-
kongmingtrap
- 4144
- 7
- 0
- 0
-
- いいね！0
ヌーラボのまささん👨💻
@hsmt
7Fでハンズオンを行なっている @yuichi03011 の話を、たくさんの参加者が目を輝かせながら聞いています。さすがです。 #scalafukuoka pic.twitter.com/gF66OZmEEe
2017-07-29 14:17:36
拡大
サウナが大好き
@riki0084
「ハンチョウ」に興味があって見に来る人は、高確率で「トネガワ」にも関心が高いであろうことから、売上アップにつながりやすい #scalafukuoka
2017-07-29 14:18:21
tksy(吉村 武志)
@takesi_yosimura
レコメンド、私の自身の場合はあんまり噛み合わないけど・・・世間は違うみたいですね。。。 #scalafukuoka
2017-07-29 14:19:22
宅島 克実💉💉💉💉
@katsumitk
Spark+Mahoutでレコメンドエンジン開発 レコメンド 「ミュール」→同じカテゴリの商品を続けて購入する顧客層 #scalafukuoka
2017-07-29 14:20:02
Meggy (五十川慈) 🍫 UPSIDER | メギーと呼んでください
@Megumi_Isogawa
図が #Cacoo で作られてる😏 #scalafukuoka twitter.com/scala_fukuoka/…
2017-07-29 14:22:17
Scala福岡
@scala_fukuoka
株式会社TechJIN 森正和さん@piacere_ex によるセッション「Spark＋Mahoutによるレコメンドエンジン開発」 #scalafukuoka #scala pic.twitter.com/gHBLDKdG5x
2017-07-29 14:08:37
mather / Eisuke Kuwahata
@mather314
アクセスログをS3に格納、EMR(Scala+Spark)で商品別集計、Mahoutで相関性の判定、Auroraに結果を保存してレコメンドを取得できるようにする。 #scalafukuoka
2017-07-29 14:24:06
宅島 克実💉💉💉💉
@katsumitk
Spark+Mahoutでレコメンドエンジン開発 レコメンドエンジンの実装 業務でクラウド使う人→出席者の半分くらい。 エンジンはAWSで実装 商品別の集計→Mahautで相関を計算→EMR→クライアントに返す。 #scalafukuoka
2017-07-29 14:24:16
kmizu
@kmizu
#Spark の Pros / Cons はよく聞くけど、レコメンドエンジンだとあんまりデータ量は必要ないのか… #scalafukuoka
2017-07-29 14:26:58
mather / Eisuke Kuwahata
@mather314
Sparkはインメモリで高速処理、データは少なめで高頻度。Hadoopは一度に扱うデータ量が多くて低頻度。 #scalafukuoka
2017-07-29 14:26:59
tksy(吉村 武志)
@takesi_yosimura
Sparkとhadoopの比較→レコメンドの場合はSparkの方が良い感じ。 #scalafukuoka
2017-07-29 14:27:07
紅月さん@がんばらない
@koduki
比較的少なめが数百GBから1TBで、多目のデータがTBからPBくらいかな 「Sparkは少量データをインメモリで高速処理、Hadoopは大容量データ」#scalafukuoka
2017-07-29 14:27:53
宅島 克実💉💉💉💉
@katsumitk
Spark+Mahoutでレコメンドエンジン開発 Spark vs Hadoop Spark オンメモリ スピード重視 Hadoop おそいけどビッグデータ使える #scalafukuoka
2017-07-29 14:28:21