Enviar pesquisa
Carregar
3ヶ月で50%の社員が利用するツールに
•
Transferir como PPTX, PDF
•
1 gostou
•
2,516 visualizações
K
KOTARO TAKAHASHI
Seguir
ピクシブでLookerが広まった理由・工夫紹介 2019/9/6 LookerMeetUpにて発表
Leia menos
Leia mais
Dados e análise
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 24
Baixar agora
Recomendados
2016/10/07 CEATEC JAPANでの、池田の講演資料になります
リクルートにおけるデータのインフラ化への取組
リクルートにおけるデータのインフラ化への取組
Recruit Technologies
kubernetes初心者がKnative Lambda Runtime触ってみた (Kubernetes Novice Tokyo #13 発表資料) 2021年9月21日(火) NTTデータ 製造ITイノベーション事業本部第五製造事業部 コネクティッド統括部第一開発担当 藤田 拳斗
kubernetes初心者がKnative Lambda Runtime触ってみた(Kubernetes Novice Tokyo #13 発表資料)
kubernetes初心者がKnative Lambda Runtime触ってみた(Kubernetes Novice Tokyo #13 発表資料)
NTT DATA Technology & Innovation
Justtechtalk #9でお話した資料になります!
AWSのログ管理ベストプラクティス
AWSのログ管理ベストプラクティス
Akihiro Kuwano
Prometheus Tokyo Meetup #2 PFN荒井良太の講演資料を公開します。 Preferred Networks (PFN)ではオンプレミスのKubernetesクラスタで機械学習基盤を構築しており、そのモニタリングにPrometheusを利用しています。PFNでのPrometheusの利用事例、Thanosを利用したスケーラブルなPrometheusのデプロイなどをご紹介しています。 https://prometheus.connpass.com/event/127574/
Prometheus at Preferred Networks
Prometheus at Preferred Networks
Preferred Networks
MANABIYAでの発表資料です。 数十のプロダクトのデータを一手に集め、処理を回すリクルートライフスタイルのビックデータ分析基盤。本資料では、分析基盤の構成、ブロダクトの選定理由、課題解決の実例という3本立てでご紹介します。 リクルートライフスタイル 白子 佳孝 秋本 大樹
リクルートライフスタイル流!分析基盤との賢い付き合い方
リクルートライフスタイル流!分析基盤との賢い付き合い方
Recruit Lifestyle Co., Ltd.
Rakuten Tech Conference 2018 at 札幌
Kubernetesのしくみ やさしく学ぶ 内部構造とアーキテクチャー
Kubernetesのしくみ やさしく学ぶ 内部構造とアーキテクチャー
Toru Makabe
最近勉強を始めたコンテナ技術に関する基礎的な知識をまとめました。 [訂正と注釈] p.27-30: 「Deployment」内の「Version: 1」 => 「Version: 2」 p.37: 「終了コードをから」 => 「終了コードから」 p.39: 「HTTPSが利用できない」=> AWS上では、SSL終端するLBがサポートされています。https://kubernetes.io/docs/concepts/services-networking/service/#ssl-support-on-aws p.40: 「ユーザがingress controllerをmaster上にセットアップする必要」 => master上にセットアップしなければならないという制約はありません。例えばGCEのingress controller(GLBC)はPodとして動作します。https://github.com/kubernetes/ingress-gce/blob/master/README.md p.71: 「Pod container」 => 「pause container」
コンテナ未経験新人が学ぶコンテナ技術入門
コンテナ未経験新人が学ぶコンテナ技術入門
Kohei Tokunaga
Twitter:https://twitter.com/Nunerm Roppongi Product Manager Meetup #6 のLTで発表した資料 https://pm-roppongi.connpass.com/event/99971/
心理的安全性を 0から80ぐらいに上げた話
心理的安全性を 0から80ぐらいに上げた話
Yusuke Hisatsu
Recomendados
2016/10/07 CEATEC JAPANでの、池田の講演資料になります
リクルートにおけるデータのインフラ化への取組
リクルートにおけるデータのインフラ化への取組
Recruit Technologies
kubernetes初心者がKnative Lambda Runtime触ってみた (Kubernetes Novice Tokyo #13 発表資料) 2021年9月21日(火) NTTデータ 製造ITイノベーション事業本部第五製造事業部 コネクティッド統括部第一開発担当 藤田 拳斗
kubernetes初心者がKnative Lambda Runtime触ってみた(Kubernetes Novice Tokyo #13 発表資料)
kubernetes初心者がKnative Lambda Runtime触ってみた(Kubernetes Novice Tokyo #13 発表資料)
NTT DATA Technology & Innovation
Justtechtalk #9でお話した資料になります!
