Suche senden
Hochladen
RubyとRのおいしい関係
•
Als PPTX, PDF herunterladen
•
0 gefällt mir
•
1,377 views
sady_nitro
Folgen
2015年6月6日 第18回 岡山Ruby, Ruby on Rails勉強会
Weniger lesen
Mehr lesen
Ingenieurwesen
Melden
Teilen
Melden
Teilen
1 von 28
Jetzt herunterladen
Empfohlen
DynamoDBの初心者に伝えたい初めて触るときの勘所
DynamoDBの初心者に伝えたい初めて触るときの勘所
Ryo Sasaki
トップエンジニアが実践する思考整理法~テクニカルライティングを用いた課題解決の基本
トップエンジニアが実践する思考整理法~テクニカルライティングを用いた課題解決の基本
Hajime Fujita
TFLite_and_PyTorch_Mobile
TFLite_and_PyTorch_Mobile
yusuke shibui
AWS Batch Fargate対応は何をもたらすか
AWS Batch Fargate対応は何をもたらすか
Shun Fukazawa
Iocコンテナについて
Iocコンテナについて
Akio Terayama
継承やめろマジやめろ。 なぜイケないのか 解説する
継承やめろマジやめろ。 なぜイケないのか 解説する
TaishiYamada1
Riderはいいぞ!
Riderはいいぞ!
UnityTechnologiesJapan002
世界一わかりやすいClean Architecture
世界一わかりやすいClean Architecture
Atsushi Nakamura
Empfohlen
DynamoDBの初心者に伝えたい初めて触るときの勘所
DynamoDBの初心者に伝えたい初めて触るときの勘所
Ryo Sasaki
トップエンジニアが実践する思考整理法~テクニカルライティングを用いた課題解決の基本
トップエンジニアが実践する思考整理法~テクニカルライティングを用いた課題解決の基本
Hajime Fujita
TFLite_and_PyTorch_Mobile
TFLite_and_PyTorch_Mobile
yusuke shibui
AWS Batch Fargate対応は何をもたらすか
AWS Batch Fargate対応は何をもたらすか
Shun Fukazawa
Iocコンテナについて
Iocコンテナについて
Akio Terayama
継承やめろマジやめろ。 なぜイケないのか 解説する
継承やめろマジやめろ。 なぜイケないのか 解説する
TaishiYamada1
Riderはいいぞ!
Riderはいいぞ!
UnityTechnologiesJapan002
世界一わかりやすいClean Architecture
世界一わかりやすいClean Architecture
Atsushi Nakamura
[DLHacks]Comet ML -機械学習のためのGitHub-
[DLHacks]Comet ML -機械学習のためのGitHub-
Deep Learning JP
「龍が如く7 光と闇の行方」の自動テスト活用事例とテスト自動化チーム(仮)による若手育成の取り組みについて
「龍が如く7 光と闇の行方」の自動テスト活用事例とテスト自動化チーム(仮)による若手育成の取り組みについて
SEGADevTech
Triplet Loss 徹底解説
Triplet Loss 徹底解説
tancoro
MediaPipeの紹介
MediaPipeの紹介
emakryo
例外設計における大罪
例外設計における大罪
Takuto Wada
マイクロサービス時代の認証と認可 - AWS Dev Day Tokyo 2018 #AWSDevDay
マイクロサービス時代の認証と認可 - AWS Dev Day Tokyo 2018 #AWSDevDay
都元ダイスケ Miyamoto
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
Kosuke Shinoda
SLAM入門 第2章 SLAMの基礎
SLAM入門 第2章 SLAMの基礎
yohei okawa
Javaのログ出力: 道具と考え方
Javaのログ出力: 道具と考え方
Taku Miyakawa
「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
こわくない Git
こわくない Git
Kota Saito
SLAM勉強会(PTAM)
SLAM勉強会(PTAM)
Masaya Kaneko
MS COCO Dataset Introduction
MS COCO Dataset Introduction
Shinagawa Seitaro
CatBoost on GPU のひみつ
CatBoost on GPU のひみつ
Takuji Tahara
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知
Hideo Terada
変分推論と Normalizing Flow
変分推論と Normalizing Flow
Akihiro Nitta
PyMC mcmc
PyMC mcmc
Xiangze
Teslaにおけるコンピュータビジョン技術の調査
Teslaにおけるコンピュータビジョン技術の調査
Kazuyuki Miyazawa
機械学習品質管理・保証の動向と取り組み
機械学習品質管理・保証の動向と取り組み
Shintaro Fukushima
elixirを使ったゲームサーバ
elixirを使ったゲームサーバ
Hidetaka Kojo
RubySeminar16_Analyze
RubySeminar16_Analyze
sady_nitro
素人のための機械学習
素人のための機械学習
Takeuchi Yuichi
Weitere ähnliche Inhalte
Was ist angesagt?
