第60回 データマイニング+WEB ＠東京( #TokyoWebmining 60th ) ー機械学習 活用 祭りーを開催しました

Webmining 勉強会

2017/10/28 "第60回 データマイニング+WEB ＠東京( #TokyoWebmining 60th ) ー 機械学習 活用 祭り ー" を開催しました。

会場提供して下さった FreakOut さん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。多くの方々の参加を嬉しく思っています。

参加者ID・バックグラウンド一覧：

参加者セキココ：第60回 データマイニング+WEB ＠東京 セキココ
(作成してくれた [Twitter:@komiya_atsushi] さんに感謝）


以下、全講師資料、関連資料、ツイートまとめです。

AGENDA：

■Opening Talk：

O1.「データマイニング+WEB＠東京 について」

講師：[Twitter:@hamadakoichi]

O2.「参加者全員 自己紹介 (興味・活動)」(進行：[Twitter:@hamadakoichi])

1.「Neural Machine Translationがイマドキの注目技術として面白い」(講師: [Twitter:@mickbean] ) (発表: 25分+議論: 35分)

【資料】：非公開

深層学習による機械翻訳　(Neural Machine Translation, NMT)技術が急速に発展中である．私の個人的な２年前の予想では，NMTの商用化は2020年前後だと思っていたが，2016年11月のGoogleによるNMT, GNMTの登場によりその予想は大きく外れてしまった．いったい，NMTは何がすごいのか，それまでの統計的翻訳(Statistical Machine Translation, SMT)技術と比べて解説したい．これまでの言語資源に対する考え方を見直さなければならない．併せてみらい翻訳で実現したTOEIC900点以上の人間に匹敵する英作文能力についても紹介する．
参考文献：

2.「映像解析における周辺要素」(講師: [Twitter:@kndt84] ) (発表: 25分+議論: 35分)

映像解析というと、とかくYOLOやOpenPoseといったアルゴリズムばかりが注目されがちですが、実際に映像解析をビジネスとして成立させるためには、プライバシーやセキュリティへの配慮、動画の取得、通信の確保、ハード選定、ログの分析や可視化といった様々な周辺要素を考慮してプロジェクトを実行することが必要になってきます。本発表では、実際に数多の映像解析のプロジェクトを行ってきた経験から、特に重要と思われる要素について時間の許す限り解説したいと思います。

3.「機械学習アルゴリズムの実装〜手順と考え方」(講師: [Twitter:@hamukazu] ) (発表: 25分+議論: 35分)

Pythonを使ってフルスクラッチから機械学習アルゴリズムを実装するための手順について說明する。実装に必要な道具（Numpy/Scipy/Cythonなど）については今まで様々なところで講演してきたが、今回は道具については軽く紹介した上で、主に実装をするときの方法論について経験に基づいた話をしたい。

■ツイートまとめ (Togetter)

「第60回 データマイニング+WEB ＠東京( #TokyoWebmining 60th ) ー 機械学習 活用 祭り ー」に関するツイートを Togetter にまとめました。みなさん、たくさんのツイートありがとうございました。("誰でも編集可能"に設定してあります)

振返り：

振返りホワイトボード(Keep/Try/Talk候補):

■講師募集

データマイニング+WEB勉強会＠東京 (#TokyoWebmining) を今後も、講師、参加者、双方にとってよりよい会としていきたいと思います。講師を募集していますので私の Twitter か Google Group へのメールへぜひご連絡下さい。

連絡先：

■Wiki

■過去開催内容：

第59回 データマイニング+WEB ＠東京( #TokyoWebmining 59th )ー 深層学習 展開 祭り ーを開催しました

Webmining 勉強会

2017/8/5 "第59回 データマイニング+WEB ＠東京( #TokyoWebmining 59th ) ー 深層学習 展開 祭り ー" を開催しました。

会場提供して下さった FreakOut さん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。多くの方々の参加を嬉しく思っています。

参加者ID・バックグラウンド一覧：

参加者セキココ：第59回 データマイニング+WEB ＠東京 セキココ
(作成してくれた [Twitter:@komiya_atsushi] さんに感謝）


以下、全講師資料、関連資料、ツイートまとめです。

AGENDA：

■Opening Talk：

O1.「データマイニング+WEB＠東京 について」

講師：[Twitter:@hamadakoichi]

