraphX で始めるグラフ解析
Spark GraphX で始めるグラフ解析Yosuke Mizutani
 
Pythonで入門するApache Spark at PyCon2016
Pythonで入門するApache Spark at PyCon2016Pythonで入門するApache Spark at PyCon2016
Pythonで入門するApache Spark at PyCon2016Tatsuya Atsumi
 
Sparkで始めるお手軽グラフデータ分析
Sparkで始めるお手軽グラフデータ分析Sparkで始めるお手軽グラフデータ分析
Sparkで始めるお手軽グラフデータ分析Nagato Kasaki
 
Neo4j の「データ操作プログラミング」から 「ビジュアライズ」まで
Neo4j の「データ操作プログラミング」から 「ビジュアライズ」までNeo4j の「データ操作プログラミング」から 「ビジュアライズ」まで
Neo4j の「データ操作プログラミング」から 「ビジュアライズ」までKeiichiro Seida
 
『繋がり』を見る: Cytoscapeと周辺ツールを使ったグラフデータ可視化入門
『繋がり』を見る: Cytoscapeと周辺ツールを使ったグラフデータ可視化入門『繋がり』を見る: Cytoscapeと周辺ツールを使ったグラフデータ可視化入門
『繋がり』を見る: Cytoscapeと周辺ツールを使ったグラフデータ可視化入門Keiichiro Ono
 

Andere mochten auch (20)

Neo4j + MongoDB. Neo4j Doc Manager for Mongo Connector - GraphConnect SF 2015
Neo4j + MongoDB. Neo4j Doc Manager for Mongo Connector - GraphConnect SF 2015Neo4j + MongoDB. Neo4j Doc Manager for Mongo Connector - GraphConnect SF 2015
Neo4j + MongoDB. Neo4j Doc Manager for Mongo Connector - GraphConnect SF 2015
 
HadoopとMongoDBを活用したソーシャルアプリのログ解析
HadoopとMongoDBを活用したソーシャルアプリのログ解析HadoopとMongoDBを活用したソーシャルアプリのログ解析
HadoopとMongoDBを活用したソーシャルアプリのログ解析
 
「GraphDB徹底入門」〜構造や仕組み理解から使いどころ・種々のGraphDBの比較まで幅広く〜
「GraphDB徹底入門」〜構造や仕組み理解から使いどころ・種々のGraphDBの比較まで幅広く〜「GraphDB徹底入門」〜構造や仕組み理解から使いどころ・種々のGraphDBの比較まで幅広く〜
「GraphDB徹底入門」〜構造や仕組み理解から使いどころ・種々のGraphDBの比較まで幅広く〜
 
Lightning-Talk: Ramen->Graph->Database, neo4j_fdw
Lightning-Talk: Ramen->Graph->Database, neo4j_fdwLightning-Talk: Ramen->Graph->Database, neo4j_fdw
Lightning-Talk: Ramen->Graph->Database, neo4j_fdw
 
GraphX Advent Calendar Day 14
GraphX Advent Calendar Day 14GraphX Advent Calendar Day 14
GraphX Advent Calendar Day 14
 
GraphX Advent Calendar Day15
GraphX Advent Calendar Day15GraphX Advent Calendar Day15
GraphX Advent Calendar Day15
 
Case study to use MongoDB in middle-class SIer / (中規模) SIerだってMongoDBできたよ!
Case study to use MongoDB in middle-class SIer / (中規模) SIerだってMongoDBできたよ!Case study to use MongoDB in middle-class SIer / (中規模) SIerだってMongoDBできたよ!
Case study to use MongoDB in middle-class SIer / (中規模) SIerだってMongoDBできたよ!
 