AWSのログ管理ベストプラクティス
AWSのログ管理ベストプラクティス
Akihiro Kuwano
Prometheus Tokyo Meetup #2 PFN荒井良太の講演資料を公開します。 Preferred Networks (PFN)ではオンプレミスのKubernetesクラスタで機械学習基盤を構築しており、そのモニタリングにPrometheusを利用しています。PFNでのPrometheusの利用事例、Thanosを利用したスケーラブルなPrometheusのデプロイなどをご紹介しています。 https://prometheus.connpass.com/event/127574/
Prometheus at Preferred Networks
Prometheus at Preferred Networks
Preferred Networks
MANABIYAでの発表資料です。 数十のプロダクトのデータを一手に集め、処理を回すリクルートライフスタイルのビックデータ分析基盤。本資料では、分析基盤の構成、ブロダクトの選定理由、課題解決の実例という3本立てでご紹介します。 リクルートライフスタイル 白子 佳孝 秋本 大樹
リクルートライフスタイル流!分析基盤との賢い付き合い方
リクルートライフスタイル流!分析基盤との賢い付き合い方
Recruit Lifestyle Co., Ltd.
Rakuten Tech Conference 2018 at 札幌
Kubernetesのしくみ やさしく学ぶ 内部構造とアーキテクチャー
Kubernetesのしくみ やさしく学ぶ 内部構造とアーキテクチャー
Toru Makabe
最近勉強を始めたコンテナ技術に関する基礎的な知識をまとめました。 [訂正と注釈] p.27-30: 「Deployment」内の「Version: 1」 => 「Version: 2」 p.37: 「終了コードをから」 => 「終了コードから」 p.39: 「HTTPSが利用できない」=> AWS上では、SSL終端するLBがサポートされています。https://kubernetes.io/docs/concepts/services-networking/service/#ssl-support-on-aws p.40: 「ユーザがingress controllerをmaster上にセットアップする必要」 => master上にセットアップしなければならないという制約はありません。例えばGCEのingress controller(GLBC)はPodとして動作します。https://github.com/kubernetes/ingress-gce/blob/master/README.md p.71: 「Pod container」 => 「pause container」
コンテナ未経験新人が学ぶコンテナ技術入門
コンテナ未経験新人が学ぶコンテナ技術入門
Kohei Tokunaga
Twitter:https://twitter.com/Nunerm Roppongi Product Manager Meetup #6 のLTで発表した資料 https://pm-roppongi.connpass.com/event/99971/
心理的安全性を 0から80ぐらいに上げた話
心理的安全性を 0から80ぐらいに上げた話
Yusuke Hisatsu
Tableau serverを1年間運用して
Tableau serverを1年間運用して
Tableau serverを1年間運用して
Kouichi Imaizumi
Data Engineering Study #8 でのLooker事例発表です。 https://forkwell.connpass.com/event/209803/ BIツールの運用コストは「データアーキテクチャの複雑さ」と「アウトプットの多様さ」の掛け合わせで決まると考えています。その2つをマネジメントしやすいBIツールとして、株式会社ヤプリのLooker事例をご紹介します。Lookerは「強くてニューゲーム」ができる素敵なツールだと思います。
運用してわかったLookerの本質的メリット : Data Engineering Study #8
運用してわかったLookerの本質的メリット : Data Engineering Study #8
Masatoshi Abe
2022年4月9日におこなれた AWS CDK Conference Japan 2022 Baseline Environment on AWS (BLEA) 開発にあたって検討したこと AWS Japan 大村幸敬さんの発表資料です。
20220409 AWS BLEA 開発にあたって検討したこと
20220409 AWS BLEA 開発にあたって検討したこと
Amazon Web Services Japan
MLOpsという言葉からは運用という印象を受けますが、MLOps製品の機能やMLOpsカンファレンスの発表内容をみると、印象とは異なります。本スライドではなぜMLOpsがバズワードなのか紹介します
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
データ収集の基本として、データソース毎に典型的なデータ収集方法を整理して説明しています。またJapanTaxiアプリにおいてどのように実践しているかを説明しています。
データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例
Tetsutaro Watanabe
JapnTaxiで本番運用している機械学習プロダクトについて、データサイエンティストの成果物をどのように運用に乗せているかを説明します。
JapanTaxiにおけるML Ops 〜機械学習の開発運用プロセス〜
JapanTaxiにおけるML Ops 〜機械学習の開発運用プロセス〜
Tetsutaro Watanabe
2014/12/20にDevLOVE関西主催で開催された「アーキテクチャについて知ってみる」での講演「アーキテクチャとアジャイル - プロジェクトをまともに進めるための両輪について」の資料です。 Togetter http://togetter.com/li/759771
アーキテクチャとアジャイルプロジェクトをまともに進めるための両輪について-DevLOVE関西 #DevKan
アーキテクチャとアジャイルプロジェクトをまともに進めるための両輪について-DevLOVE関西 #DevKan
Yusuke Suzuki
Apache Airflowとは、 「Python言語で定義したワークフローを、スケジュール・モニタリングするためのプラットフォーム」です。 この勉強会では、Apache Airflowの概要と特徴を紹介し。 Airflowをセットアップし簡単なワークフローを実行する方法を説明します。 ジョブの依存関係解決・再実行が行いやすいというAirflowの特徴が活かせる利用シーンとして、 レポーティングや機械学習での利用イメージについても紹介します。
Apache Airflow入門 (マーケティングデータ分析基盤技術勉強会)
Apache Airflow入門 (マーケティングデータ分析基盤技術勉強会)
Takeshi Mikami
アプリ「ニュースパス」をマイクロサービスで開発してみた泥臭い体験談です。
マイクロにしすぎた結果がこれだよ!
マイクロにしすぎた結果がこれだよ!
mosa siru
2016/06/20 tableau10ロードショーでの、前田・清水の講演資料になります
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
Recruit Technologies
2022/03/15に開催されたAmazon Game Tech Night #25のゲーム業界向け機械学習サービスのアップデート資料です。
Amazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデート
Amazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデート
Amazon Web Services Japan
AIを扱うエンジニアを対象に、AI倫理関連の世の中の動向を紹介します。 本資料は、DeNAとMobility Technologiesが合同で実施している社内技術交流会での発表資料を一部修正したものです。
エンジニアも知っておきたいAI倫理のはなし
エンジニアも知っておきたいAI倫理のはなし
Yasunori Nihei
[2018/10/24に開催した「Lead Initiative 2018 Technical TRACK」の講演資料です] 情報システムのクラウド化やIoTの推進により、通信インフラには高いレベルの可用性や安定性が求められています。本講演では、全サービスの土台となるIIJバックボーンについて、どのように考えて設計、運用しているのかをお話しします。設計面では、設備の冗長化やDR対策の取り組みをはじめ、他のネットワーク事業者との接続方法などについてご紹介します。運用面では、機器の不具合やトラフィックの急激な変動といった迅速な判断や対応が求められる事象に対する対処方法について実例を交えてご紹介します。 講演者:渡邉 一平(サービス基盤本部 ネットワーク技術部 ネットワーク技術課)
絶対に止まらないバックボーン
絶対に止まらないバックボーン
IIJ
2018年12月4日 Japan Container Days 講演資料 谷脇大輔 Preferred Networksでは1000個以上のGPUとInfiniBandからなるオンプレミスのクラスターを自社で構築しており、研究者が様々な目的、リソース量、実行時間の機械学習ジョブをKubernetes上で実行して研究成果を出しています。 KubernetesはKubeflowの登場など、機械学習基盤としても非常に注目されている一方で、現実的には未だ発展途上です。 講演では機械学習基盤としてのKubernetesの導入理由、その実用性と将来性、Preferred Networksの挑戦についてお話ししました。
Kubernetesによる機械学習基盤への挑戦
Kubernetesによる機械学習基盤への挑戦
Preferred Networks
2021/7/31 機械学習の社会実装勉強会にて発表した内容です。 タイトル:MLOpsの概要と初学者が気をつけたほうが良いこと
MLOpsの概要と初学者が気をつけたほうが良いこと
MLOpsの概要と初学者が気をつけたほうが良いこと
Sho Tanaka
Rakuten Developer Meetup vol.01: 楽天エコシステムを支えるインフラエンジニア https://rakuten.connpass.com/event/232707/
モニタリングプラットフォーム開発の裏側
モニタリングプラットフォーム開発の裏側
Rakuten Group, Inc.
