Soumettre la recherche
Mettre en ligne
リクルートのビッグデータ活用基盤とビッグデータ活用のためのメタデータ管理Webのご紹介
•
24 j'aime
•
8,962 vues
Recruit Technologies
Suivre
2015/09/01 データ活用事例セミナーでの、池田の講演資料になります
Lire moins
Lire la suite
Technologie
Signaler
Partager
Signaler
Partager
1 sur 47
Télécharger maintenant
Télécharger pour lire hors ligne
Recommandé
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
Tetsutaro Watanabe
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
Recruit Technologies
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
Recruit Technologies
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
Recruit Technologies
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
ビッグデータ処理データベースの全体像と使い分け 2018年version
ビッグデータ処理データベースの全体像と使い分け 2018年version
Tetsutaro Watanabe
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
Recruit Technologies
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Tetsutaro Watanabe
Recommandé
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
Tetsutaro Watanabe
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
Recruit Technologies
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
Recruit Technologies
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
Recruit Technologies
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
ビッグデータ処理データベースの全体像と使い分け 2018年version
ビッグデータ処理データベースの全体像と使い分け 2018年version
Tetsutaro Watanabe
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
Recruit Technologies
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Tetsutaro Watanabe
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
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
リクルートのWebサービスを支える「RAFTEL」
リクルートのWebサービスを支える「RAFTEL」
Recruit Technologies
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
Tokoroten Nakayama
datatech-jp Casual Talks#3 データエンジニアを採用するための試行錯誤
datatech-jp Casual Talks#3 データエンジニアを採用するための試行錯誤
株式会社MonotaRO Tech Team
データ分析を支える技術 DWH再入門
データ分析を支える技術 DWH再入門
Satoru Ishikawa
DeNA のデータ活用を支える BigQuery データの民主化とガバナンス強化の軌跡 | Google Cloud INSIDE Games & App...
DeNA のデータ活用を支える BigQuery データの民主化とガバナンス強化の軌跡 | Google Cloud INSIDE Games & App...
Google Cloud Platform - Japan
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
cvpaper. challenge
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
Recruit Technologies
ビックデータ分析基盤の成⻑の軌跡
ビックデータ分析基盤の成⻑の軌跡
Recruit Lifestyle Co., Ltd.
MLOps入門
MLOps入門
Hiro Mura
推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから
cyberagent
分散システムについて語らせてくれ
分散システムについて語らせてくれ
Kumazaki Hiroki
楽天市場で使われている技術、エンジニアに必要なコアスキルとはTechnology used in Rakuten, core skills neede...
楽天市場で使われている技術、エンジニアに必要なコアスキルとはTechnology used in Rakuten, core skills neede...
Rakuten Group, Inc.
楽天における大規模データベースの運用
楽天における大規模データベースの運用
Rakuten Group, Inc.
AWSではじめるMLOps
AWSではじめるMLOps
MariOhbuchi
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
Hiroyuki Masuda
Data platformdesign
Data platformdesign
Ryoma Nagata
Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
Takeshi Suzuki
データ定義情報の管理とWebによる公開
データ定義情報の管理とWebによる公開
Recruit Technologies
Biosafety Cabinet Class 3 by ACMAS Technologies Pvt Ltd.
Biosafety Cabinet Class 3 by ACMAS Technologies Pvt Ltd.
Acmas Technologies Pvt. Ltd.
Contenu connexe
Tendances
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
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
リクルートのWebサービスを支える「RAFTEL」
リクルートのWebサービスを支える「RAFTEL」
Recruit Technologies
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
Tokoroten Nakayama
datatech-jp Casual Talks#3 データエンジニアを採用するための試行錯誤
datatech-jp Casual Talks#3 データエンジニアを採用するための試行錯誤
株式会社MonotaRO Tech Team
データ分析を支える技術 DWH再入門
データ分析を支える技術 DWH再入門
Satoru Ishikawa
DeNA のデータ活用を支える BigQuery データの民主化とガバナンス強化の軌跡 | Google Cloud INSIDE Games & App...
DeNA のデータ活用を支える BigQuery データの民主化とガバナンス強化の軌跡 | Google Cloud INSIDE Games & App...