[DLHacks]Comet ML -機械学習のためのGitHub-
[DLHacks]Comet ML -機械学習のためのGitHub-
Deep Learning JP
「龍が如く7 光と闇の行方」の自動テスト活用事例とテスト自動化チーム(仮)による若手育成の取り組みについて
「龍が如く7 光と闇の行方」の自動テスト活用事例とテスト自動化チーム(仮)による若手育成の取り組みについて
SEGADevTech
Triplet Loss 徹底解説
Triplet Loss 徹底解説
tancoro
MediaPipeの紹介
MediaPipeの紹介
emakryo
例外設計における大罪
例外設計における大罪
Takuto Wada
マイクロサービス時代の認証と認可 - AWS Dev Day Tokyo 2018 #AWSDevDay
マイクロサービス時代の認証と認可 - AWS Dev Day Tokyo 2018 #AWSDevDay
都元ダイスケ Miyamoto
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
Kosuke Shinoda
SLAM入門 第2章 SLAMの基礎
SLAM入門 第2章 SLAMの基礎
yohei okawa
Javaのログ出力: 道具と考え方
Javaのログ出力: 道具と考え方
Taku Miyakawa
「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
こわくない Git
こわくない Git
Kota Saito
SLAM勉強会(PTAM)
SLAM勉強会(PTAM)
Masaya Kaneko
MS COCO Dataset Introduction
MS COCO Dataset Introduction
Shinagawa Seitaro
CatBoost on GPU のひみつ
CatBoost on GPU のひみつ
Takuji Tahara
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知
Hideo Terada
変分推論と Normalizing Flow
変分推論と Normalizing Flow
Akihiro Nitta
PyMC mcmc
PyMC mcmc
Xiangze
Teslaにおけるコンピュータビジョン技術の調査
Teslaにおけるコンピュータビジョン技術の調査
Kazuyuki Miyazawa
機械学習品質管理・保証の動向と取り組み
機械学習品質管理・保証の動向と取り組み
Shintaro Fukushima
elixirを使ったゲームサーバ
elixirを使ったゲームサーバ
Hidetaka Kojo
Was ist angesagt?
