第44回 データマイニング+WEB @東京 ( #TokyoWebmining 44th ) − 大規模分散・パーソナライズ 実活用 祭り −を開催しました

2015/03/21 "第44回 データマイニング+WEB @東京 ( #TokyoWebmining 44th ) − 大規模分散・パーソナライズ 実活用 祭り −" を開催しました。

会場提供し運営を手伝って下さった SmartNews のみなさん、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。会場参加、USTREAM参加ともに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Twitter List : tokyowebmining-44
参加者セキココ:第44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

O2.「参加者全員 自己紹介 (興味・活動)」(進行:[Twitter:@hamadakoichi]) (75分)

※内容は上記ホワイトボード写真参照

1. 「Agent Based Modelを使ったマーケティング予算配分最適化の米国事例」 (講師: [Twitter:@takabailando] )(発表40分+議論40分)

マーケティングに限らず、最大限の利益を出すために限られた予算をどう配分するかとても熱い領域です。
この領域はMarketing Mix Modelling(MMM)と呼ばれます。この領域では、これまで過去のデータを使って多変量回帰モデルを使った分析が使われてきましたが、最近では状態空間モデルやベイジアンネットワークも注目を浴びるようになり、更なる発展が期待されています。
本日はエージェントベーストモデルというシミュレーション技術を使った予算配分最適化を米国の事例を使ってご紹介します。

参考文献:

2. 「Apache Spark による推薦システム案件例」 (講師: [Twitter:@soonraah] ) (発表30分+議論30分)


昨年あたりから分散処理フレームワーク Apache Spark が大きく注目されています。Spark にはいくつかの高位のライブラリが含まれており、MLlib はその中でも機械学習アルゴリズムを提供するライブラリです。今回は Spark, MLlib を用いて比較的大規模な EC サイト上で推薦システムを開発した案件の例をご紹介します。システムだけでなく、オフライン評価やA/Bテスト等についてもお話する予定です。

参考文献:


3. 「テキストからのSNSユーザ位置推定手法と活用事例紹介」(講師: [Twitter:@arieee0] ) (発表30分+議論30分)

近年エリアマーケティングや観光施策などで位置情報付きのtwitter投稿を活用する事例が増えているが,プロフィールなどを参照しても情報が不足していることが多く,ユーザの属性や位置(居住地・現在地)を投稿内容から推定する必要がある.
今回の発表では,筆者の研究分野である投稿テキストからのユーザ位置推定を中心に,twitter投稿をエリアマーケティングに用いるための基礎技術を紹介する.
また,位置情報付きSNS投稿を活用した実際の事例,サービスなどを紹介し,ビジネスへの応用を議論したい.

参考文献:

■講師立候補・振返り:

「講師立候補・タイトル決め」進行:[Twitter:@hamadakoichi] (30分)

「振返り・アクション決定」進行:[Twitter:@hamadakoichi](40分)

  • KEEP/TRY 内容確認
  • Keep/Try投票
  • 各位所感

振返りホワイトボード:

■ツイートまとめ (Togetter)

「第44回 データマイニング+WEB @東京 ( #TokyoWebmining 44th ) − 大規模分散・パーソナライズ 実活用 祭り −」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)

Togetter:

■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 TwitterGoogle Group へのメールへぜひご連絡下さい。

連絡先:

■過去開催内容: