NoSQLデータベースの長所と短所
Plenar.io - A spatio-temporal open data platform
Plenario is retiring Soon we will retire Plenario. We created Plenario 8 years ago to explore new ways to discover and evaluate open data. Today's open data portals extend such features and more! Thanks for being part of the journey. Explore One database. One map. All data in Plenario exists on a single map and a single timeline, making it incredibly easy to access multiple datasets at once—especi
scikit-learn から学ぶ機械学習の手法の概要 - Qiita
主成分分析が簡単にできるサイトを作った - ほくそ笑む
あけましておめでとうございます。 本年もよろしくお願いいたします。 主成分分析 さて、昨年の終わりごろから、私は仕事で主成分分析を行っています。 主成分分析というのは、多次元のデータを情報量をなるべく落とさずに低次元に要約する手法のことです。 主成分分析は統計言語 R で簡単にできます。 例として iris データで実行してみましょう。 data(iris) data <- iris[1:4] prcomp.obj <- prcomp(data, scale=TRUE) # 主成分分析 pc1 <- prcomp.obj$x[,1] # 第一主成分得点 pc2 <- prcomp.obj$x[,2] # 第二主成分得点 label <- as.factor(iris[,5]) # 分類ラベル percent <- summary(prcomp.obj)$importance[3,2] *
第1回 なぜ、Hadoopはどのように動くのか、を学ぶのか | gihyo.jp
はじめに ビッグデータ解析のためのシステム基盤として、Hadoopをはじめとするオープンソースのデータ処理ソフトウェア（データ処理系）が広く利用されつつありますが、当該データ処理系をすでに利用している、もしくは利用の検討をしている読者の方々の中には、たとえば以下のような問題を抱えている方が少なからずいらっしゃるのではないでしょうか。 データ処理系の使い方はなんとなくわかるが、その内部をあまり理解できていない。または、内部の動作原理がよくわからないので、本格的に使う気にならない。 同様の目的を達成する複数のデータ処理系において、どれを使って良いかがよくわからない。または、適切に使い分けられていない気がする。たとえば、どのような場合にHadoopを用いて、どのような場合に同類のデータ処理系であるImpalaやSparkを用いれば良いかが“明確に”わからない。 このような問題を解決するには、
機械学習アルゴリズムまとめ | 株式会社フルスピード - Growth Seed
マーケティングオートメーションは、何を実現してくれるのか？ | AdverTimes.（アドタイ） by 宣伝会議
ダメな統計学：目次｜Colorless Green Ideas
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
http://bdm.change-jp.com/?p=4727
http://bdm.change-jp.com/?p=4339
Insight for D - Yahoo!マーケティングソリューション
https://tv.data-artist.com/
https://www.projectoxford.ai/demo/emotion
http://bdm.change-jp.com/?p=3120
Google Sites: Sign-in
サービス終了のお知らせ
使い方ヘルプへのジャンプページ｜東京都
たたかう東京 ～世界都市・東京の底力を引き出す7つの提案～
実践：今日から使えるビックデータハンズオン あなたはタイタニック号で生き残れるか？知的生産性UPのための機械学習超入門
Creativity Sharing and Entrepreneurial Support | Knowledge Connector + Idea.LinkData