O2.「参加者全員 自己紹介 (興味・活動)」(進行：[Twitter:@hamadakoichi])

0.「深層学習の展開」( 講師: [Twitter:@hamadakoichi] )

「対話返答生成における個性の追加反映」

個性を反映した返答生成は，様々な個性のキャラクタを用意することで多様な返答を可能にしたり応答の一貫性を確保できる点で近年注目されている．一方で，それぞれの返答個性を学習させるための対話例の準備が高コストであるという問題がある．
本研究では，深層学習を用いた返答文生成モデルに対して，元の個性を保持しつつ特定の返答個性を追加反映する手法の提案及び比較評価を行う．さらに，返答文生成に用いる個性表現ベクトルの演算による生成文の変化について分析を行う．

(※各種、深層生成モデルの展開紹介の中で、対話生成での個性反映の説明に用いた資料です。)

1.「画像を用いたファッションアイテム検索」(講師: [Twitter:@tn1031] ) (発表: 50分+議論: 50分)


ファッションアイテムのための画像検索システムは、検索対象となる画像の多様性から複雑なものになりがちです。例えば、ECサイトの画像やユーザーが撮影した画像／置き撮り画像やモデル着用画像の間で同一判定する能力が要求されます。
本発表では、このような問題の解決策を最新の研究事例を交えながら紹介します。
参考文献：

2.「深層学習とベイズ統計」(講師: [Twitter:@yutakashino]) (発表: 50分+議論: 50分)

深層学習の力強い発展が続いています．深層学習は計算グラフをベースとする非線形モデルで，確率勾配法を利用することで大規模にスケールする識別学習や系列予測が可能です．しかし，統計学的にみるとモデルの学習とは点推定を行うことに他ならず，過学習を回避する困難さや，複数のモデルを比較することで人間にとって納得するモデルを選ぶことが難しいという欠点があります．一方で，ベイズ推定は，取り扱うモデルの変数を確率変数として保持し人間にとって意味のある確率モデル・統計モデルを構築します．ベイズ推定は確率変数のモデルで学習するので過学習に頑健性があり，複数モデルを比較可能であること（モデル選択可能）から納得感の高い意思決定が可能になります．
最近上記の深層学習とベイズ推定を融合させる動き，ベイジアン深層学習/確率的プログラミング，が大きくなっています．このプレゼンテーションではベイジアン深層学習/確率的プログラミングの潮流，基礎的知識，そして具体的なモデリング方法・計算手法を紹介することで，ベイジアン深層学習/確率的プログラミングの初歩を提示することができたら，と考えています．

参考文献：

懇親会LT:

Variational Autoencoderの紹介 ([Twitter:@Kenmatsu4 ] )

■ツイートまとめ (Togetter)

「第59回 データマイニング+WEB ＠東京( #TokyoWebmining 59th ) ー 深層学習 展開 祭り ー」に関するツイートを Togetter にまとめました。みなさん、たくさんのツイートありがとうございました。("誰でも編集可能"に設定してあります)

振返り：

振返りホワイトボード(Keep/Try/Talk候補):

■講師募集

データマイニング+WEB勉強会＠東京 (#TokyoWebmining) を今後も、講師、参加者、双方にとってよりよい会としていきたいと思います。講師を募集していますので私の Twitter か Google Group へのメールへぜひご連絡下さい。

連絡先：

■Wiki

■過去開催内容：

第58回 データマイニング+WEB ＠東京( #TokyoWebmining 58th )ー 移動体・動的最適化 祭りーを開催しました

Webmining 勉強会

2017/3/25 "第58回 データマイニング+WEB ＠東京( #TokyoWebmining 58th ) ー 移動体・動的最適化 祭りー" を開催しました。

会場提供して下さった FreakOut さん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。多くの方々の参加を嬉しく思っています。

参加者ID・バックグラウンド一覧：

参加者セキココ：第58回 データマイニング+WEB ＠東京 セキココ
(作成してくれた [Twitter:@komiya_atsushi] さんに感謝）


以下、全講師資料、関連資料、ツイートまとめです。

AGENDA：

■Opening Talk：

O1.「データマイニング+WEB＠東京 について」

講師：[Twitter:@hamadakoichi]

O2.「参加者全員 自己紹介 (興味・活動)」(進行：[Twitter:@hamadakoichi])