Google Cloud Platform - Japan
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
cvpaper. challenge
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
Recruit Technologies
ビックデータ分析基盤の成⻑の軌跡
ビックデータ分析基盤の成⻑の軌跡
Recruit Lifestyle Co., Ltd.
MLOps入門
MLOps入門
Hiro Mura
推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから
cyberagent
分散システムについて語らせてくれ
分散システムについて語らせてくれ
Kumazaki Hiroki
楽天市場で使われている技術、エンジニアに必要なコアスキルとはTechnology used in Rakuten, core skills neede...
楽天市場で使われている技術、エンジニアに必要なコアスキルとはTechnology used in Rakuten, core skills neede...
Rakuten Group, Inc.
楽天における大規模データベースの運用
楽天における大規模データベースの運用
Rakuten Group, Inc.
AWSではじめるMLOps
AWSではじめるMLOps
MariOhbuchi
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
Hiroyuki Masuda
Data platformdesign
Data platformdesign
Ryoma Nagata
Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
Takeshi Suzuki
Tendances
(20)
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
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
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
リクルートのWebサービスを支える「RAFTEL」
リクルートのWebサービスを支える「RAFTEL」
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
datatech-jp Casual Talks#3 データエンジニアを採用するための試行錯誤
datatech-jp Casual Talks#3 データエンジニアを採用するための試行錯誤
データ分析を支える技術 DWH再入門
データ分析を支える技術 DWH再入門
DeNA のデータ活用を支える BigQuery データの民主化とガバナンス強化の軌跡 | Google Cloud INSIDE Games & App...
DeNA のデータ活用を支える BigQuery データの民主化とガバナンス強化の軌跡 | Google Cloud INSIDE Games & App...
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
ビックデータ分析基盤の成⻑の軌跡
ビックデータ分析基盤の成⻑の軌跡
MLOps入門
MLOps入門
推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから
分散システムについて語らせてくれ
分散システムについて語らせてくれ
楽天市場で使われている技術、エンジニアに必要なコアスキルとはTechnology used in Rakuten, core skills neede...
楽天市場で使われている技術、エンジニアに必要なコアスキルとはTechnology used in Rakuten, core skills neede...
楽天における大規模データベースの運用
楽天における大規模データベースの運用
AWSではじめるMLOps
AWSではじめるMLOps
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
Data platformdesign
Data platformdesign
Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
En vedette
データ定義情報の管理とWebによる公開
データ定義情報の管理とWebによる公開
Recruit Technologies
Biosafety Cabinet Class 3 by ACMAS Technologies Pvt Ltd.
Biosafety Cabinet Class 3 by ACMAS Technologies Pvt Ltd.
Acmas Technologies Pvt. Ltd.
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
Tetsutaro Watanabe
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
Recruit Technologies
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Recruit Technologies
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
Recruit Technologies
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
Recruit Technologies
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
Recruit Technologies
En vedette
(8)
データ定義情報の管理とWebによる公開
データ定義情報の管理とWebによる公開
Biosafety Cabinet Class 3 by ACMAS Technologies Pvt Ltd.
Biosafety Cabinet Class 3 by ACMAS Technologies Pvt Ltd.
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
Similaire à リクルートのビッグデータ活用基盤とビッグデータ活用のためのメタデータ管理Webのご紹介
MonotaRO のデータ活用と基盤の過去、現在、未来
MonotaRO のデータ活用と基盤の過去、現在、未来
株式会社MonotaRO Tech Team
避けては通れないビッグデータ周辺の重要課題
避けては通れないビッグデータ周辺の重要課題
kurikiyo
変わる!? リクルートグループのデータ解析基盤
変わる!? リクルートグループのデータ解析基盤
Recruit Technologies
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
Insight Technology, Inc.