(20)
[DLHacks]Comet ML -機械学習のためのGitHub-
[DLHacks]Comet ML -機械学習のためのGitHub-
「龍が如く7 光と闇の行方」の自動テスト活用事例とテスト自動化チーム(仮)による若手育成の取り組みについて
「龍が如く7 光と闇の行方」の自動テスト活用事例とテスト自動化チーム(仮)による若手育成の取り組みについて
Triplet Loss 徹底解説
Triplet Loss 徹底解説
MediaPipeの紹介
MediaPipeの紹介
例外設計における大罪
例外設計における大罪
マイクロサービス時代の認証と認可 - AWS Dev Day Tokyo 2018 #AWSDevDay
マイクロサービス時代の認証と認可 - AWS Dev Day Tokyo 2018 #AWSDevDay
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
SLAM入門 第2章 SLAMの基礎
SLAM入門 第2章 SLAMの基礎
Javaのログ出力: 道具と考え方
Javaのログ出力: 道具と考え方
「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〜
こわくない Git
こわくない Git
SLAM勉強会(PTAM)
SLAM勉強会(PTAM)
MS COCO Dataset Introduction
MS COCO Dataset Introduction
CatBoost on GPU のひみつ
CatBoost on GPU のひみつ
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知
変分推論と Normalizing Flow
変分推論と Normalizing Flow
PyMC mcmc
PyMC mcmc
Teslaにおけるコンピュータビジョン技術の調査
Teslaにおけるコンピュータビジョン技術の調査
機械学習品質管理・保証の動向と取り組み
機械学習品質管理・保証の動向と取り組み
elixirを使ったゲームサーバ
elixirを使ったゲームサーバ
Ähnlich wie RubyとRのおいしい関係
RubySeminar16_Analyze
RubySeminar16_Analyze
sady_nitro
素人のための機械学習
素人のための機械学習
Takeuchi Yuichi
『健全なフロントエンド開発をしよう 〜Railsに乗っかるという選択編〜』 アップ用
『健全なフロントエンド開発をしよう 〜Railsに乗っかるという選択編〜』 アップ用
kotaro_hirayama
Eightにおけるエンジニア主導の取り組み
Eightにおけるエンジニア主導の取り組み
Sansan
Ruby on Rails を用いたWEBアプリケーションの開発
Ruby on Rails を用いたWEBアプリケーションの開発
Koichi Shimozono
Tokyurubykaigi05
Tokyurubykaigi05
yamanekko
Movable Type Data API Swiftアプリ作成事例
Movable Type Data API Swiftアプリ作成事例
FromF
Application Bootstrap
Application Bootstrap
Takafumi ONAKA
JRubyで作るapiサーバー
JRubyで作るapiサーバー
Yamamoto Kazuhisa
逆引きクイックセミナー
逆引きクイックセミナー
Koichiro Ohba
The World is Connected
The World is Connected
Koichi ITO
Railsチュートリアル(second)を終えて
Railsチュートリアル(second)を終えて
Hirata Tomoko
Railsから学ぶRESTfulなuri設計
Railsから学ぶRESTfulなuri設計
Kanako Kobayashi
サーバサイドエンジニアから見た MT構築のレガシーなノウハウ (入門編)
サーバサイドエンジニアから見た MT構築のレガシーなノウハウ (入門編)
Osamu Nagatani
Ruby with My Life
Ruby with My Life
Hiroshi SHIBATA
Reading 1st dRuby
Reading 1st dRuby
Koichi ITO
マイクロサービスにおける非同期アーキテクチャ
マイクロサービスにおける非同期アーキテクチャ
ota42y
2015 12-19-ruby rails
2015 12-19-ruby rails
Hiroshi Oyamada
俺も受託開発〜準委任契約によるふつうのソフトウェア開発〜
俺も受託開発〜準委任契約によるふつうのソフトウェア開発〜
Koichi ITO
Sinatra軽量Web開発 - LOUPE Study #1
Sinatra軽量Web開発 - LOUPE Study #1
Takuya Mukohira
Ähnlich wie RubyとRのおいしい関係
(20)
RubySeminar16_Analyze
RubySeminar16_Analyze
素人のための機械学習
素人のための機械学習
『健全なフロントエンド開発をしよう 〜Railsに乗っかるという選択編〜』 アップ用
『健全なフロントエンド開発をしよう 〜Railsに乗っかるという選択編〜』 アップ用
Eightにおけるエンジニア主導の取り組み
Eightにおけるエンジニア主導の取り組み
Ruby on Rails を用いたWEBアプリケーションの開発