弊社ブログで発表の詳細書きました。 https://future-architect.github.io/articles/20180209/ 2017/08/28 3社共同企画 Ansible 夏祭り LT枠 (DevOps , Ansible)
新卒3年目のぼくが、でぶおぷす???なインフラおじさん方にAnsibleを導入してみた
新卒3年目のぼくが、でぶおぷす???なインフラおじさん方にAnsibleを導入してみた
Shuntaro Saiba
これからはじめるインフラエンジニア
これからはじめるインフラエンジニア
外道 父
Developers.IO 2019 の発表資料
イマドキ!ユースケース別に見るAWS IoT への接続パターン
イマドキ!ユースケース別に見るAWS IoT への接続パターン
seiichi arai
「MLOpsとはなにか?」という質問に対し、「データサイエンティストが、システム開発において、やらないことすべて」と定義した上で、MLOpsの説明、海外事例、「JapanTaxi」アプリでの事例を説明します
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Tetsutaro Watanabe
プロダクト開発メンバー主導の民主的なデータ活用を目指すとどの企業でも直面することになるであろういくつかの課題と、それらに対するピクシブ株式会社データ駆動推進室の取り組みをご紹介します。 Data Platform Meetup 【vol.2】の発表資料です。 https://data-platform-meetup.connpass.com/event/155073/
プロダクト中心のデータ駆動を推進していくために必要なこと
プロダクト中心のデータ駆動を推進していくために必要なこと
Kazuhito Osabe
2017/3/9に開催された「DIRECTORs' SCRAMBLE vol.1( https://pixiv.connpass.com/event/49589/ )」の発表資料です。 社内にディレクターのロールモデルが少ない中で、自分なりにどうやってチームビルディングしてきたかを共有します。
ピクシブ社初! 大規模チームのチームビルディング
ピクシブ社初! 大規模チームのチームビルディング
Yuzo Shigematsu
Mais conteúdo relacionado
Mais procurados
Tableau serverを1年間運用して
Tableau serverを1年間運用して
Tableau serverを1年間運用して
Kouichi Imaizumi
Data Engineering Study #8 でのLooker事例発表です。 https://forkwell.connpass.com/event/209803/ BIツールの運用コストは「データアーキテクチャの複雑さ」と「アウトプットの多様さ」の掛け合わせで決まると考えています。その2つをマネジメントしやすいBIツールとして、株式会社ヤプリのLooker事例をご紹介します。Lookerは「強くてニューゲーム」ができる素敵なツールだと思います。
運用してわかったLookerの本質的メリット : Data Engineering Study #8
運用してわかったLookerの本質的メリット : Data Engineering Study #8
Masatoshi Abe
2022年4月9日におこなれた AWS CDK Conference Japan 2022 Baseline Environment on AWS (BLEA) 開発にあたって検討したこと AWS Japan 大村幸敬さんの発表資料です。
20220409 AWS BLEA 開発にあたって検討したこと
20220409 AWS BLEA 開発にあたって検討したこと
Amazon Web Services Japan
MLOpsという言葉からは運用という印象を受けますが、MLOps製品の機能やMLOpsカンファレンスの発表内容をみると、印象とは異なります。本スライドではなぜMLOpsがバズワードなのか紹介します
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
データ収集の基本として、データソース毎に典型的なデータ収集方法を整理して説明しています。またJapanTaxiアプリにおいてどのように実践しているかを説明しています。
データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例
Tetsutaro Watanabe
JapnTaxiで本番運用している機械学習プロダクトについて、データサイエンティストの成果物をどのように運用に乗せているかを説明します。
JapanTaxiにおけるML Ops 〜機械学習の開発運用プロセス〜
JapanTaxiにおけるML Ops 〜機械学習の開発運用プロセス〜
Tetsutaro Watanabe
2014/12/20にDevLOVE関西主催で開催された「アーキテクチャについて知ってみる」での講演「アーキテクチャとアジャイル - プロジェクトをまともに進めるための両輪について」の資料です。 Togetter http://togetter.com/li/759771
アーキテクチャとアジャイルプロジェクトをまともに進めるための両輪について-DevLOVE関西 #DevKan
アーキテクチャとアジャイルプロジェクトをまともに進めるための両輪について-DevLOVE関西 #DevKan
Yusuke Suzuki
Apache Airflowとは、 「Python言語で定義したワークフローを、スケジュール・モニタリングするためのプラットフォーム」です。 この勉強会では、Apache Airflowの概要と特徴を紹介し。 Airflowをセットアップし簡単なワークフローを実行する方法を説明します。 ジョブの依存関係解決・再実行が行いやすいというAirflowの特徴が活かせる利用シーンとして、 レポーティングや機械学習での利用イメージについても紹介します。
Apache Airflow入門 (マーケティングデータ分析基盤技術勉強会)
Apache Airflow入門 (マーケティングデータ分析基盤技術勉強会)
Takeshi Mikami
アプリ「ニュースパス」をマイクロサービスで開発してみた泥臭い体験談です。
マイクロにしすぎた結果がこれだよ!
