PREMIUM
第4回
エンジニアのためのベイズ統計学-レコメンド機能-
2016年9月8日 60min
スライド資料
授業の概要
こんな人にオススメ
ソフトウェアエンジニアで、多様なデータを扱う案件に取り組みたい人、取り組んでいる人 ・人工知能やfintechに関心がある人 ・統計学を将来のまたは現在の仕事に生かしたい人、学びたい人 ・コンピュータで統計計算はできるが、どこか自信が持てない人
担当の先生／パーソナリティ
-
松原 望
東京大学名誉教授
1942年東京に生まれる。1966年東京大学教養学部基礎科学数学コース卒、文部省統計数理研究所研究員。スタンフォード統計学部博士課程修了（Ph.D.）。筑波大学助教授、エール大学フルブライト招聘研究員、東京大学教養学部教授、同大学院新領域創成科学研究科教授、上智大学教授、聖学院大学大学院教授を歴任。東京大学名誉教授。 ［著書］「社会を読み解く数学」「はじめよう！統計学超入門」「図解入門 よくわかる最新ベイズ統計の基本と仕組み」「入門確率過程」「入門ベイズ統計」のほか、共著に「統計学入門（基礎統計学）」。社会調査・評論、金融数学、技術数学、技術社会批判、社会科学方法論など論文・エッセイなど多数。親切な教え方には定評があり、現在各界に2万5千人以上の教え子が活躍している。
-
徳田 葵
スクー放送部
チャプター
-
自己紹介
00:39 -
授業の位置づけ
00:37 -
授業概要
01:15 -
授業の流れ
01:16 -
レコメンド・システムとは
06:34 -
質問：みなさんは、おすすめ機能が役に立つ、または不都合だと思ったことがありますか。例を挙げて紹介してください。
04:47 -
レコメンド・システムの機能
00:17 -
コンテンツ・ベース
07:55 -
協調フィルタリング
01:20 -
協調フィルタリング：項目ベース型
00:30 -
具体例：協調フィルタリング：項目ベース型
05:19 -
協調フィルタリング：ユーザーベース型
01:29 -
具体例：協調フィルタリング：ユーザーベース型
04:23 -
レコメンド・システムと単純ベイズ分類
01:31 -
例題：レコメンド・システムと単純ベイズ分類
01:43 -
具体例：レコメンド・システムと単純ベイズ分類
05:20 -
おわりに
02:16
-
Q：例えば、お寿司屋さんのように、その日によって市場でおすすめされたものが異なる場合、店頭では、どのようにおすすめするものを決めれば良いのでしょうか？！統計学の威力は発揮できるのでしょうか？
01:24 -
Q：例えば評価が33332の人と22221の人は似ていますか？被る数字はありませんが。
01:30 -
Q：最近、来年のお正月に向けて、おせち料理などの話題を聞くようになりました。また、これから、ハロウィンやクリスマスに向けて、各業界でマーケティング戦略を考えていると思います。企業のマーケティング戦略として、統計学の果たす役割を教えて下さい！
02:45 -
Q：マーケティングオートメーションは、ベイズですか？？
00:48 -
Q：私は行動分析学の専門家ではないのでよくわかりませんが、脳科学や心理学をベースに統計をとった場合、どの程度まで信憑性の高い仮説を立てることができるのでしょうか？
02:46 -
Q：ネットを使っているとレコメンドされる時があるが、なんでわかるのですか？
03:07 -
Q：アンケート項目（仮設）を立てるためには、何を学べばよいでしょうか？
00:46 -
お知らせ