今日からわかる!ソーシャルグラフ解析
今日からわかる!ソーシャルグラフ解析今日からわかる!ソーシャルグラフ解析
今日からわかる!ソーシャルグラフ解析
 
Tutorial neo4j en español
Tutorial neo4j en españolTutorial neo4j en español
Tutorial neo4j en español
 
Neo4j on Azure Step by Step
Neo4j on Azure Step by StepNeo4j on Azure Step by Step
Neo4j on Azure Step by Step
 
Neo4j を Javaプログラムから使う
Neo4j を Javaプログラムから使うNeo4j を Javaプログラムから使う
Neo4j を Javaプログラムから使う
 
大学生のTwitter利用に関する定量分析―利用目的とサービス設計の関係―
大学生のTwitter利用に関する定量分析―利用目的とサービス設計の関係―大学生のTwitter利用に関する定量分析―利用目的とサービス設計の関係―
大学生のTwitter利用に関する定量分析―利用目的とサービス設計の関係―
 
Treasure Data × Wave Analytics EC Demo
Treasure Data × Wave Analytics EC DemoTreasure Data × Wave Analytics EC Demo
Treasure Data × Wave Analytics EC Demo
 
グラフデータベース:Neo4j、そしてRDBからの移行手順の紹介
グラフデータベース:Neo4j、そしてRDBからの移行手順の紹介グラフデータベース:Neo4j、そしてRDBからの移行手順の紹介
グラフデータベース:Neo4j、そしてRDBからの移行手順の紹介
 
Spark Streaming と Spark GraphX を使用したTwitter解析による レコメンドサービス例
Spark Streaming と Spark GraphX を使用したTwitter解析による レコメンドサービス例Spark Streaming と Spark GraphX を使用したTwitter解析による レコメンドサービス例
Spark Streaming と Spark GraphX を使用したTwitter解析による レコメンドサービス例
 
Spark GraphX で始めるグラフ解析
Spark GraphX で始めるグラフ解析Spark GraphX で始めるグラフ解析
Spark GraphX で始めるグラフ解析
 
Pythonで入門するApache Spark at PyCon2016
Pythonで入門するApache Spark at PyCon2016Pythonで入門するApache Spark at PyCon2016
Pythonで入門するApache Spark at PyCon2016
 
Sparkで始めるお手軽グラフデータ分析
Sparkで始めるお手軽グラフデータ分析Sparkで始めるお手軽グラフデータ分析
Sparkで始めるお手軽グラフデータ分析
 
Neo4j の「データ操作プログラミング」から 「ビジュアライズ」まで
Neo4j の「データ操作プログラミング」から 「ビジュアライズ」までNeo4j の「データ操作プログラミング」から 「ビジュアライズ」まで
Neo4j の「データ操作プログラミング」から 「ビジュアライズ」まで
 
『繋がり』を見る: Cytoscapeと周辺ツールを使ったグラフデータ可視化入門
『繋がり』を見る: Cytoscapeと周辺ツールを使ったグラフデータ可視化入門『繋がり』を見る: Cytoscapeと周辺ツールを使ったグラフデータ可視化入門
『繋がり』を見る: Cytoscapeと周辺ツールを使ったグラフデータ可視化入門
 

Ähnlich wie MongoDBとAjaxで作る解析フロントエンド&GraphDBを用いたソーシャルデータ解析

Tide - SmalltalkでSPA
Tide - SmalltalkでSPATide - SmalltalkでSPA
Tide - SmalltalkでSPAMasashi Umezawa
 
データマイニング+WEB勉強会資料第6回
データマイニング+WEB勉強会資料第6回データマイニング+WEB勉強会資料第6回
データマイニング+WEB勉強会資料第6回Naoyuki Yamada
 
Azure Webinar : Microsoft Bot Framework ではじめるチャットボット開発_20180301
Azure Webinar : Microsoft Bot Framework ではじめるチャットボット開発_20180301Azure Webinar : Microsoft Bot Framework ではじめるチャットボット開発_20180301
Azure Webinar : Microsoft Bot Framework ではじめるチャットボット開発_20180301Ayako Omori
 
