シバタ アキラ カメリオ作ってる人 (白ヤギコーポレーション代表取締役) 人工知能を使った情報サービス「カメリオ」「カメクト」の開発・提供と自然言語処理や統計解析を使ったビッグデータコンサルティング事業を手がける。高校中退、ピザ屋でフリーター、パンクロックに憧れて渡英、ロンドン大学でプログラミングに目覚め物理学博士号、CERNで素粒子ビッグデータを統計解析、ニューヨーク大学で研究員、世界中を旅した、BCGでは大企業の戦略コンサルティング、戦略インスティチュート、天使との出会い、脱サラして起業。退屈な世界をもっと楽しくしたいというアスピレーションを大切にしている人たちと、学歴をひけらかすことなく、お金に目をくらまされず、深いパッションでつながり、ビッグデータを使って世界を変えたい。 Twitter: @madyagi 近藤 康一朗 株式会社 電通 データサイエンティスト 2010年電通入社。
こんにちはpo3rinです。GitHub リポジトリのOGP的画像を自動生成してくれるサービスを土日に作ったので紹介します。今まで Qiita等にリポジトリのURLを貼るだけで、クリックされずにスルーされがちだったリポジトリを救うサービスです。 Github Link Card Creator サイトはこちら!! GitHub Link Card Creator 何ができるか。。見てもらった方が早いでしょう。こんなのが作れます。 かっこよいい！ 今まで Qiita にリポジトリのURLを貼るだけで、クリックされずにスルーされがちだったリポジトリも、このカードを使うと流入が期待できそうです。やることはただ <GitHub の user name>/<GitHub の リポジトリ名> を入力してエンターを押すだけです。サインインなども不要です。 注意としてはこのサイトで生成するコードは Qii
データミックスは国内で先駆けて2017年からデータサイエンス教育を行い、あらゆる業界・分野で活躍するビジネスパーソンを輩出。 データリテラシー向上と実践的な演習を重視し、これまで10,000名以上（※当社調べ）のビジネスパーソンが対面型授業を受講。 ※対面・ライブ授業での一般受講者及び企業内リスキリング支援制度利用による受講者数（2024年7月時点） データサイエンティスト育成講座 問題発見・課題設定からデータ活用の本質を学ぶ 「オンライン」と「通学」どちらでも選べる 平日夜と土曜日に開講で通いやすい 「データサイエンティスト育成講座」は、足腰の強いデータサイエンスのプロとしてキャリアを築くための最も人気のある講座です。 教育給付金の対象となっており、一定の要件を満たす場合、入学金・受講料の最大70%の還付が受けられます。
白ヤギの開発者の森本です。 今週の中日 (2016-09-20から09-24) から PyCon JP 2016 が開催されました。白ヤギコーポレーションは例年スポンサーをしていますが、「シルバースポンサーではうちの会社が目立たないだろう」的なノリで今年は初めてゴールドスポンサーとして参加しました。普段なら私は個人としてチケットを購入してカンファレンスに参加していましたが、ゴールドスポンサーは招待チケット枠が3つあったこともあり、スポンサーチケットを使って参加してきました。 今年のテーマは Everyone’s different, all are wonderful.「みんなちがって、みんないい」 でした。早稲田大学 さんの施設で行われ、正にテーマを表した5トラックという、例年よりも発表枠を拡大し幅広い分野における Python を使った事例や開発について様々な発表が行われていたように思
先日 Go で API サーバーを開発してきて1年が過ぎました という記事を書きました。昨日、Go 1.7 がリリース されなかった (もとは8/8がリリース予定だったのが8/15に延期された) わけですが、そのリリースパーティが行われました。先日のブログに関して話してほしいという依頼を頂いたので発表してきました。運営の方々、発表の場を頂いてありがとうございました。 Go 1.7 Release Party in Tokyo 発表のスライドは以下になります。発表全体として (前回のブログのフォローする発表でもあったため) Go そのものは関係なく設計の話が中心になってしまいました。 Goji とレイヤ化アーキテクチャ from Shiroyagi Corporation ※ How to Include Clickable Links on Slideshare Presentation
白ヤギの開発者の森本です。 白ヤギでは Go 言語でニュース記事のキュレーションをする カメリオ API というサービスを開発しています。約1年2ヶ月前、Go を使って開発し始めたときに当時調べた内容を整理して以下の記事を書きました。 Go言語で API サーバーを開発する 1年以上に渡り開発を継続してきて変わったこと、変わってないことなどをざっくばらんにまとめてみます。たまたま過去の記事のはてブコメントを見返していて 以下のコメント を見つけました。 最近 golang 導入事例増えて来たけど、導入後一年くらいのメンテナンスフェーズな事例について聞いてみたい。継続的デリバリーみたいなの。まだ早いのかな？ まだまだメンテナンスフェーズにはなっていなくて現在も活発に開発中ですが、継続的デリバリーについて白ヤギでは特別なことをしてなく、ansible を使ってデプロイしているのみです。Go 1