1.「移動体の機械学習最前線」(講師:(講師: [Twitter:@eriver_jpn] ) (発表: 30分+議論: 35分)

【資料】: 非公開

Microsoftにて公共ビッグデータ活用の概念検証(PoC)事案があり、そこで実施した移動体のデータを使った機械学習モデルと、予測結果の精度を直感的に把握するために提案したビジュアライゼーションの手法を紹介します。成果は有料イベントである"De:Code2016"のセッションで一部紹介済みですが、今回は裏側の技術詳細を担当者視点で紹介します。(社外向けでは初です)
参考文献：

2.「ドローン農業最前線」(講師:[Twitter:@negative_t28]) (発表: 30分+議論: 35分)

農業用のドローンは、農薬散布用無人ヘリコプターという形で、国内でも1985年から利用さてれてきましたが、その操縦は難しく、免許も必要なため、農家の方が自分で操作することは難しいという状況でした。それが今日の技術革新により、操縦の自動化が現実的なものとなり、農薬散布やリモートセンシングへのドローン活用の広がりが期待されています。
今回はドローンの仕組みと農業への応用状況を紹介した後、自動化に大きな役割をはたしているGPSと、画像処理技術について紹介します。

参考文献：
Web

書籍

GPSのための実用プログラミング

GPSのための実用プログラミング

三次元画像計測の基礎

三次元画像計測の基礎



3.「動的最適化の今までとこれから」(講師: [Twitter:@kazukibs] )(発表: 30分+議論: 35分)

ダイナミック・プライシングは、季節や時間帯などの変化に応じて価格変動させ、需要の調整を行う価格設定手法で、航空券や各種興行イベントチケットなどでも近年使われて始めています。
ホテル・旅館などの宿泊施設への応用の話を軸に、動的最適化といえばよくとりあげられる動的計画法とのつながりや課題などを交えつつ経済学の視点からお話ししたいと思います。

参考文献：

レベニュー・マネージメント概論―ホスピタリティー産業の経営理念

レベニュー・マネージメント概論―ホスピタリティー産業の経営理念

Dynamic Economics: Quantitative Methods and Applications (The MIT Press)

Dynamic Economics: Quantitative Methods and Applications (The MIT Press)

Recursive Methods in Economic Dynamics

Recursive Methods in Economic Dynamics

懇親会LT:

PL/CUDA - GPU Accelerated In-Database Analytics ([Twitter:@kkaigai] )

InDatabaseAnalytics ([Twitter:@kkaigai] )

■ツイートまとめ (Togetter)

「第58回 データマイニング+WEB ＠東京( #TokyoWebmining 58th ) ー移動体・動的最適化 祭りー」に関するツイートを Togetter にまとめました。みなさん、たくさんのツイートありがとうございました。("誰でも編集可能"に設定してあります)

振返り：

振返りホワイトボード(Keep/Try/Talk候補):

■講師募集

データマイニング+WEB勉強会＠東京 (#TokyoWebmining) を今後も、講師、参加者、双方にとってよりよい会としていきたいと思います。講師を募集していますので私の Twitter か Google Group へのメールへぜひご連絡下さい。

連絡先：

■Wiki

■過去開催内容：

第57回 データマイニング+WEB ＠東京( #TokyoWebmining 57th )ー ビジネス活用 祭りーを開催しました

Webmining 勉強会

2016/10/29 "第57回 データマイニング+WEB ＠東京( #TokyoWebmining 57th ) ー ビジネス活用 祭りー" を開催しました。

会場提供して下さった FreakOut さん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。多くの方々の参加を嬉しく思っています。

参加者ID・バックグラウンド一覧：

参加者セキココ：第57回 データマイニング+WEB ＠東京 セキココ
(作成してくれた [Twitter:@komiya_atsushi] さんに感謝）


以下、全講師資料、関連資料、ツイートまとめです。

AGENDA：

■Opening Talk：

O1.「データマイニング+WEB＠東京 について」

講師：[Twitter:@hamadakoichi]

O2.「参加者全員 自己紹介 (興味・活動)」(進行：[Twitter:@hamadakoichi])

1.「計量経済学と機械学習の交差点徹底入門」(講師: [Twitter:@housecat442]) (発表: 30分+議論: 35分)

近年経済学において機械学習の存在感が増してきています。特に米国のwebサービス関連の企業では既存の計量経済学の手法が機械学習によって改善されており、「大量にデータがある状態での因果推論モデルの提案」と「予測精度を担保しつつ因果関係を示せるモデルの提案」の二つにおいて進歩を出しつつあります。今回の発表では主にSusan Atheyの発表している研究内容を踏襲しながら、この分野への入門を行います。
参考文献：

2.「金融機関におけるデータ活用徹底入門」(講師: [Twitter:@MOTOGRILL] ) (発表: 30分+議論: 35分)

【資料】：確認後 公開予定

近年のビッグデータ・AIブームのおかげで、大手ベンダーからベンチャー企業まで様々なデータ分析技術が提供されています。一方、銀行を中心とする伝統的な金融機関はデータを持ってはいますが、データ分析技術の専門家は少なく、活用が遅れている分野も多く残っています。このミスマッチを解消すべく、分析技術を持った方々に、金融機関にあるデータと課題、すでに取り組んでいる事を知って頂くことで、金融サービスの向上に協力して頂ければと思います。

参考文献：

3.「TVision Insights - TV視聴行動データ解析 最新ケーススタディ」(講師: [Twitter:@shkali])(発表: 30分+議論: 35分)

半年ぶりのTVISION INSIGHTSのテレビ視聴質データです。
前回と同じように、方法論は他の諸賢に任せ、もぎたてのデータから見えてきたことをお見せし、みなさんの「こういう分析がしたい」という想像の空間を広げることができればと思います。
わりとデータのカバレッジが広がってきました。
参考文献：

■ツイートまとめ (Togetter)

「第57回 データマイニング+WEB ＠東京( #TokyoWebmining 57th ) ービジネス活用 祭りー」に関するツイートを Togetter にまとめました。みなさん、たくさんのツイートありがとうございました。("誰でも編集可能"に設定してあります)

■講師募集

データマイニング+WEB勉強会＠東京 (#TokyoWebmining) を今後も、講師、参加者、双方にとってよりよい会としていきたいと思います。講師を募集していますので私の Twitter か Google Group へのメールへぜひご連絡下さい。

連絡先：

■Wiki

振返り：

振返りホワイトボード(Keep/Try/Talk候補):

■過去開催内容：

第56回 データマイニング+WEB ＠東京( #TokyoWebmining 56th )ー 機械学習サービス活用 祭り ーを開催しました

Webmining 勉強会

2016/9/3 "第56回 データマイニング+WEB ＠東京( #TokyoWebmining 56th ) ー 機械学習サービス活用 祭り ー" を開催しました。

会場提供して下さった SmartNews さん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。多くの方々の参加を嬉しく思っています。

参加者ID・バックグラウンド一覧

参加者セキココ：第56回 データマイニング+WEB ＠東京 セキココ
(作成してくれた [Twitter:@komiya_atsushi] さんに感謝）


以下、全講師資料、関連資料、ツイートまとめです。

AGENDA：

■Opening Talk：

O1.「データマイニング+WEB＠東京 について」

講師：[Twitter:@hamadakoichi]

O2.「参加者全員 自己紹介 (興味・活動)」(進行：[Twitter:@hamadakoichi])

1.「Recommendation Systems Handbook 2nd - 全 28 章 1000 page を 30 分で紹介」(講師: [Twitter:@masatoh73])

情報推薦技術の最近の研究動向を広く浅く紹介します。去年末に発行された推薦システムのハンドブック（全28章、約1000ページ）を参考に、汎用的な推薦手法から、ケースごとに固有なテクニック、人間心理にもとづく考え方など、いろんなトピックをお話します。

参考文献：

2.「広告配信における不正クリックとの戦い」(講師: [Twitter:@hagino3000] )（発表:30分 + 議論:35分)

インターネット広告業界において、Ad FraudやClick Fraudが問題として取り挙げられる事が増えました。Click Fraud(クリック詐欺)とはクリック報酬型広告(Pay Per Click)において、人間では無いボットによるクリックや、パブリッシャー(広告掲載サイト運営者)が自身の利益のために行なうクリックを指します。これは広告主にとって価値が無く、無駄なコストとなるため、広告ネットワーク事業者はこれを検出して無効化する対応を求められています。
本発表では、Click Fraud検出の歴史と共にその手法、現在のモバイル広告における課題を解説します。