わんくま同盟名古屋勉強会18回目 ASP.NET MVC3を利用したHTML5な画面開発~クラウドも有るよ!~
わんくま同盟名古屋勉強会18回目 ASP.NET MVC3を利用したHTML5な画面開発~クラウドも有るよ!~わんくま同盟名古屋勉強会18回目 ASP.NET MVC3を利用したHTML5な画面開発~クラウドも有るよ!~
わんくま同盟名古屋勉強会18回目 ASP.NET MVC3を利用したHTML5な画面開発~クラウドも有るよ!~normalian
 
【Xpages day2016】標準コントールを使わないxpage開発
【Xpages day2016】標準コントールを使わないxpage開発【Xpages day2016】標準コントールを使わないxpage開発
【Xpages day2016】標準コントールを使わないxpage開発西 雄樹
 
無償のVisual studioで作るクライアント アプリ
無償のVisual studioで作るクライアント アプリ無償のVisual studioで作るクライアント アプリ
無償のVisual studioで作るクライアント アプリYasuhiko Yamamoto
 
JavaScriptテンプレートエンジンで活かすData API
JavaScriptテンプレートエンジンで活かすData APIJavaScriptテンプレートエンジンで活かすData API
JavaScriptテンプレートエンジンで活かすData APIHajime Fujimoto
 
Introduction for Browser Side MVC
Introduction for Browser Side MVCIntroduction for Browser Side MVC
Introduction for Browser Side MVCRyunosuke SATO
 
Azure IoT Edge で Custom Vision
Azure IoT Edge で Custom VisionAzure IoT Edge で Custom Vision
Azure IoT Edge で Custom VisionYoshitaka Seo
 
クラウドではじめるリアルタイムデータ分析 #seccamp
クラウドではじめるリアルタイムデータ分析 #seccampクラウドではじめるリアルタイムデータ分析 #seccamp
クラウドではじめるリアルタイムデータ分析 #seccampMasahiro NAKAYAMA
 
Preview: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう
Preview: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみようPreview: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう
Preview: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみようDaisuke Masubuchi
 
トレジャーデータ株式会社について(for all Data_Enthusiast!!)
トレジャーデータ株式会社について(for all Data_Enthusiast!!)トレジャーデータ株式会社について(for all Data_Enthusiast!!)
トレジャーデータ株式会社について(for all Data_Enthusiast!!)Takahiro Inoue
 
Metaprogramming Universe in C# - 実例に見るILからRoslynまでの活用例
Metaprogramming Universe in C# - 実例に見るILからRoslynまでの活用例Metaprogramming Universe in C# - 実例に見るILからRoslynまでの活用例
Metaprogramming Universe in C# - 実例に見るILからRoslynまでの活用例Yoshifumi Kawai
 
ブロックチェーンハンズオン 2019/01/26
ブロックチェーンハンズオン 2019/01/26ブロックチェーンハンズオン 2019/01/26
ブロックチェーンハンズオン 2019/01/26Kohei Nishikawa
 
Featuring Project Silk & Liike: 楽しい "モダン" Web 開発のちょっとディープなお話
Featuring Project Silk & Liike: 楽しい "モダン" Web 開発のちょっとディープなお話Featuring Project Silk & Liike: 楽しい "モダン" Web 開発のちょっとディープなお話
Featuring Project Silk & Liike: 楽しい "モダン" Web 開発のちょっとディープなお話Akira Inoue
 
Building asp.net core blazor and elasticsearch elasticsearch using visual stu...
Building asp.net core blazor and elasticsearch elasticsearch using visual stu...Building asp.net core blazor and elasticsearch elasticsearch using visual stu...
Building asp.net core blazor and elasticsearch elasticsearch using visual stu...Shotaro Suzuki
 
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分けビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分けRecruit Technologies
 

Ähnlich wie MongoDBとAjaxで作る解析フロントエンド&GraphDBを用いたソーシャルデータ解析 (20)

Tide - SmalltalkでSPA
Tide - SmalltalkでSPATide - SmalltalkでSPA
Tide - SmalltalkでSPA
 
データマイニング+WEB勉強会資料第6回
データマイニング+WEB勉強会資料第6回データマイニング+WEB勉強会資料第6回
データマイニング+WEB勉強会資料第6回
 
