More Related Content
Similar to Tdc 20181121 (20)
Tdc 20181121
- 3. ©GRI Inc.CONFIDENTIAL
古幡 征史, PhD
株式会社GRI 取締役
【略歴】
1973年生、横浜市出身、筑波大学卒、筑波大学大学院経営・政策科学研究科修了(MS)
University of Western Sydney, PhD in Computer Science(コンピューターサイエンス博士号)
Universite de Toulouse 1 Capitole, Doctorat en Informatique(コンピューターサイエンス博士号)très honorable avec félicitations du
jury
丸文、KPMGコンサルティング、北陸先端科学技術大学院大学、University of Southern California、ドワンゴを経て、2016年9月より現職
【主要実績】
2009 Trading Agent Competition in Mechanism Design 優勝
2009-2010 東京証券取引所の現物市場における売買制度の特性に関する研究(東京証券取引所と共同研究)
市場急変に対応する予測手法の確立 (スパークス・アセット・マネージメント株式会社と共同研究)
2010 人工知能学会 優秀研究賞を受賞
2011-2013 Creating a Dynamic Ridesharing Market (“Treating Every Car as a Taxi”) (米国政府 運輸省)
ANTIDOTE: Adaptive Networks for Threats and Intrusion Detection or Termination (ペンシルバ
ニア大、マサチューセッツ大、南カリフォルニア大、MIT、ワシントン大の共同プロジェクト,米国政府
海軍研究所)
2016 「見える化」を含むデータ分析基盤構築サービスの提供を開始
【主要論文】
Masabumi Furuhata, Maged Dessouky, Fernando Ordóñez, Marc-Etiennce Brunet, Xiaoqing Wang, and Sven Koenig (2013)
“Ridesharing: the state-of-the-art and future directions” Transportation Research Part B, 57, pp.28-46.
※交通工学分野の最難関論文誌にて、歴代ダウンロードランキング6位
古幡征史, 水田孝信, 曹治平(2010) “市場急変に対応する予測モデルの提案”, 第5回 人工知能学会 ファイナンスにおける人工知能応用研究会
(SIG-FIN), pp. 23-27.
- 5. ©GRI Inc.CONFIDENTIAL
GRI会社概要
会社名 株式会社GRI (GRI Inc.) http://gri.jp
所在地 〒105-0011 東京都港区芝公園1-3-8 苔香園ビル5F
設立 2009年2月
資本金 4,600万円
代表者
代表取締役CEO 上野 勉
代表取締役COO 利齋 公晴
社員数 社員 15名、グループ会社含めて 計17名
事業内容
1.BIG DATAを利活用した事業開発に関わる支援
2.BIG DATAの収集および、BIG DATAの解析
3.BIG DATAの分析基盤(クラウド)の構築、見える化システムの提供
4.セルフ型ネットリサーチサービスの提供
5.AI型マッチングエンジンの開発
6.自然言語処理エンジンの導入、AI型チャットサービスの開発
7.Eコマースサイトの構築、パーソナライズエンジンの開発
8.データサイエンスまたは、人口知能(AI)分野における研究・研修・情報発信など
関連会社 株式会社アートダイジェスト(出版・編集、コンテンツ制作)
事業提携先
カルチュア・コンビニエンス・クラブ株式会社
株式会社日本リサーチセンター
- 8. ©GRI Inc.CONFIDENTIAL
解析の種類の再考察
記述的解析
Descriptive Analytics
診断的解析
Diagnostic Analytics
予期的解析
Predictive Analytics
処方的解析
Prescriptive Analytics
過去に起きた事実を
データで示す
(売上推移/前年比)
過去に起きたことの
理由を深堀りから
探索する
(ドリルダウン)
Business Intelligence
Tableau/Qlik/PowerBI
これから
何が起こるのか?
(予測の実施)
Machine Learning
情報 最適
Information Optimization
機械学習
これから何が、
なぜ起こり、
どうすべきか?
(予測の解釈)
• 時系列予測
• バスケット分析
• クレジット・スコア予測
• 優良顧客の定着
• 売れ筋商品の育成
• 売上推移
• 一人当たりの平均分析
• 商品ABC分析
• 顧客RFM分析
• 構成比の分析
• アクション・フィルタ
• ストーリ・テリング
Analytics Tools
R/Python
- 13. ©GRI Inc.CONFIDENTIAL
グラフG=(V, E)の可視化
• 同一のVertices & Edgesでも配置アルゴリズムにより、グラフの解釈のしやすさが変わる
• R/Pythonで配置座標を計算させ、それをTableauに戻し、ネットワークグラフの座標を変えられる
(はず)
同一のFruchterman-Reingoldアルゴリズム
でも、パラメタの設定で印象が変わる
http://kateto.net/networks-r-igraph
- 24. ©GRI Inc.CONFIDENTIAL
予測するためのコマンド
arg1 arg2 arg3
R
Prophetライブラリのロード
yベクトルの作成(SUM(Y)ベクトルの最後の要素(padされたも
の)を元に戻す)
dsベクトルの作成(引数2ベクトルの最後の要素(padされたも
の)を元に戻す)
df1データフレームを作成(yとdsで構成されるデータフレーム)
Prophetでfitさせたmの作成
Prophetで予測する対象期間の
データフレームfutureの作成
Prophetで予測の実行しforecastに格納
forecastのyhatカラムをTableauに戻す