基調講演:「多様化する情報を支える技術」/西川徹
基調講演:「多様化する情報を支える技術」/西川徹
Preferred Networks
巨大なサービスと膨大なデータを支えるプラットフォーム
巨大なサービスと膨大なデータを支えるプラットフォーム
Tetsutaro Watanabe
ビッグデータ時代にむけて/濱田 正彦
ビッグデータ時代にむけて/濱田 正彦
Takumi Kurosawa
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
Dell TechCenter Japan
Big data解析ビジネス
Big data解析ビジネス
Mie Mori
新時代のITインフラ -技術トレンドとユーザー企業の構え- (20100512)
新時代のITインフラ -技術トレンドとユーザー企業の構え- (20100512)
Jun Kawahara
スマートデバイス×HTML5で 企業情報システムはどう変わる? ~最新動向から考えるエンタープライズWebの現在と未来~
スマートデバイス×HTML5で 企業情報システムはどう変わる? ~最新動向から考えるエンタープライズWebの現在と未来~
Shinichi Tomita
データサイエンティスト協会 木曜勉強会 #02 講演2:『ビッグデータの0次分析手法と適用例のご紹介 ~俯瞰から始まる企業内ビッグデータの活用~』
データサイエンティスト協会 木曜勉強会 #02 講演2:『ビッグデータの0次分析手法と適用例のご紹介 ~俯瞰から始まる企業内ビッグデータの活用~』
The Japan DataScientist Society
NTTデータが考えるデータ基盤の次の一手 ~AI活用のために知っておくべき新潮流とは?~(NTTデータ テクノロジーカンファレンス 2020 発表資料)
NTTデータが考えるデータ基盤の次の一手 ~AI活用のために知っておくべき新潮流とは?~(NTTデータ テクノロジーカンファレンス 2020 発表資料)
NTT DATA Technology & Innovation
Ext js 20100526
Ext js 20100526
Shinichi Tomita
20120822_dstn技術交流会_DataSpider接続先技術動向
20120822_dstn技術交流会_DataSpider接続先技術動向
dstn
ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展
Recruit Technologies
ビッグデータ活用支援フォーラム
ビッグデータ活用支援フォーラム
Recruit Technologies
データマイニングCROSS 第2部-機械学習・大規模分散処理
データマイニングCROSS 第2部-機械学習・大規模分散処理
Koichi Hamada
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
Recruit Technologies
初めてのデータ分析基盤構築をまかされた、その時何を考えておくと良いのか
初めてのデータ分析基盤構築をまかされた、その時何を考えておくと良いのか
Techon Organization
Similaire à リクルートのビッグデータ活用基盤とビッグデータ活用のためのメタデータ管理Webのご紹介
(20)
MonotaRO のデータ活用と基盤の過去、現在、未来
MonotaRO のデータ活用と基盤の過去、現在、未来
避けては通れないビッグデータ周辺の重要課題
避けては通れないビッグデータ周辺の重要課題
変わる!? リクルートグループのデータ解析基盤
変わる!? リクルートグループのデータ解析基盤
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
基調講演:「多様化する情報を支える技術」/西川徹
基調講演:「多様化する情報を支える技術」/西川徹
巨大なサービスと膨大なデータを支えるプラットフォーム
巨大なサービスと膨大なデータを支えるプラットフォーム
ビッグデータ時代にむけて/濱田 正彦
ビッグデータ時代にむけて/濱田 正彦
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
Big data解析ビジネス
Big data解析ビジネス
新時代のITインフラ -技術トレンドとユーザー企業の構え- (20100512)
新時代のITインフラ -技術トレンドとユーザー企業の構え- (20100512)
スマートデバイス×HTML5で 企業情報システムはどう変わる? ~最新動向から考えるエンタープライズWebの現在と未来~
スマートデバイス×HTML5で 企業情報システムはどう変わる? ~最新動向から考えるエンタープライズWebの現在と未来~
データサイエンティスト協会 木曜勉強会 #02 講演2:『ビッグデータの0次分析手法と適用例のご紹介 ~俯瞰から始まる企業内ビッグデータの活用~』
データサイエンティスト協会 木曜勉強会 #02 講演2:『ビッグデータの0次分析手法と適用例のご紹介 ~俯瞰から始まる企業内ビッグデータの活用~』
NTTデータが考えるデータ基盤の次の一手 ~AI活用のために知っておくべき新潮流とは?~(NTTデータ テクノロジーカンファレンス 2020 発表資料)
NTTデータが考えるデータ基盤の次の一手 ~AI活用のために知っておくべき新潮流とは?~(NTTデータ テクノロジーカンファレンス 2020 発表資料)
Ext js 20100526
Ext js 20100526
20120822_dstn技術交流会_DataSpider接続先技術動向
20120822_dstn技術交流会_DataSpider接続先技術動向
ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展
ビッグデータ活用支援フォーラム
ビッグデータ活用支援フォーラム
データマイニングCROSS 第2部-機械学習・大規模分散処理
データマイニングCROSS 第2部-機械学習・大規模分散処理
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
初めてのデータ分析基盤構築をまかされた、その時何を考えておくと良いのか