Azure Webinar : Microsoft Bot Framework ではじめるチャットボット開発_20180301
Azure Webinar : Microsoft Bot Framework ではじめるチャットボット開発_20180301Azure Webinar : Microsoft Bot Framework ではじめるチャットボット開発_20180301
Azure Webinar : Microsoft Bot Framework ではじめるチャットボット開発_20180301
 
わんくま同盟名古屋勉強会18回目 ASP.NET MVC3を利用したHTML5な画面開発~クラウドも有るよ!~
わんくま同盟名古屋勉強会18回目 ASP.NET MVC3を利用したHTML5な画面開発~クラウドも有るよ!~わんくま同盟名古屋勉強会18回目 ASP.NET MVC3を利用したHTML5な画面開発~クラウドも有るよ!~
わんくま同盟名古屋勉強会18回目 ASP.NET MVC3を利用したHTML5な画面開発~クラウドも有るよ!~
 
MongoDB勉強会資料
MongoDB勉強会資料MongoDB勉強会資料
MongoDB勉強会資料
 
【Xpages day2016】標準コントールを使わないxpage開発
【Xpages day2016】標準コントールを使わないxpage開発【Xpages day2016】標準コントールを使わないxpage開発
【Xpages day2016】標準コントールを使わないxpage開発
 
無償のVisual studioで作るクライアント アプリ
無償のVisual studioで作るクライアント アプリ無償のVisual studioで作るクライアント アプリ
無償のVisual studioで作るクライアント アプリ
 
JavaScriptテンプレートエンジンで活かすData API
JavaScriptテンプレートエンジンで活かすData APIJavaScriptテンプレートエンジンで活かすData API
JavaScriptテンプレートエンジンで活かすData API
 
Introduction for Browser Side MVC
Introduction for Browser Side MVCIntroduction for Browser Side MVC
Introduction for Browser Side MVC
 
Azure IoT Edge で Custom Vision
Azure IoT Edge で Custom VisionAzure IoT Edge で Custom Vision
Azure IoT Edge で Custom Vision
 
Node.jsでブラウザメッセンジャー
Node.jsでブラウザメッセンジャーNode.jsでブラウザメッセンジャー
Node.jsでブラウザメッセンジャー
 
クラウドではじめるリアルタイムデータ分析 #seccamp
クラウドではじめるリアルタイムデータ分析 #seccampクラウドではじめるリアルタイムデータ分析 #seccamp
クラウドではじめるリアルタイムデータ分析 #seccamp
 
Preview: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう
Preview: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみようPreview: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう
Preview: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう
 
トレジャーデータ株式会社について(for all Data_Enthusiast!!)
トレジャーデータ株式会社について(for all Data_Enthusiast!!)トレジャーデータ株式会社について(for all Data_Enthusiast!!)
トレジャーデータ株式会社について(for all Data_Enthusiast!!)
 
Elasticsearch 5.2とJava Clientで戯れる #elasticsearchjp
Elasticsearch 5.2とJava Clientで戯れる #elasticsearchjpElasticsearch 5.2とJava Clientで戯れる #elasticsearchjp
Elasticsearch 5.2とJava Clientで戯れる #elasticsearchjp
 
Metaprogramming Universe in C# - 実例に見るILからRoslynまでの活用例
Metaprogramming Universe in C# - 実例に見るILからRoslynまでの活用例Metaprogramming Universe in C# - 実例に見るILからRoslynまでの活用例
Metaprogramming Universe in C# - 実例に見るILからRoslynまでの活用例
 
ブロックチェーンハンズオン 2019/01/26
ブロックチェーンハンズオン 2019/01/26ブロックチェーンハンズオン 2019/01/26
ブロックチェーンハンズオン 2019/01/26
 
Featuring Project Silk & Liike: 楽しい "モダン" Web 開発のちょっとディープなお話
Featuring Project Silk & Liike: 楽しい "モダン" Web 開発のちょっとディープなお話Featuring Project Silk & Liike: 楽しい "モダン" Web 開発のちょっとディープなお話
Featuring Project Silk & Liike: 楽しい "モダン" Web 開発のちょっとディープなお話
 
Building asp.net core blazor and elasticsearch elasticsearch using visual stu...
Building asp.net core blazor and elasticsearch elasticsearch using visual stu...Building asp.net core blazor and elasticsearch elasticsearch using visual stu...
Building asp.net core blazor and elasticsearch elasticsearch using visual stu...
 