Ruby on Rails を用いたWEBアプリケーションの開発
Tokyurubykaigi05
Tokyurubykaigi05
Movable Type Data API Swiftアプリ作成事例
Movable Type Data API Swiftアプリ作成事例
Application Bootstrap
Application Bootstrap
JRubyで作るapiサーバー
JRubyで作るapiサーバー
逆引きクイックセミナー
逆引きクイックセミナー
The World is Connected
The World is Connected
Railsチュートリアル(second)を終えて
Railsチュートリアル(second)を終えて
Railsから学ぶRESTfulなuri設計
Railsから学ぶRESTfulなuri設計
サーバサイドエンジニアから見た MT構築のレガシーなノウハウ (入門編)
サーバサイドエンジニアから見た MT構築のレガシーなノウハウ (入門編)
Ruby with My Life
Ruby with My Life
Reading 1st dRuby
Reading 1st dRuby
マイクロサービスにおける非同期アーキテクチャ
マイクロサービスにおける非同期アーキテクチャ
2015 12-19-ruby rails
2015 12-19-ruby rails
俺も受託開発〜準委任契約によるふつうのソフトウェア開発〜
俺も受託開発〜準委任契約によるふつうのソフトウェア開発〜
Sinatra軽量Web開発 - LOUPE Study #1
Sinatra軽量Web開発 - LOUPE Study #1
Mehr von sady_nitro
What's new with Amazon SageMaker
What's new with Amazon SageMaker
sady_nitro
20181117 azure ml_seminar_3
20181117 azure ml_seminar_3
sady_nitro
20181117 azure ml_seminar_2
20181117 azure ml_seminar_2
sady_nitro
20181117 azure ml_seminar_1
20181117 azure ml_seminar_1
sady_nitro
座駆動LT Surface Go 実機レビュー
座駆動LT Surface Go 実機レビュー
sady_nitro
組合せ最適化問題と解法アルゴリズム
組合せ最適化問題と解法アルゴリズム
sady_nitro
オカヤマ コンピュータサイエンス ラボ についてのおはなし
オカヤマ コンピュータサイエンス ラボ についてのおはなし
sady_nitro
Try Azure Machine Learning
Try Azure Machine Learning
sady_nitro
Comcamp 2016 Okayama VSTS
Comcamp 2016 Okayama VSTS
sady_nitro
OITEC19_TFS
OITEC19_TFS
sady_nitro
みんな大好き機械学習
みんな大好き機械学習
sady_nitro
Mehr von sady_nitro
(11)
What's new with Amazon SageMaker
What's new with Amazon SageMaker
20181117 azure ml_seminar_3
20181117 azure ml_seminar_3
20181117 azure ml_seminar_2
20181117 azure ml_seminar_2
20181117 azure ml_seminar_1
20181117 azure ml_seminar_1
座駆動LT Surface Go 実機レビュー
座駆動LT Surface Go 実機レビュー
組合せ最適化問題と解法アルゴリズム
組合せ最適化問題と解法アルゴリズム
オカヤマ コンピュータサイエンス ラボ についてのおはなし
オカヤマ コンピュータサイエンス ラボ についてのおはなし
Try Azure Machine Learning
Try Azure Machine Learning
Comcamp 2016 Okayama VSTS
Comcamp 2016 Okayama VSTS
OITEC19_TFS
OITEC19_TFS
みんな大好き機械学習
みんな大好き機械学習
RubyとRのおいしい関係
1.
RubyとRのおいしい関係 2015/06/06 第18回 岡山Ruby, Ruby
on Rails勉強会 貞松 政史 @sady_nitro
2.
自己紹介 •名前:貞松 政史 (@sady_nitro) •所属:株式会社リゾーム •興味:Microsoft系テクノロジー/Ruby/機械学習 •多芸は無芸を地で行く
自作自演なんでも屋
3.
近況 •弊社の新パッケージを開発中 –必然的にMSテクノロジー寄りに そうでなくても寄ってる •Azure Machine Learningと Visual
Studio Onlineが好き •オープンセミナー岡山2015に参加しました –懇親会でRubyとRを使ったネタでLTしました
4.
オープンセミナー岡山2015 懇親会LT
5.
オープンセミナー岡山2015 懇親会LT •人の主観でなく、システマティックに当日の ハイライトを作成 •RubyとRとMeCabを利用して#oso2015の ハッシュタグツイートを分析 •テキスト分析とビジュアライズの一例として •延長線上として本発表を志願
6.