参考文献：

3.「アンカンファレンス」(進行: [Twitter:@iakiyama] ) (全体合計:60分)

アンカンファレンスとは、参加者が自分の議論したいトピックに関して話し、参加者が全員で議論・課題解決を行い、作りあげるカンファレンスです。TokyoWebmining には、データ・機械学習の各領域での実活用を行っているメンバーが集まっています。日頃、議論したいトピックをぜひ議論しましょう。

■ツイートまとめ (Togetter)

「第56回 データマイニング+WEB ＠東京( #TokyoWebmining 56th ) ー機械学習サービス活用 祭り ー」に関するツイートを Togetter にまとめました。みなさん、たくさんのツイートありがとうございました。("誰でも編集可能"に設定してあります)

■講師募集

データマイニング+WEB勉強会＠東京 (#TokyoWebmining) を今後も、講師、参加者、双方にとってよりよい会としていきたいと思います。講師を募集していますので私の Twitter か Google Group へのメールへぜひご連絡下さい。

連絡先：

■Wiki

振返り：

振返りホワイトボード(Keep/Try/Talk候補):

■過去開催内容：

第55回 データマイニング+WEB ＠東京( #TokyoWebmining 55th )ー IoT x AI 祭り ーを開催しました

Webmining 勉強会

2016/7/23 "第55回 データマイニング+WEB ＠東京( #TokyoWebmining 55th ) ーIoT x AI 祭りー" を開催しました。

会場提供して下さった SmartNews さん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。多くの方々の参加を嬉しく思っています。

参加者ID・バックグラウンド一覧

参加者セキココ：第55回 データマイニング+WEB ＠東京 セキココ
(作成してくれた [Twitter:@komiya_atsushi] さんに感謝）


以下、全講師資料、関連資料、ツイートまとめです。

AGENDA：

■Opening Talk：

O1.「データマイニング+WEB＠東京 について」

講師：[Twitter:@hamadakoichi]

O2.「参加者全員 自己紹介 (興味・活動)」(進行：[Twitter:@hamadakoichi])

1.「投資会社から見た人工知能(AI)の事業化トレンド」(講師: [Twitter:@mickbean] )（発表:30分 + 議論: 35分）

米国を中心とした 人工知能(AI)の事業トレンドを紹介する．“AI”というと私がリードしたドコモの 「しゃべって コンシェル」やApple Siri ，Amazon Echo, Microsoft Cortanaなどの擬人化エージェント，あるいはロボットを想起することが多いが，米国ではより一般的にAIは農業や交通，流通など各産業における自動化，効率化技術のマーケティング用語として用いられる場合が多い．実質はデータに基づく機械学習を用いた最適化である．基盤となる実装アルゴリズムの多くは急速にコモンディティ化して行く．画像解析，パーソナル化，音声対話，マーケティングオートメーションの多くは商用化段階にありレッドオーシャン化が進みつつある．農業，教育，医療，法律，福祉，防災などこれまでIT化が進んでいなかった領域での動きを含めてAIの事業化動向を解説する．

参考文献：

2.「物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜」(講師: [Twitter:@kndt84] )（発表:40分 + 議論:40分）

Future Standard では、IoTを活用したインストアマーケティングのサービス開発を行っており、その仕組みを支える技術についてお話をさせて頂きます。前半では、AWSでサーバー側の仕組みを構築した際に、どのような設計思想に基づいてアーキテクチャを構築したのかといったポイントを中心に説明します。また、Azureとの比較についても言及する予定です。後半は、東京大学の山崎研究室と共同で行っている、NVIDIAのJetsonという組み込みコンピューターを使った、Faster R-CNN を使ったエッジでのリアルタイム物体認識の取り組みについてお話させて頂きます。

参考文献：

3.「IoT時代のスマートビルにおけるデータサイエンス」(講師: [Twitter:@kasuya] ) (発表:30分+議論:35分）

【資料】非公開

建設分野においてもIoTの適用事例が増えています。具体的にはセンサネットワークや人流センシングの情報を建物側にフィードバックをすることなどがありますが、建物制御の高度化には、それらの情報のリアルタイム処理や、機械学習による予測、異常検知が欠かせません。今回は建物におけるIoT、機械学習のトレンドと事例を紹介いたします。