初めてのデータ分析基盤構築をまかされた、その時何を考えておくと良いのか
Plus de Recruit Technologies
新卒2年目が鍛えられたコードレビュー道場
新卒2年目が鍛えられたコードレビュー道場
Recruit Technologies
カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
Recruit Technologies
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Recruit Technologies
Tableau活用4年の軌跡
Tableau活用4年の軌跡
Recruit Technologies
HadoopをBQにマイグレしようとしてる話
HadoopをBQにマイグレしようとしてる話
Recruit Technologies
LT(自由)
LT(自由)
Recruit Technologies
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
Recruit Technologies
リクルート式AIの活用法
リクルート式AIの活用法
Recruit Technologies
銀行ロビーアシスタント
銀行ロビーアシスタント
Recruit Technologies
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
Recruit Technologies
ユーザーからみたre:Inventのこれまでと今後
ユーザーからみたre:Inventのこれまでと今後
Recruit Technologies
EMRでスポットインスタンスの自動入札ツールを作成する
EMRでスポットインスタンスの自動入札ツールを作成する
Recruit Technologies
RANCHERを使ったDev(Ops)
RANCHERを使ったDev(Ops)
Recruit Technologies
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
Recruit Technologies
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
Recruit Technologies
「リクルートデータセット」 ~公開までの道のりとこれから~
「リクルートデータセット」 ~公開までの道のりとこれから~
Recruit Technologies
運用で泣かないアーキテクチャで動く原稿作成支援システム ~リクルートにおけるDeepLearning活用事例~
運用で泣かないアーキテクチャで動く原稿作成支援システム ~リクルートにおけるDeepLearning活用事例~
Recruit Technologies
リクルートにおける画像解析事例紹介と周辺技術紹介
リクルートにおける画像解析事例紹介と周辺技術紹介
Recruit Technologies
Spring “BigData”
Spring “BigData”
Recruit Technologies
Struggle against cross-domain data complexity in Recruit group
Struggle against cross-domain data complexity in Recruit group
Recruit Technologies
Plus de Recruit Technologies
(20)
新卒2年目が鍛えられたコードレビュー道場
新卒2年目が鍛えられたコードレビュー道場
カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Tableau活用4年の軌跡
Tableau活用4年の軌跡
HadoopをBQにマイグレしようとしてる話
HadoopをBQにマイグレしようとしてる話
LT(自由)
LT(自由)
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
リクルート式AIの活用法
リクルート式AIの活用法
銀行ロビーアシスタント
銀行ロビーアシスタント
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
ユーザーからみたre:Inventのこれまでと今後
ユーザーからみたre:Inventのこれまでと今後
EMRでスポットインスタンスの自動入札ツールを作成する
EMRでスポットインスタンスの自動入札ツールを作成する
RANCHERを使ったDev(Ops)
RANCHERを使ったDev(Ops)
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
「リクルートデータセット」 ~公開までの道のりとこれから~
「リクルートデータセット」 ~公開までの道のりとこれから~
運用で泣かないアーキテクチャで動く原稿作成支援システム ~リクルートにおけるDeepLearning活用事例~
運用で泣かないアーキテクチャで動く原稿作成支援システム ~リクルートにおけるDeepLearning活用事例~
リクルートにおける画像解析事例紹介と周辺技術紹介
リクルートにおける画像解析事例紹介と周辺技術紹介
Spring “BigData”
Spring “BigData”
Struggle against cross-domain data complexity in Recruit group
Struggle against cross-domain data complexity in Recruit group
Dernier
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
Dernier
(10)
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
リクルートのビッグデータ活用基盤とビッグデータ活用のためのメタデータ管理Webのご紹介
1.
リクルートのビッグデータ活用基盤と ビッグデータ活用のための メタデータ管理Webのご紹介 リクルートテクノロジーズ 池田
2.