おしながき •なぜRubyとRの組合せが「おいしい」のか •数値分析のケーススタディ •テキスト分析のケーススタディ •まとめ
7.
なぜRubyとRの組合せが「おいしい」のか
8.
「RubyとR」といえば… •「RとRubyによるデータ解析入門」 •「R」が先に付いてるだけあって R力がアップする一冊 •Rubyはデータ取得・加工の手段 という位置付け
9.
なぜRubyとRの組合せが「おいしい」のか •世間一般に溢れる「分析」を実施する場合… –データの蓄積 –データのクリーニング –データの加工・集計 –分析・解析アルゴリズムの適用 –分析・解析結果のビジュアライズ
10.
なぜRubyとRの組合せが「おいしい」のか •Rubyが得意な領域 –データの蓄積 •Ruby on Railsで構築されたWebアプリ・サービス •既にデータの蓄積があるケースも多い –データのクリーニング –データの加工・集計 •言語の仕様としてコレクション操作や文字列操作に強い •Ruby
on RailsでActive Recordが利用できる
11.
なぜRubyとRの組合せが「おいしい」のか •Rが得意な領域 –分析・解析のアルゴリズム適用 –分析・解析結果のビジュアライズ •R自体がそれに特化した言語 •実用的なパッケージが多く存在する
12.
なぜRubyとRの組合せが「おいしい」のか 分析・解析の実施において 互いの長所を生かしてより良いアウトプットを得られる どちらも強力なライブラリ(パッケージ)が存在するので 学習コストなども低め
13.
テキスト分析のケーススタディ
14.
テキスト分析のケーススタディ •キーワード抽出+Word Cloudsによる可視化 –オープンセミナー岡山2015 懇親会LTでやったやつ •TwitterAPIで取得したツイート •MeCabによる単語抽出 •Rubyによるフィルタリング •Rのパッケージによるビジュアライズ
15.
テキスト分析のケーススタディ •ツイートの取得 –twitter gemを導入すれば楽勝
16.
テキスト分析のケーススタディ •MeCabによる単語の抽出 –mecab-ruby gemを導入すれば楽勝 –(導入が楽勝ではないという話も)
17.
テキスト分析のケーススタディ •Rubyによるフィルタリング –Rubyはコレクション操作が容易 •select •reject •collect etc… –正規表現の扱いが容易 •「=~」とか –URLや記号など、不要なワードを除外する
18.
テキスト分析のケーススタディ •Rのパッケージによるビジュアライズ –wordcloudパッケージを導入すr(以下略 –RStudioを使えばさらに便利に
19.
テキスト分析のケーススタディ •RStudio –RのGUIツール(IDE的なもの) –Rスクリプトが利用しやすい –パッケージのインストール等も画面操作で出来る
20.
テキスト分析のケーススタディ •せっかくなので#okarubyハッシュタグの ツイートを分析
21.
数値分析のケーススタディ
22.
数値分析のケーススタディ •ユーザー(顧客)のクラスタリング(グルーピング) –ちょっとギョーミーな題材を •ユーザーIDと利用ショップの入ったデータを集計 •クラスター分析を実行し、ユーザーを分類 •せっかくだから取得した分類を使ってさらに分析
23.
数値分析のケーススタディ •データの定義 –DBに以下のテーブルが存在するという想定
24.
数値分析のケーススタディ •データの集計 –テーブルを集計して以下の形式のデータを作る 会員(ユーザー)のID ユーザーごとのショップの利用回数
25.
数値分析のケーススタディ •クラスター分析 –Rを使用してデータをクラスター分析にかける –K-Means Clusteringを使用
26.
数値分析のケーススタディ •取得した分類を使ってさらに分析 –分類ごとの特徴、傾向を分析する
27.
まとめ
28.
まとめ •分析・解析の実施において –RubyとRは互いの長所を生かしやすい –どちらも強力なライブラリ(パッケージ)が存在するので 学習コストなども比較的低め –Rを使うときはRStudioが便利 –ケーススタディで示したように意外と実践的
Jetzt herunterladen