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分けビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
 

Mehr von Takahiro Inoue

トレジャーデータとtableau実現する自動レポーティング
トレジャーデータとtableau実現する自動レポーティングトレジャーデータとtableau実現する自動レポーティング
トレジャーデータとtableau実現する自動レポーティングTakahiro Inoue
 
Tableauが魅せる Data Visualization の世界
Tableauが魅せる Data Visualization の世界Tableauが魅せる Data Visualization の世界
Tableauが魅せる Data Visualization の世界Takahiro Inoue
 
トレジャーデータのバッチクエリとアドホッククエリを理解する
トレジャーデータのバッチクエリとアドホッククエリを理解するトレジャーデータのバッチクエリとアドホッククエリを理解する
トレジャーデータのバッチクエリとアドホッククエリを理解するTakahiro Inoue
 
20140708 オンラインゲームソリューション
20140708 オンラインゲームソリューション20140708 オンラインゲームソリューション
20140708 オンラインゲームソリューションTakahiro Inoue
 
トレジャーデータ流,データ分析の始め方
トレジャーデータ流,データ分析の始め方トレジャーデータ流,データ分析の始め方
トレジャーデータ流,データ分析の始め方Takahiro Inoue
 
オンラインゲームソリューション@トレジャーデータ
オンラインゲームソリューション@トレジャーデータオンラインゲームソリューション@トレジャーデータ
オンラインゲームソリューション@トレジャーデータTakahiro Inoue
 
事例で学ぶトレジャーデータ 20140612
事例で学ぶトレジャーデータ 20140612事例で学ぶトレジャーデータ 20140612
事例で学ぶトレジャーデータ 20140612Takahiro Inoue
 
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
この Visualization がすごい2014 〜データ世界を彩るツール6選〜この Visualization がすごい2014 〜データ世界を彩るツール6選〜
この Visualization がすごい2014 〜データ世界を彩るツール6選〜Takahiro Inoue
 
Treasure Data Intro for Data Enthusiast!!
Treasure Data Intro for Data Enthusiast!!Treasure Data Intro for Data Enthusiast!!
Treasure Data Intro for Data Enthusiast!!Takahiro Inoue
 
Hadoop and the Data Scientist
Hadoop and the Data ScientistHadoop and the Data Scientist
Hadoop and the Data ScientistTakahiro Inoue
 
MongoDB: Intro & Application for Big Data
MongoDB: Intro & Application  for Big DataMongoDB: Intro & Application  for Big Data
MongoDB: Intro & Application for Big DataTakahiro Inoue
 
An Introduction to Fluent & MongoDB Plugins
An Introduction to Fluent & MongoDB PluginsAn Introduction to Fluent & MongoDB Plugins
An Introduction to Fluent & MongoDB PluginsTakahiro Inoue
 
An Introduction to Tinkerpop
An Introduction to TinkerpopAn Introduction to Tinkerpop
An Introduction to TinkerpopTakahiro Inoue
 
An Introduction to Neo4j
An Introduction to Neo4jAn Introduction to Neo4j
An Introduction to Neo4jTakahiro Inoue
 
The Definition of GraphDB
The Definition of GraphDBThe Definition of GraphDB
The Definition of GraphDBTakahiro Inoue
 
Large-Scale Graph Processing〜Introduction〜(完全版)
Large-Scale Graph Processing〜Introduction〜(完全版)Large-Scale Graph Processing〜Introduction〜(完全版)
Large-Scale Graph Processing〜Introduction〜(完全版)Takahiro Inoue
 