マイクロにしすぎた結果がこれだよ!
mosa siru
2016/06/20 tableau10ロードショーでの、前田・清水の講演資料になります
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
Recruit Technologies
2022/03/15に開催されたAmazon Game Tech Night #25のゲーム業界向け機械学習サービスのアップデート資料です。
Amazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデート
Amazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデート
Amazon Web Services Japan
AIを扱うエンジニアを対象に、AI倫理関連の世の中の動向を紹介します。 本資料は、DeNAとMobility Technologiesが合同で実施している社内技術交流会での発表資料を一部修正したものです。
エンジニアも知っておきたいAI倫理のはなし
エンジニアも知っておきたいAI倫理のはなし
Yasunori Nihei
[2018/10/24に開催した「Lead Initiative 2018 Technical TRACK」の講演資料です] 情報システムのクラウド化やIoTの推進により、通信インフラには高いレベルの可用性や安定性が求められています。本講演では、全サービスの土台となるIIJバックボーンについて、どのように考えて設計、運用しているのかをお話しします。設計面では、設備の冗長化やDR対策の取り組みをはじめ、他のネットワーク事業者との接続方法などについてご紹介します。運用面では、機器の不具合やトラフィックの急激な変動といった迅速な判断や対応が求められる事象に対する対処方法について実例を交えてご紹介します。 講演者:渡邉 一平(サービス基盤本部 ネットワーク技術部 ネットワーク技術課)
絶対に止まらないバックボーン
絶対に止まらないバックボーン
IIJ
2018年12月4日 Japan Container Days 講演資料 谷脇大輔 Preferred Networksでは1000個以上のGPUとInfiniBandからなるオンプレミスのクラスターを自社で構築しており、研究者が様々な目的、リソース量、実行時間の機械学習ジョブをKubernetes上で実行して研究成果を出しています。 KubernetesはKubeflowの登場など、機械学習基盤としても非常に注目されている一方で、現実的には未だ発展途上です。 講演では機械学習基盤としてのKubernetesの導入理由、その実用性と将来性、Preferred Networksの挑戦についてお話ししました。
Kubernetesによる機械学習基盤への挑戦
Kubernetesによる機械学習基盤への挑戦
Preferred Networks
2021/7/31 機械学習の社会実装勉強会にて発表した内容です。 タイトル:MLOpsの概要と初学者が気をつけたほうが良いこと
MLOpsの概要と初学者が気をつけたほうが良いこと
MLOpsの概要と初学者が気をつけたほうが良いこと
Sho Tanaka
Rakuten Developer Meetup vol.01: 楽天エコシステムを支えるインフラエンジニア https://rakuten.connpass.com/event/232707/
モニタリングプラットフォーム開発の裏側
モニタリングプラットフォーム開発の裏側
Rakuten Group, Inc.
弊社ブログで発表の詳細書きました。 https://future-architect.github.io/articles/20180209/ 2017/08/28 3社共同企画 Ansible 夏祭り LT枠 (DevOps , Ansible)
新卒3年目のぼくが、でぶおぷす???なインフラおじさん方にAnsibleを導入してみた
新卒3年目のぼくが、でぶおぷす???なインフラおじさん方にAnsibleを導入してみた
Shuntaro Saiba
これからはじめるインフラエンジニア
これからはじめるインフラエンジニア
外道 父
Developers.IO 2019 の発表資料
イマドキ!ユースケース別に見るAWS IoT への接続パターン
イマドキ!ユースケース別に見るAWS IoT への接続パターン
seiichi arai
「MLOpsとはなにか?」という質問に対し、「データサイエンティストが、システム開発において、やらないことすべて」と定義した上で、MLOpsの説明、海外事例、「JapanTaxi」アプリでの事例を説明します
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Tetsutaro Watanabe
Mais procurados
(20)
Tableau serverを1年間運用して
Tableau serverを1年間運用して
運用してわかったLookerの本質的メリット : Data Engineering Study #8
運用してわかったLookerの本質的メリット : Data Engineering Study #8
20220409 AWS BLEA 開発にあたって検討したこと
20220409 AWS BLEA 開発にあたって検討したこと
MLOpsはバズワード
MLOpsはバズワード
データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例
JapanTaxiにおけるML Ops 〜機械学習の開発運用プロセス〜
JapanTaxiにおけるML Ops 〜機械学習の開発運用プロセス〜
アーキテクチャとアジャイルプロジェクトをまともに進めるための両輪について-DevLOVE関西 #DevKan
アーキテクチャとアジャイルプロジェクトをまともに進めるための両輪について-DevLOVE関西 #DevKan
Apache Airflow入門 (マーケティングデータ分析基盤技術勉強会)
Apache Airflow入門 (マーケティングデータ分析基盤技術勉強会)
マイクロにしすぎた結果がこれだよ!