■Try 進行状況共有

TokyoWebmining データ分析ハッカソン開催告知 ( [Twitter:@eriver_jpn] )

■ツイートまとめ (Togetter)

「第55回 データマイニング+WEB ＠東京( #TokyoWebmining 55th ) ー IoT x AI 祭り ー」に関するツイートを Togetter にまとめました。みなさん、たくさんのツイートありがとうございました。("誰でも編集可能"に設定してあります)

■講師募集

データマイニング+WEB勉強会＠東京 (#TokyoWebmining) を今後も、講師、参加者、双方にとってよりよい会としていきたいと思います。講師を募集していますので私の Twitter か Google Group へのメールへぜひご連絡下さい。

連絡先：

■Wiki

振返り：

振返りホワイトボード(Keep/Try/Talk候補):

■過去開催内容：

第54回 データマイニング+WEB ＠東京( #TokyoWebmining 54th )ー深層学習・機械学習 祭りーを開催しました

Webmining 勉強会

2016/6/25 "第54回 データマイニング+WEB ＠東京( #TokyoWebmining 54th ) ー深層学習・機械学習 祭りー" を開催しました。

会場提供して下さったFreakOutさん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。多くの方々の参加を嬉しく思っています。

参加者ID・バックグラウンド一覧

参加者セキココ：第54回 データマイニング+WEB ＠東京 セキココ
(作成してくれた [Twitter:@komiya_atsushi] さんに感謝）


以下、全講師資料、関連資料、ツイートまとめです。

AGENDA：

■Opening Talk：

O1.「データマイニング+WEB＠東京 について」

講師：[Twitter:@hamadakoichi]

O2.「参加者全員 自己紹介 (興味・活動)」(進行：[Twitter:@hamadakoichi])

1.「深層学習の進展・体験提供活用事例」( 講師: [Twitter:@hamadakoichi] )

「DeNAの機械学習・深層学習活用した 体験提供の挑戦」

深層学習の進展、深層学習活用した各種体験提供での活用事例 (ファッション・マンガ・画像生成・対話、等) 等、紹介します。

2.「深層学習フレームワーク概論と活用方法」(講師: [Twitter:@delta2323_])

「Deep Learning Implementations and Frameworks (Very short version of PAKDD 2016 tutorial) 」

「VAE-type Deep Generative Models」

深層学習の研究と深層学習フレームワークの開発はお互いに影響しあいながら発展してきています。それぞれのフレームワークは様々なコンセプトで開発され、研究者や開発者の様々な要求に答えるように設計されています。そのため、深層学習を用いた課題解決には適切なフレームワークの選択が重要です。本講演では、まずフレームワークごとの共通点・相違点について解説します。次にフレームワークを用いた深層学習モデルの実装方法例を、近年提案されたモデルを用いて紹介します。
本講演の一部は今年4月に開催された会議PAKDDでのチュートリアルの内容を一部に含みます。

参考文献：

3.「広告機械学習最前線」(講師: [Twitter:@Masa_S3])

Real-time biddingと呼ばれるオンライン広告配信枠の入札制度上で細やかな広告配信を実現させるためには、clickや購買行動を予測する機械学習による予測モデルと、その予測結果と広告主予算制約などを加味した入札制御を実現しなければなりません。
この発表では特にDSP(Demand Side Platform)の立場でどのように上記を実現させるために機械学習が活用されているのか紹介します。

参考文献

3. 懇親会LT

「イノベーション創発に資する人工知能基盤技術の創出と統合化」(講師: [Twitter:@mickbean] )

「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」 (講師: [Twitter:@Mr_Sakaue] )

■ツイートまとめ (Togetter)

「第54回 データマイニング+WEB ＠東京( #TokyoWebmining 54th ) ー深層学習・機械学習 祭りー」に関するツイートを Togetter にまとめました。みなさん、たくさんのツイートありがとうございました。("誰でも編集可能"に設定してあります)

■講師募集

データマイニング+WEB勉強会＠東京 (#TokyoWebmining) を今後も、講師、参加者、双方にとってよりよい会としていきたいと思います。講師を募集していますので私の Twitter か Google Group へのメールへぜひご連絡下さい。

連絡先：

■Wiki

振返り：

振返りホワイトボード(Keep/Try/Talk候補):

■過去開催内容：