Large-Scale Graph Processing〜Introduction〜(LT版)
Large-Scale Graph Processing〜Introduction〜(LT版)Large-Scale Graph Processing〜Introduction〜(LT版)
Large-Scale Graph Processing〜Introduction〜(LT版)Takahiro Inoue
 
はじめてのGlusterFS
はじめてのGlusterFSはじめてのGlusterFS
はじめてのGlusterFSTakahiro Inoue
 
はじめてのMongoDB
はじめてのMongoDBはじめてのMongoDB
はじめてのMongoDBTakahiro Inoue
 

Mehr von Takahiro Inoue (20)

トレジャーデータとtableau実現する自動レポーティング
トレジャーデータとtableau実現する自動レポーティングトレジャーデータとtableau実現する自動レポーティング
トレジャーデータとtableau実現する自動レポーティング
 
Tableauが魅せる Data Visualization の世界
Tableauが魅せる Data Visualization の世界Tableauが魅せる Data Visualization の世界
Tableauが魅せる Data Visualization の世界
 
トレジャーデータのバッチクエリとアドホッククエリを理解する
トレジャーデータのバッチクエリとアドホッククエリを理解するトレジャーデータのバッチクエリとアドホッククエリを理解する
トレジャーデータのバッチクエリとアドホッククエリを理解する
 
20140708 オンラインゲームソリューション
20140708 オンラインゲームソリューション20140708 オンラインゲームソリューション
20140708 オンラインゲームソリューション
 
トレジャーデータ流,データ分析の始め方
トレジャーデータ流,データ分析の始め方トレジャーデータ流,データ分析の始め方
トレジャーデータ流,データ分析の始め方
 
オンラインゲームソリューション@トレジャーデータ
オンラインゲームソリューション@トレジャーデータオンラインゲームソリューション@トレジャーデータ
オンラインゲームソリューション@トレジャーデータ
 
事例で学ぶトレジャーデータ 20140612
事例で学ぶトレジャーデータ 20140612事例で学ぶトレジャーデータ 20140612
事例で学ぶトレジャーデータ 20140612
 
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
この Visualization がすごい2014 〜データ世界を彩るツール6選〜この Visualization がすごい2014 〜データ世界を彩るツール6選〜
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
 
Treasure Data Intro for Data Enthusiast!!
Treasure Data Intro for Data Enthusiast!!Treasure Data Intro for Data Enthusiast!!
Treasure Data Intro for Data Enthusiast!!
 
Hadoop and the Data Scientist
Hadoop and the Data ScientistHadoop and the Data Scientist
Hadoop and the Data Scientist
 
MongoDB: Intro & Application for Big Data
MongoDB: Intro & Application  for Big DataMongoDB: Intro & Application  for Big Data
MongoDB: Intro & Application for Big Data
 
An Introduction to Fluent & MongoDB Plugins
An Introduction to Fluent & MongoDB PluginsAn Introduction to Fluent & MongoDB Plugins
An Introduction to Fluent & MongoDB Plugins
 
An Introduction to Tinkerpop
An Introduction to TinkerpopAn Introduction to Tinkerpop
An Introduction to Tinkerpop
 
An Introduction to Neo4j
An Introduction to Neo4jAn Introduction to Neo4j
An Introduction to Neo4j
 
The Definition of GraphDB
The Definition of GraphDBThe Definition of GraphDB
The Definition of GraphDB
 
Large-Scale Graph Processing〜Introduction〜(完全版)
Large-Scale Graph Processing〜Introduction〜(完全版)Large-Scale Graph Processing〜Introduction〜(完全版)
Large-Scale Graph Processing〜Introduction〜(完全版)
 
Large-Scale Graph Processing〜Introduction〜(LT版)
Large-Scale Graph Processing〜Introduction〜(LT版)Large-Scale Graph Processing〜Introduction〜(LT版)
Large-Scale Graph Processing〜Introduction〜(LT版)
 
Advanced MongoDB #1
Advanced MongoDB #1Advanced MongoDB #1
Advanced MongoDB #1
 
はじめてのGlusterFS
はじめてのGlusterFSはじめてのGlusterFS
はじめてのGlusterFS
 
はじめてのMongoDB
はじめてのMongoDBはじめてのMongoDB
はじめてのMongoDB
 

Último

AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。
AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。
AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。iPride Co., Ltd.
 