マイクロにしすぎた結果がこれだよ!
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
Amazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデート
Amazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデート
エンジニアも知っておきたいAI倫理のはなし
エンジニアも知っておきたいAI倫理のはなし
絶対に止まらないバックボーン
絶対に止まらないバックボーン
Kubernetesによる機械学習基盤への挑戦
Kubernetesによる機械学習基盤への挑戦
MLOpsの概要と初学者が気をつけたほうが良いこと
MLOpsの概要と初学者が気をつけたほうが良いこと
モニタリングプラットフォーム開発の裏側
モニタリングプラットフォーム開発の裏側
新卒3年目のぼくが、でぶおぷす???なインフラおじさん方にAnsibleを導入してみた
新卒3年目のぼくが、でぶおぷす???なインフラおじさん方にAnsibleを導入してみた
これからはじめるインフラエンジニア
これからはじめるインフラエンジニア
イマドキ!ユースケース別に見るAWS IoT への接続パターン
イマドキ!ユースケース別に見るAWS IoT への接続パターン
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Semelhante a 3ヶ月で50%の社員が利用するツールに
プロダクト開発メンバー主導の民主的なデータ活用を目指すとどの企業でも直面することになるであろういくつかの課題と、それらに対するピクシブ株式会社データ駆動推進室の取り組みをご紹介します。 Data Platform Meetup 【vol.2】の発表資料です。 https://data-platform-meetup.connpass.com/event/155073/
プロダクト中心のデータ駆動を推進していくために必要なこと
プロダクト中心のデータ駆動を推進していくために必要なこと
Kazuhito Osabe
2017/3/9に開催された「DIRECTORs' SCRAMBLE vol.1( https://pixiv.connpass.com/event/49589/ )」の発表資料です。 社内にディレクターのロールモデルが少ない中で、自分なりにどうやってチームビルディングしてきたかを共有します。
ピクシブ社初! 大規模チームのチームビルディング
ピクシブ社初! 大規模チームのチームビルディング
Yuzo Shigematsu
2017-11-22 wed. 第 2 回 Google Cloud INSIDE Games & Apps 株式会社リクルートライフスタイル データエンジニア 南谷 和毅 氏の登壇スライドです。
データプロダクトを支えるビッグデータ基盤
データプロダクトを支えるビッグデータ基盤
Google Cloud Platform - Japan
Japan GPU-Accelerated VDI Community Meetup #11 で製品紹介した際の資料です
SysTrack のご紹介 - 最適な vGPU リソース利用で効率の高い GPU VDI 環境を -
SysTrack のご紹介 - 最適な vGPU リソース利用で効率の高い GPU VDI 環境を -
Hirotaka Nagashima
合同会社長目 位置データ活用セミナー 経済センサスのデータを活用して、ヘルシーな昼食を出すお店の出店候補地を見つけよう! 2021/11/17 講師:合同会社長目 CEO 小川 英幸 全資料: https://github.com/chomoku/seminer/tree/main/2021_11_17
位置データ活用 経済センサスのデータを使ってみよう
位置データ活用 経済センサスのデータを使ってみよう
hide ogawa
db tech showcase Tokyo 2017講演資料
(2017.9.7) Neo4jご紹介
(2017.9.7) Neo4jご紹介
Mitsutoshi Kiuchi
shikigaku
shikigaku.pdf
shikigaku.pdf
ssuserc7d339
識学概要資料
識学概要資料.pdf
識学概要資料.pdf
ssuserc7d339
識学のご提案資料です
shikigku
shikigku
ssuserc7d339
20100701
20110630Code4Lib JAPAN報告書
20110630Code4Lib JAPAN報告書
Code4Lib JAPAN
LIFULLにおけるマーケターのキャリア像、マーケターに求められるスキルを具体的にイメージするために、ベストインクラスプロデューサーズの代表取締役社長 菅 恭一氏を外部講師としてお招きして開催しました。
LIFULLマーケター総会スライド(2017/07)
LIFULLマーケター総会スライド(2017/07)
LIFULL Co., Ltd.
クラウド型データベース「kintone」のご紹介 @DataSpider DevConn Hackathon
170520 DataSpider DevConn Hackathon
170520 DataSpider DevConn Hackathon
kintone papers
Goalist会社概要
Goalist会社概要
Goalist Co.,Ltd.