本日の内容 • リクルートにおけるビッグデータの取り組みの紹介 とビッグデータの活用を支える基盤をご紹介します • アプリのPUSH配信を支える基盤(Pusna-RS)を 例に、リクルートにおけるビッグデータ活用基盤・ 周辺技術進化の取り組みをお伝えします •
ビッグデータ活用を促進する「メタデータ管理 Webシステム」ご紹介を通じ、メタデータを管理 する意味・運用のコツをお伝えします 2(C) Recruit Technologies Co.,Ltd. All rights reserved.
3.
本日のアジェンダ 1. 自己紹介 2. リクルートの紹介 3.
リクルートのビッグデータへの取り組み 4. メタデータ管理Web 5. まとめ 3(C) Recruit Technologies Co.,Ltd. All rights reserved.
4.
本日のアジェンダ 1. 自己紹介 2. リクルートの紹介 3.
リクルートのビッグデータへの取り組み 4. メタデータ管理Web 5. まとめ 4(C) Recruit Technologies Co.,Ltd. All rights reserved.
5.
自己紹介 5(C) Recruit Technologies
Co.,Ltd. All rights reserved. 池田 英哲(いけだ ひであき) 株式会社 リクルートテクノロジーズ ビッグデータ部 IDポイント ビッグデータインフラグループ 2003年~2006年 某SIer Flashを用いたWebアプリケーション開発等を担当 2006年~2013年 某コンサル会社 インフォメーションマネジメント(BI・DWH)関連部署に配属 Analytics部隊の設立に携わる 2014年1月~ リクルートテクノロジーズ 入社後一貫して、リクルートIDプロジェクトのDWH構築・運用を担当 職歴
6.
本日のアジェンダ 1. 自己紹介 2. リクルートの紹介 3.
リクルートのビッグデータへの取り組み 4. メタデータ管理Web 5. まとめ 6(C) Recruit Technologies Co.,Ltd. All rights reserved.
7.
7 企業概要(リクルート全体) 創立 1960年3月31日 「大学新聞広告社」としてスタート グループ 従業員数 31,841名 連結売上高
約 1兆2999億円 ※2015年3月末 連結経常利益 約 1,256億円 ※2015年3月末 関連企業数 162社(国内+海外) 目指す世界観 「あなた」を支える存在でありたい
8.
リクルートテクノロジーズの位置づけ 8 リクルートキャリア リクルートジョブズ リクルートスタッフィング リクルート住まいカンパニー リクルートライフスタイル リクルートマーケティングパートナーズ スタッフサービス・ホールディングス リクルートアドミニストレーション リクルートコミュニケーションズ 事業会社 機能会社 ネットインフラ 大規模プロジェクト推進 UXD/SEO ビッグデータ機能 テクノロジーR&D 事業・社内IT推進 リクルート ホールディングス リクルートとは、 主要7事業会社+3機能会社 で構成されるグループ企業群 私が所属する会社は リクルートテクノロジーズ セキュリティAP基盤・オフショア開発
9.
リクルートのビジネスモデル ~ リボンモデル 9(C)
Recruit Technologies Co.,Ltd. All rights reserved. マッチング カスタマー (一般ユーザー) クライアント (サービス提供企業) 世界中の生活者と産業界に 「まだ、ここにない、出会い。」を提供します
10.
リクルートの展開しているサービス ライフイベント領域 進学 就職 結婚 転職 住宅購入 車購入 出産/育児 旅行 IT/トレンド 生活/地域情報 グルメ・美容 ライフスタイル領域 選択・意思決定 を支援する情報サービスの提供 「まだ、ここにない、出会い。」を実現する
11.
リクルートID 一人ひとりにあった最適な情報を提供し、皆様の選択や行動を支える存在 となることを目指す 11(C) Recruit Technologies
Co.,Ltd. All rights reserved. リクルートID
12.
リクルートIDの使えるサービス①
13.
リクルートIDの使えるサービス②
14.
リクルートIDの使えるサービス③
15.
リクルートIDの使えるサービス④
16.
本日のアジェンダ 1. 自己紹介 2. リクルートの紹介 3.
リクルートのビッグデータへの取り組み 4. メタデータ管理Web 5. まとめ 16(C) Recruit Technologies Co.,Ltd. All rights reserved.
17.