チームで開発するための環境を整える
チームで開発するための環境を整えるチームで開発するための環境を整える
チームで開発するための環境を整えるonozaty
 
The 86th National Convention of IPSJ (Student Encouragement Award))
The 86th National Convention of IPSJ (Student Encouragement Award))The 86th National Convention of IPSJ (Student Encouragement Award))
The 86th National Convention of IPSJ (Student Encouragement Award))yoshidakids7
 
JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜
JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜
JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜Naomi Yamasaki
 
バイオリンの運弓動作計測による初心者と経験者の差異分析
バイオリンの運弓動作計測による初心者と経験者の差異分析バイオリンの運弓動作計測による初心者と経験者の差異分析
バイオリンの運弓動作計測による初心者と経験者の差異分析sugiuralab
 
00001_test_automation_portfolio_20240313
00001_test_automation_portfolio_2024031300001_test_automation_portfolio_20240313
00001_test_automation_portfolio_20240313ssuserf8ea02
 
これからはじめるAnsible - Ansible Night Tokyo 2024
これからはじめるAnsible - Ansible Night Tokyo 2024これからはじめるAnsible - Ansible Night Tokyo 2024
これからはじめるAnsible - Ansible Night Tokyo 2024Hideki Saito
 
IGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdf
IGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdfIGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdf
IGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdfIGDA Japan SIG-Audio
 
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版Takayuki Nakayama
 
SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」
SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」
SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」IGDA Japan SIG-Audio
 
キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~
キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~
キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~honeshabri
 
AWS Lambdaと AWS API Gatewayを使ったREST API作り
AWS Lambdaと AWS API Gatewayを使ったREST API作りAWS Lambdaと AWS API Gatewayを使ったREST API作り
AWS Lambdaと AWS API Gatewayを使ったREST API作りiPride Co., Ltd.
 

Último (12)

AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。
AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。
AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。
 
チームで開発するための環境を整える
チームで開発するための環境を整えるチームで開発するための環境を整える
チームで開発するための環境を整える
 
The 86th National Convention of IPSJ (Student Encouragement Award))
The 86th National Convention of IPSJ (Student Encouragement Award))The 86th National Convention of IPSJ (Student Encouragement Award))
The 86th National Convention of IPSJ (Student Encouragement Award))
 
JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜
JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜
JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜
 
バイオリンの運弓動作計測による初心者と経験者の差異分析
バイオリンの運弓動作計測による初心者と経験者の差異分析バイオリンの運弓動作計測による初心者と経験者の差異分析
バイオリンの運弓動作計測による初心者と経験者の差異分析
 
00001_test_automation_portfolio_20240313
00001_test_automation_portfolio_2024031300001_test_automation_portfolio_20240313
00001_test_automation_portfolio_20240313
 
これからはじめるAnsible - Ansible Night Tokyo 2024
これからはじめるAnsible - Ansible Night Tokyo 2024これからはじめるAnsible - Ansible Night Tokyo 2024
これからはじめるAnsible - Ansible Night Tokyo 2024
 
IGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdf
IGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdfIGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdf
IGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdf
 
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
 
SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」
SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」
SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」
 
キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~
キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~
キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~
 
AWS Lambdaと AWS API Gatewayを使ったREST API作り
AWS Lambdaと AWS API Gatewayを使ったREST API作りAWS Lambdaと AWS API Gatewayを使ったREST API作り
AWS Lambdaと AWS API Gatewayを使ったREST API作り
 

MongoDBとAjaxで作る解析フロントエンド&GraphDBを用いたソーシャルデータ解析