株式会社エデュテックパートナーズが提供するサービスの説明資料です。
エデュテックパートナーズのデジタル支援サービスのご案内
エデュテックパートナーズのデジタル支援サービスのご案内
munjapan
企業様の海外進出のために先ず必要なこと、多言語コンテンツマーケティングについて、海外ご支援300社以上のインフォキュービックだからこその強み、メリット、作成ステップをご紹介します。
海外向けコンテンツマーケティングについて《インフォキュービック・ジャパン》
海外向けコンテンツマーケティングについて《インフォキュービック・ジャパン》
Rohan Yamagishi
「July Tech Festa 2019」で発表された資料です。 https://2019.techfesta.jp/
エンジニア以外の方が自らSQLを使ってセグメント分析を行うカルチャーをどのように作っていったか
エンジニア以外の方が自らSQLを使ってセグメント分析を行うカルチャーをどのように作っていったか
gree_tech
2017年11月18日に開催したKintone Café KOCHI Vol.7でライトニングトークしました。その際のスライドです。
ウェブ屋さんとkintoneとクラウド(Kintone Café KOCHI Vol.7)
ウェブ屋さんとkintoneとクラウド(Kintone Café KOCHI Vol.7)
Noriaki Sugimoto
2017/5/20 JJUG CCC 2017 Spring 発表資料 エンプラ開発におけるレガシーアプリケーションの巻き取りとモジュール分割の戦い
2017spring jjug ccc_f2
2017spring jjug ccc_f2
Kazuhiro Wada
SoftLayer導入事例
【SoftLayer事例】V-CUBE ミーティングを支えるSoftLayer
【SoftLayer事例】V-CUBE ミーティングを支えるSoftLayer
softlayerjp
ULTRA Beer Bash「大規模システムリプレイスへの道」講演資料
大規模システムリプレイスへの道
大規模システムリプレイスへの道
Recruit Lifestyle Co., Ltd.
Semelhante a 3ヶ月で50%の社員が利用するツールに
(20)
プロダクト中心のデータ駆動を推進していくために必要なこと
プロダクト中心のデータ駆動を推進していくために必要なこと
ピクシブ社初! 大規模チームのチームビルディング
ピクシブ社初! 大規模チームのチームビルディング
データプロダクトを支えるビッグデータ基盤
データプロダクトを支えるビッグデータ基盤
SysTrack のご紹介 - 最適な vGPU リソース利用で効率の高い GPU VDI 環境を -
SysTrack のご紹介 - 最適な vGPU リソース利用で効率の高い GPU VDI 環境を -
位置データ活用 経済センサスのデータを使ってみよう
位置データ活用 経済センサスのデータを使ってみよう
(2017.9.7) Neo4jご紹介
(2017.9.7) Neo4jご紹介
shikigaku.pdf
shikigaku.pdf
識学概要資料.pdf
識学概要資料.pdf
shikigku
shikigku
20110630Code4Lib JAPAN報告書
20110630Code4Lib JAPAN報告書
LIFULLマーケター総会スライド(2017/07)
LIFULLマーケター総会スライド(2017/07)
170520 DataSpider DevConn Hackathon
170520 DataSpider DevConn Hackathon
Goalist会社概要
Goalist会社概要
エデュテックパートナーズのデジタル支援サービスのご案内
エデュテックパートナーズのデジタル支援サービスのご案内
海外向けコンテンツマーケティングについて《インフォキュービック・ジャパン》
海外向けコンテンツマーケティングについて《インフォキュービック・ジャパン》
エンジニア以外の方が自らSQLを使ってセグメント分析を行うカルチャーをどのように作っていったか
エンジニア以外の方が自らSQLを使ってセグメント分析を行うカルチャーをどのように作っていったか
ウェブ屋さんとkintoneとクラウド(Kintone Café KOCHI Vol.7)
ウェブ屋さんとkintoneとクラウド(Kintone Café KOCHI Vol.7)
2017spring jjug ccc_f2
2017spring jjug ccc_f2
【SoftLayer事例】V-CUBE ミーティングを支えるSoftLayer
【SoftLayer事例】V-CUBE ミーティングを支えるSoftLayer
大規模システムリプレイスへの道
大規模システムリプレイスへの道
3ヶ月で50%の社員が利用するツールに
1.
3ヶ月で50%の社員が 利用するツールに ピクシブでLookerが広まった理由・工夫紹介 pixiv Inc. Name Name 2019.9.6
2.
● 2012年にピクシブ株式会社に入社 ● pixivのWeb側のPMを担当 ●
2018年12月にデータ駆動推進室が 発足 ○ 以後ピクシブの各チームと連携 し、データ活用をサポートする 業務を担当2 略歴 高橋 孝太郎 データ駆動推進室 マネージャー
3.
3 データ駆動推進室について ● 社内のデータ民主化を目標に、データ基盤整備やツール導 入、目標数値設定の相談などを行なっている部署
4.