ビッグデータとは? 17(C) Recruit Technologies
Co.,Ltd. All rights reserved. ビッグデータ=大量データ Volume 量 Variety 多様性 Velocity 速度 Volume 行動履歴・ソーシャル・センサ(GPS)等 Variety 構造化データだけでなく、 文書・画像・動画・音声などの非構造データ Velocity リアルタイムに発生するCSの嗜好データ スマホ/アプリデータ 利用者・利用パターンの増加
18.
ビッグデータ活用事例① 経験知をモデル化 18(C) Recruit
Technologies Co.,Ltd. All rights reserved. 豊富な経験値を持つCAが創りだした過去データ・ロジックをレコメンド作成に利用 求人検索システム 求職者 CA(キャリアアドバイザー) 応募 求人紹介 検索 レコメンドリスト 求人紹介(メール送付・管理画面表示) レコメンドロジック 求職者 求人 確信度 001 O社 0.5 001 X社 0.3 001 Y社 0.2 求職者 A社 O社 P社 Q社 ・・・ B社 X社 Y社 Z社 ・・・
19.
ビッグデータ活用事例② パーソナライズPUSH 19(C) Recruit
Technologies Co.,Ltd. All rights reserved. Pusna(プッシュアプローチ)によるアクション増を実現する 今週のあなたにオススメ 会場一覧ができました 通知を受け取る オススメ一覧閲覧 個社閲覧フェア予約 ブライダルフェア予約
20.
Big DataのTrend ビッグデータ利用者の広がり 技術の進化や「ビッグデータ」の広がりでデータ利用者が拡大している 20(C) Recruit
Technologies Co.,Ltd. All rights reserved. IT部門 BIレポート開発者 DB管理者 データに興味のない層 ビジネスインサイト マーケター 事業企画 技術進歩 (Hadoop/セルフBI etc.) データ活用の 一般化 レポート/モニタリング 営業/経営層 数字は見るけど操作は覚えたくない 自分でデータをいじりたい ITスキルはあまりない データサイエンティスト 研究者 エンジニア 自分でデータを解析する
21.
ビッグデータ基盤 ビッグデータ(データの量/種類/頻度の増加)への対応と、利用者の増加 に合わせ、基盤は常に進化 21(C) Recruit Technologies
Co.,Ltd. All rights reserved. データソース データ格納 プレゼンテーション 利用者 外部データ Hadoop エコシステム 高度分析やモデル作成 レポート/モニタリング ビジネスインサイト (マーケター) 機械学習やモデル実装 エンドユーザー (エグゼ/営業 /マネージャ) (プロデューサ/事業 企画) データ サイエンティスト (高度分析者) データ サイエンティスト (エンジニア) 行動ログ 事業DB 事業Hadoop 全社DWH 中央Hadoop • モニタリング • レポート • モデル作成 • データ収集 • 整形・加工 • データストレージ • 高速分析処理 Webアクセスログ アプリログ PUSH通知ログ ビーコンログ
22.
22(C) Recruit Technologies
Co.,Ltd. All rights reserved. PUSH
23.
PUSH通知とは スマートデバイスを起動していなくても通知を送ることが出来る仕組み 23(C) Recruit Technologies
Co.,Ltd. All rights reserved. Push! Push!
24.
PUSH通知とは メールと同様に重要な集客ツール。 24(C) Recruit Technologies
Co.,Ltd. All rights reserved. Push! Push! メリット リアルタイムな情報配信 ユーザのアクティブ率向上 休眠ユーザの再起 デメリット 過剰なプッシュによるユーザ離れのリスク 実装の工数がかかる
25.
PUSH通知基盤(Pusna RS)の全体構成 PUSH通知のメリットを最大限活かすための基盤(Pusna-RS)を構築。 1,000万配信/12分を実現 25(C) Recruit
Technologies Co.,Ltd. All rights reserved. デバイス管理 プッシュ配信 APNs GCM カスタマー リクルート DynamoDB elasticsearch 登録API 登録WorkerSQS 配信worker 操作用Web UI 管理API SQS 配信担当者 データ基盤 事業サーバ ※ atmarkit http://www.atmarkit.co.jp/ait/articles/1412/18/news022.html
26.