日経BP社（本社：東京、社長：新実 傑）は2016年7月28日、「nikkeiBPnet」のリニューアルを実施し、新たに実装した人工知能型編集エンジンを活用してビジネスパーソンへ「効率的」に「最速」で旬な情報をお届けしていきます。 日経BP社（本社：東京、社長：新実 傑）は2016年7月28日、「nikkeiBPnet」の大規模なリニューアルを実施し、「プロフェッショナルのためのビジネスキュレーション・サイト」として新装刊しました。新たに実装した人工知能型編集エンジンを活用してビジネスパーソンへ「効率的」に「最速」で旬な情報をお届けしていきます。 ◇編集部×人工知能型編集エンジンの新企画「必読トピックス」 ビジネスに役立つテーマ、時代を映すキーワードで記事を集めて、関連度の高い順に見出しを並べて表示する「必読トピックス」をお届けします。「編集部」と「人工知能型編集エンジン（※1）」がコラボ
はじめまして。白ヤギコーポレーションでエンジニアをしている谷田です。 カメリオでは、テーマに合ったニュース記事を提供するために、機械学習を応用した新しいアプローチを最近こっそり導入しました。この記事では、カメリオがどのようにニュース記事がテーマに合っていると判断しているのか、そのアルゴリズムの概要を解説してみたいと思います。 カメリオでは新しく入ってきたニュース記事を、何万もあるテーマの中から良く当てはまるものに自動的に振り分けています。これまでカメリオでは、記事があるテーマに振り分けられるためのさまざまな条件を半自動的に導出して、テーマと記事とのマッチングを行っていました。しかしこの従来の方法では、テーマ名の単語が記事中にたくさん出てきたりした場合に、実際にはあまりテーマに関係が無かったり、あるいはユーザの興味を引かないような記事が混ざってしまうことがありました。 新しく導入した機械学習
DA88 luôn là điểm đến mà bất kỳ cược thủ nào cũng muốn lựa chọn để tận hưởng trải nghiệm tốt nhất. Bạn sẽ có cơ hội tiếp cận nhiều loại hình giải trí hấp dẫn và các dịch vụ tiện ích. Nội dung cập nhật bên dưới đây về địa chỉ sẽ giúp bạn có thêm thông tin trước khi quyết định đăng ký. Cách Thức Liên Hệ Tổng Đài DA88 Cực Nhanh Và Chi TiếtChính Sách Bảo Mật DA88 Đang Áp Dụng Với Mọi Cược ThủChơi game
こんにちは、Six Apart ブログのことぶきです。広報として、このオウンドメディアの編集長として、個人ブロガーとして、日々エゴサーチばっかりしています。「Like!」の数字の増減もうれしいですが、どちらかといえば「この記事、役に立った」の一言の方に飛び跳ねて喜べるタイプです。 以前、これだけは覚えておきたい「エゴサーチ」の基本テクという記事を書きました。その後、この記事で紹介した各種テクニックやツールに加えて、定番がひとつ増えています 。それが、「カメリオ」というアプリ。カメリオとは、自分が追いかけたいテーマを登録しておくと、関連ニュースを集めて教えてくれます。ニュース系アプリには、世間的に人気の記事を紹介してくれるもの、知人界隈で話題の記事を紹介してくれるものなどいろいろありますが、カメリオは自分の知りたい話題だけをひたすら追いかけ続けてくれるので、エゴサーチ用途にもぴったりなのです
今回のソリューション：【scikit-learn/サイキットラーン】 〜「機械学習」を手軽に始められるライブラリ「scikit-learn」の紹介。ディープラーニングや自然言語分析の解説も〜 「機械学習」という言葉を、さまざまな場所で目にするようになった。新しい事業での活用も多く見られるが、裏ではどのような仕組みで動いているのか、そして自社のサービスに組み込む場合は何から始めるべきなのか、といったことをつかむのは難しい。 その機械学習を用いて、ユーザーに最適な情報を届けるキュレーションニュースアプリ「カメリオ」を運営する白ヤギコーポレーション。 同社は、その開発にPythonを用い、実験フェーズの検証を効率化するために、機械学習ライブラリscikit-learnを使用している。同ライブラリを使うと、誰でも簡単に機械学習を体験できるという。 カメリオの開発を担当する谷田 和章さんに、どのよう