4 創作活動がもっと楽しくなる 場所を創る pixivの紹介 イラストコミュニケーションサービス「pixiv」を 中心に、クリエイターを支援する様々なサービスを 提供しています。
5.
5 ピクシブのLooker導入について ● 4月頭からLookerの社内導入を開始 ● まだ利用して4ヶ月ほどの初心者
6.
6 ピクシブのLooker導入状況について ● 8月時点で約100人が利用するツールに ● 現在125人、90%のチームで利用されている
7.
7 ピクシブのLooker普及の背景 ● 各部署のデータがBigQueryに既につなぎこまれていた ● 各チームにデータを見る文化が醸成されていた ●
#analyst窓で不明点を即解消できる体制が整っていた ● 社内で普及しているBIツールがなかった 今回はこっちは割愛
8.
8 ピクシブのLooker普及の工夫について
9.
9 新規ツール導入の失敗例 ● 導入コストが高い ● 触ってみたが難しい印象がある ●
仕事上での利用イメージがわかない ● 積極的に導入に協力するメンバーがいない 結果、社内に導入されても使われないツールに。。
10.
10 導入コストを下げる工夫
11.
11 社内で主に使うデータを予め繋いでおく ● pixivのユーザーデータや作品情報などを予めLookerに接 続 ○ ピクシブの各サービスのデータは、userIDで連携する ことができる ○
予め上記のデータを繋いでおくことで、他サービスの データと連結するだけでユーザーのデモグラ情報を簡 単に取得できる状態になった
12.
12 開発側のドキュメントを整備 ● プロジェクトの作成 ● Lookerへのデータのつなぎこみかた ●
モデル構築リファレンス を事前に準備。 ドキュメントをみながら操作するだけで自サービスのデータ でLookerの利用が開始できる状態にした。
13.
13 ドキュメントの一部をお見せ https://docs.google.com/document/d/1gZZRyEUoCcffcPV9BMf5Pp8zOxdUkX2d40R0tGKZH5Q/edit
14.
14 触り始めをサポート
15.
15 利用者側のドキュメント整備 ● 利用者側のチュートリアルを作成 ○ Explore画面の開き方やDimension/Measure、PIVOT
/ FILTERなどLookerの基本操作を学べる
16.
16 利用者側のドキュメント整備(2) ● 利用者側の問題集を作成 ○ グラフの作り方について学べる ○
仮説を立てて、それを検証する一連の流れを体験
17.
17 ドキュメントの一部をお見せ https://docs.google.com/document/d/1sZFK09H7Id7U3mFp6qKHjkA0ZcbLTQ7NwSSetpm3Dks/edit
18.
18 利用イメージの明確化
19.
19 LookerBotの導入 ● 導入後に、朝会のタイミングでチームのダッシュボードを Slackに投げるように設定してもらうまでをサポート ○ 日常的に数値を見るためのツールとしての立ち位置を 獲得させた ○
(他チームで運用されているのをみて、羨ましくなる 効果も)
20.
20 導入を手伝ってくれるメンバーの育成
21.
21 新卒向けの勉強会を開催 ● 今年加入した新卒メンバーにLookerの使い方を教える勉 強会を開催。勉強会の目標は、自分たちの力で自チームの ダッシュボードを作れるようになる、というもの。 ○ ビジネス側向けには、チュートリアル・問題集を実行 ○
エンジニア側向けには、LookerのJumpStartを利用し てMLの作成方などを学習してもらった
22.
22 新卒向けの勉強会の狙い ● まだやれることが少ない新卒に「数値分析」という武器を 持たせる ○ 今後の社員のデフォルト技能として定義したかった ●
(あと新卒メンバーが作ったダッシュボードなら、無視さ れないだろう、という打算的な狙いも)
23.
23 嬉しい誤算 ● 新卒メンバーがハブとなる形で部署横断的に利用が進む ○ チーム内で分析内容を共有し、施策を提案する定例の 実施 ○
チーム内でのLooker勉強会を新卒主催で開催
24.
24 まとめ ● Lookerを利用し始めるハードルを徹底的に下げた ○ 事前に主要なデータの繋ぎ込みを行なった ○
チュートリアルや問題集を整備した ○ LookerBotを導入した ● 新卒メンバーに普及させて、部署横断で広げるハブとして 動いてもらった
Notas do Editor
現状提供を予定している、ユーザー向けのアクセス解析機能 ざっくりとした構成を説明すると ・ユーザーのアクセス情報をBQに保存 ・BQの情報をembulkで同期 ・オンプレとLookerを連携 ・Lookerのembedを利用してユーザーへのviewを提供
Baixar agora