デバイス管理 プッシュ配信 APNs GCM カスタマー リクルート DynamoDB elasticsearch 登録API
登録WorkerSQS 配信worker 操作用Web UI 管理API SQS 配信担当者 データ基盤 事業サーバ ビッグデータ基盤との連携 PUSH配信基盤からビッグデータ基盤にリアルタイムに連携。既存のアプリ ケーション改修・影響なく連携を実現。 26(C) Recruit Technologies Co.,Ltd. All rights reserved. ビッグデータ基盤 ビッグデータ基盤用キュー
27.
本日のアジェンダ 1. 自己紹介 2. リクルートの紹介 3.
リクルートのビッグデータへの取り組み 4. メタデータ管理Web 5. まとめ 27(C) Recruit Technologies Co.,Ltd. All rights reserved.
28.
データソース データ格納 プレゼンテーション
利用者 外部データ Hadoop エコシステム 高度分析やモデル作成 レポート/モニタリング ビジネスインサイト (マーケター) 機械学習やモデル実装 エンドユーザー (エグゼ/営業 /マネージャ) (プロデューサ/事業 企画) データ サイエンティスト (高度分析者) データ サイエンティスト (エンジニア) 行動ログ 事業DB 事業Hadoop 全社DWH 中央Hadoop • モニタリング • レポート • モデル作成 • データ収集 • 整形・加工 • データストレージ • 高速分析処理 Webアクセスログ アプリログ PUSH通知ログ ビーコンログ ビッグデータ活用に伴い… (C) Recruit Technologies Co.,Ltd. All rights reserved. データの質・量の増加 利用者の増加
29.
メタデータ管理Web構築の背景 データ意味情報(メタデータ)の問い合わせに忙殺される。 29(C) Recruit Technologies
Co.,Ltd. All rights reserved. 最新の会員情報はどこに!? XXの意味を教えてください! 利用者 テーブル定義書(ファイル) DWH Select * from XX limit 100 Select * from YY limit 100 Select * from ZZ limit 100 ・・・ 開発者 システム管理者 分からないです… いつの間にか変更された 引用元)気がつくと机がぐちゃぐちゃになっているあなたへ ISBN 978-4-7942-1146-0 “平均的なビジネスマンは、探し物をするためだけ に、1年間で約150時間を費やしている” 利用者がわかる形で回答 × データの質・量の増加 利用者の増加
30.
メタデータ管理Webの紹介 30(C) Recruit Technologies
Co.,Ltd. All rights reserved.
31.
メタデータを管理する意味 データ活用はどの企業でも一般化しているが、メタデータの整備が不十分 であるため意思決定の事故が起きている。 31(C) Recruit Technologies
Co.,Ltd. All rights reserved. データ定義が不十分 データの誤った解釈 必要な情報が見つからない 誤ったデータ解析結果 意思決定の事故 メタデータの整備が不十分 データの誤った解釈・ 必要な情報が見つからない 誤ったデータ解析結果 意思決定の事故 メタデータを正確に 一元管理・公開 データの正しい意味を把握できる ・必要な情報がすぐ見つかる 正しいデータ解析結果 効果のある意思決定 例:マーズ・クライメイト・オービターの事故 ⇒単位系の間違いによる火星探査機の爆破
32.
32(C) Recruit Technologies
Co.,Ltd. All rights reserved. ココに来れば必要な情報があるという状態を作り出し、分析担当者のデータ 特定に至る時間やシステム担当者の負担を軽減させる。 メタデータ管理Webで実現した世界 探す手間が省ける ナレッジが共有される 利用者 テーブル定義書(ファイル) システム管理者 探す メタデータ管理Web DWH システム管理者 問合せが減る! 潜在的なニーズを拾える! 問合せが減る! 自分のDBの最新情報が把握できる! 開発者 自動 自動 自動
33.
メタデータ管理Web実現のポイント メタデータを一元管理するだけでなく、利便性や運用を考慮して機能開発 33(C) Recruit Technologies
Co.,Ltd. All rights reserved. 常に最新 検索機能 知見の収集 ・共有 全てのメタデータを 一元管理
34.
メタデータ管理Web 全社DWH 自動で最新化される仕組み データ元DBから日次で物理情報を取得。論理情報やコード値定義情報、 さらには権限情報も日次・自動で収集。 34(C) Recruit Co.,Ltd.