白ヤギコーポレーションのデータ分析担当 堅田です。 今回は、時間がない中でデータをさくっと分析したいという人向けに、RのrandomForestパッケージを使った分析方法を紹介したいと思います。 データの前処理 まずデータの前処理では、難なくRのrandomForestに突っ込むための加工を施します。主なステップは以下の4つです。 1. データのサンプリング 初期分析の段階で全データを使う必要はないと考えます。変数のサイズにもよりますが、私は10%くらいのデータでまずやるようにしています。 2. 数値型の変数の欠損値は中央値で補完。さらに、欠損の有無そのものを新たな変数とする RのrandomForestのデフォルト設定では、欠損値があると実行できません。そのため、欠損値を補完する必要があります。 数値データの欠損は、本来は理由に応じて処理すべきですが、理由がわからなければ中央値で補完して
word2vec_cbow はさすがに GPU を使うだけあって元になった word2vec に比べて3倍以上高速になっています。 chainer は GPU を使うとだいぶマシになりますが、それでもかなり遅いです。ただ、 improve-word2vec ブランチの実装では、 Chainer 1.5 のものと比べて速度が1.5倍程度に改善されています（ここには示していませんが、条件によっては2倍以上の性能が出ることもありました）。残念ながらまだマージされていませんが、次のバージョンにはぜひ入ってほしいですね。 まとめ この結果を見る限り、速度に関する比較だけで言えば word2vec か gensim のどちらかを使っておけば良さそうです。 word2vec_cbow は速いですが、 GPU が必要なので動かせる環境が限定されてしまいます。逆にどうしても高速化したい場合には良い選択肢だと
今回のソリューション：【Tableau/タブロー】 〜ニュースアプリ「カメリオ」のユーザー行動をデータから見える化し、UI改善につなげた事例〜 Webサービスやアプリのグロースハックを行う上で欠かせない、ユーザー行動分析。昨今その領域において注目されているのが、「データサイエンティスト」と呼ばれるデータのプロフェッショナルだ。彼らはデータ領域に特化したそのスキルを活かし、数値分析によってサービスのグロースに貢献する。 ビッグデータ・テクノロジーのエキスパートで、ニュースアプリ「カメリオ」を運営する株式会社白ヤギコーポレーション。 カメリオは、独自のアルゴリズムを使って特定のキーワードに基づく情報を収集することで、ユーザーが「読みたい」という情報だけを届けるキュレーションサービスだ。そんな同社に2015年4月にデータサイエンティストとして参加したのが、堅田 洋資さんだ。 堅田さんはBIツール
6. 解決1: 検索サーバを増やす (2014/8〜) APP 1 記事イン デックス 記事検索 サーバ1 記事検索 サーバ2 記事検索 サーバ3 ELB ELB APP 2 APP 3 NFSマウント
SmartNewsやGunosy、antennaなど、自分に適したニュースを自動的に収集してくれる「キュレーション型ニュースアプリ」が人気だ。その中でも異彩を放つアプリが「カメリオ」だ。万人向けの他のアプリとは違い、非常に数多くあるテーマから好きなテーマを選ぶとそのテーマに合致したコンテンツが届く。その結果、1人だけしか追っていないテーマはなんと半分を占めるという。開発したのは、2013年5月創業の白ヤギコーポレーション。カメリオを支える人工知能技術やビジネスモデル、さらに将来展望について、代表取締役社長の渡辺賢智氏に話を聞いた。 ──まずは、白ヤギコーポレーションのビジネスについて教えてください。 渡辺氏：当社は、iOS/Android用に「カメリオ」という情報収集アプリを開発・提供しています。キーワードを指定すると、人工知能を用いて関連記事を自動的に収集してくれるキュレーションアプリで
こんにちは、Androidエンジニアのニコです。 最近、AndroidのGradleビルドファイルをより良いものにする方法を考えてました。 GradleビルドファイルのDependenciesはGradleビルドファイルの中に一番よく変わるところと思いますが、 プロジェクトが分かれていれば、Dependenciesの管理が難しくなります。例えば、MVPデザインパターンの場合にModel, ViewとPresenterで分けて、各プロジェックトに別のbuild.gradleを作らないといけないです。 調べてみたところ、GradleのDependenciesが独立したGradleファイルで管理できる方法を見つけました。 その為に、新しいGradleファイルが必要です。私の場合はdependecies.gradleという名前を作って、buildconfigフォルダーの中に入れました。 そしてその
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
