Submit Search
RubyとRのおいしい関係
Download as PPTX, PDF
0 likes
1,580 views
sady_nitro
2015年6月6日 第18回 岡山Ruby, Ruby on Rails勉強会
Engineering
Read more
1 of 28
Download now
Download to read offline
1
2
3
4
5
6
7
8
Most read
9
10
Most read
11
12
13
Most read
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
More Related Content
PDF
パターン認識と機械学習入門
Momoko Hayamizu
PDF
人それぞれの競プロとの向き合い方
Kensuke Otsuki
PDF
研究効率化Tips Ver.2
cvpaper. challenge
PPTX
数理最適化とPython
Yosuke Onoue
PPTX
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
PDF
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
Deep Learning JP
PDF
Active Learning 入門
Shuyo Nakatani
PDF
ベイズ最適化
MatsuiRyo
パターン認識と機械学習入門
Momoko Hayamizu
人それぞれの競プロとの向き合い方
Kensuke Otsuki
研究効率化Tips Ver.2
cvpaper. challenge
数理最適化とPython
Yosuke Onoue
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
Deep Learning JP
Active Learning 入門
Shuyo Nakatani
ベイズ最適化
MatsuiRyo
What's hot
(20)
PPTX
ベルヌーイ分布における超パラメータ推定のための経験ベイズ法
智文 中野
PDF
機械学習モデルのハイパパラメータ最適化
gree_tech
PDF
因果推論の基礎
Hatsuru Morita
PDF
Vision and Language(メタサーベイ )
cvpaper. challenge
PDF
20090924 姿勢推定と回転行列
Toru Tamaki
PDF
コンピューテーショナルフォトグラフィ
Norishige Fukushima
PPTX
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII
PDF
Cosine Based Softmax による Metric Learning が上手くいく理由
tancoro
PDF
スペクトラル・クラスタリング
Akira Miyazawa
PPTX
ベイズ統計学の概論的紹介
Naoki Hayashi
PDF
NLP2023 緊急パネル:ChatGPTで自然言語処理は終わるのか? 説明スライド
JunSuzuki21
PPTX
Group normalization
Ryutaro Yamauchi
PDF
グラフィカル Lasso を用いた異常検知
Yuya Takashina
PDF
統計的因果推論への招待 -因果構造探索を中心に-
Shiga University, RIKEN
PDF
AlphaGoのしくみ
Hiroyuki Yoshida
PDF
凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
Tomoki Yoshida
PDF
TensorFlowで逆強化学習
Mitsuhisa Ohta
PDF
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
joisino
PDF
プログラミングコンテストでの動的計画法
Takuya Akiba
PDF
(修正)機械学習デザインパターン(ML Design Patterns)の解説
Hironori Washizaki
ベルヌーイ分布における超パラメータ推定のための経験ベイズ法
智文 中野
機械学習モデルのハイパパラメータ最適化
gree_tech
因果推論の基礎
Hatsuru Morita
Vision and Language(メタサーベイ )
cvpaper. challenge
20090924 姿勢推定と回転行列
Toru Tamaki
コンピューテーショナルフォトグラフィ
Norishige Fukushima
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII
Cosine Based Softmax による Metric Learning が上手くいく理由
tancoro
スペクトラル・クラスタリング
Akira Miyazawa
ベイズ統計学の概論的紹介
Naoki Hayashi
NLP2023 緊急パネル:ChatGPTで自然言語処理は終わるのか? 説明スライド
JunSuzuki21
Group normalization
Ryutaro Yamauchi
グラフィカル Lasso を用いた異常検知
Yuya Takashina
統計的因果推論への招待 -因果構造探索を中心に-
Shiga University, RIKEN
AlphaGoのしくみ
Hiroyuki Yoshida
凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
Tomoki Yoshida
TensorFlowで逆強化学習
Mitsuhisa Ohta
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
joisino
プログラミングコンテストでの動的計画法
Takuya Akiba
(修正)機械学習デザインパターン(ML Design Patterns)の解説
Hironori Washizaki
Ad
More from sady_nitro
(12)
PDF
What's new with Amazon SageMaker
sady_nitro
PPTX
20181117 azure ml_seminar_3
sady_nitro
PPTX
20181117 azure ml_seminar_2
sady_nitro
PPTX
20181117 azure ml_seminar_1
sady_nitro
PPTX
座駆動LT Surface Go 実機レビュー
sady_nitro
PPTX
組合せ最適化問題と解法アルゴリズム
sady_nitro
PPTX
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
PPTX
Try Azure Machine Learning
sady_nitro
PPTX
Comcamp 2016 Okayama VSTS
sady_nitro
PPTX
RubySeminar16_Analyze
sady_nitro
PPTX
OITEC19_TFS
sady_nitro
PPTX
みんな大好き機械学習
sady_nitro
What's new with Amazon SageMaker
sady_nitro
20181117 azure ml_seminar_3
sady_nitro
20181117 azure ml_seminar_2
sady_nitro
20181117 azure ml_seminar_1
sady_nitro
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
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
sady_nitro
Try Azure Machine Learning
sady_nitro
Comcamp 2016 Okayama VSTS
sady_nitro
RubySeminar16_Analyze
sady_nitro
OITEC19_TFS
sady_nitro
みんな大好き機械学習
sady_nitro
Ad
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
Download