All rights reserved. データ元DB/ アクセス解析ツール RDBMS DWH メタデータリポジトリ 設計書 共有フォルダ等 開発者 設計情報更新 日次 日次 日次 権限管理システム 利用者 参照・ コメント登録 <物理情報> <論理情報> <権限情報> 常に最新 検索機能 知見の収集 ・共有 全てのメタデータを 一元管理
35.
最新情報を常に反映 35(C) Recruit Technologies
Co.,Ltd. All rights reserved.
36.
全文検索 36(C) Recruit Technologies
Co.,Ltd. All rights reserved. 常に最新 検索機能 知見の収集 ・共有 全てのメタデータを 一元管理
37.
コメント登録・共有機能 37(C) Recruit Technologies
Co.,Ltd. All rights reserved. 常に最新 検索機能 知見の収集 ・共有 全てのメタデータを 一元管理
38.
迅速な機能改善 要望機能を素早く提供することで、継続的に利用される仕組みを実現。 38(C) Recruit Technologies
Co.,Ltd. All rights reserved. 絞り込んだ機能の リリース 動かし/使い、 フィードバックを 得る フィードバックか ら機能を見極め 常に最新 検索機能 知見の収集 ・共有 全てのメタデータを 一元管理
39.
利用状況 平日は500回/日以上の利用。月間で計10,000回(300UU)を超えている 39(C) Recruit Technologies
Co.,Ltd. All rights reserved. 0 100 200 300 400 500 600 700 800 900 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 2015年6月 年間50人月超の工数削減効果! (5分/回の工数削減効果) + 問合せを受けるシステム管理者の工数削減!
40.
40(C) Recruit Technologies
Co.,Ltd. All rights reserved. ご清聴ありがとうございました。
41.
41(C) Recruit Technologies
Co.,Ltd. All rights reserved. こういった取組でデータ活用を進めています データの収集・整形・提供にも大きく苦労されると 思いますが、 実際に利用する際に活用できる基盤を提供できたと 自負してます
42.
メタデータWebの開発の進め方 42(C) Recruit Technologies
Co.,Ltd. All rights reserved. ①課題認識 ③要件定義・ 設計・開発 ②F/S検証・ 効果算出 ④運用・継続 改善 F/S…
43.
①課題認識 背景にあった課題[再掲] データ定義の問い合わせに忙殺される時間を減らしたい! 43(C) Recruit
Technologies Co.,Ltd. All rights reserved. どこかにまとまっていれば いいのに!! データ利用者 テーブル定義書(ファイル) DWH 実データの表示結果 Select * from XX limit 100 Select * from YY limit 100 Select * from ZZ limit 100 ・・・ 開発者 分からないです… × これって自分だけ?? 利用者がわかる形で回答 システム管理者
44.
②F/S検証・効果算出 → 起案 簡単な仕組み(
MVP minimum viable product:実用最小限の製品)を 開発、公開。 44(C) Recruit Technologies Co.,Ltd. All rights reserved. 簡易システム構築・公開 convert 効果ありそう!検索機能の充実等、 利用者が求めている機能もわかった! DB管理者 データ利用者 DB開発者/システム開発者 検索が便利! 意味説明が 分かりやすい! 統一の定義書が すぐ手に入る! メモを残したい 最新情報がない履歴が見たい
45.
③要件定義・設計・開発 利用者コメントや要望ヒアリングで肥大化かつ相反する要件に対し、 キーワードを決め、絞り込み。 45(C) Recruit Technologies
Co.,Ltd. All rights reserved. 利用者目線で「シンプルに使えること」をキーワードに 機能をあきらめ取捨選択 多機能 ≠使いやすい Standish Group Study Reported at XP2002 by Jim Johnson, 1, 45% 2, 19% 3, 16% 4, 13% 5, 7% 65%の機能が 使われない
46.
本日のアジェンダ 1. 自己紹介 2. リクルートの紹介 3.
リクルートのビッグデータへの取り組み 4. メタデータ管理Web 5. まとめ 46(C) Recruit Technologies Co.,Ltd. All rights reserved.
47.
まとめ 47(C) Recruit Technologies
Co.,Ltd. All rights reserved. システム管理者だからできることはもっとあるはず。
Télécharger maintenant