Movatterモバイル変換


[0]ホーム

URL:


はてなブックマークアプリ

サクサク読めて、
アプリ限定の機能も多数!

アプリで開く

はてなブックマーク

タグ

関連タグで絞り込む (9)

タグの絞り込みを解除

BIツールに関するmisshikiのブックマーク (8)

  • neo4j open source nosql graph database

    NODES 2024 Online Developer Conference | November 7, 2024 | Save the Date

    neo4j open source nosql graph database
    misshiki
    misshiki2024/10/07非公開
    “Neo4j グラフ データベース。ナレッジ グラフでアプリケーションを強化します。ベクトル検索を備えた唯一のグラフ データベースによってサポートされています。”
    • セマンティックレイヤー / Headless BIとは

      この記事は何2023年、世間はLLMで大騒ぎですが、データの業界ではセマンティックレイヤー・Headless BIへの注目も高まっています。 これは、まだ国内では黎明期ともいえるそんな技術が、今後どんな存在となりうるのかを、筆者の個人的な解釈と妄想をもとに述べる長文ポエムです。 セマンティックレイヤーとは まず最初にセマンティックレイヤーについて解説します。 セマンティックレイヤーとは セマンティックレイヤーとは、データベースとデータ利用者の間に入り、両者間のやりとりを円滑にする存在です。 データ統合プラットフォームを提供するAirbyte社は、セマンティックレイヤーをデータとビジネスユーザーの中間に位置する、複雑なデータを理解可能なビジネスの概念に変換・翻訳するレイヤーと説明しています。 A semantic layer is a translation layer that sits

      セマンティックレイヤー / Headless BIとは
      misshiki
      misshiki2023/07/28非公開
      “従来型BIにあったロジック管理のスコープの狭さを解消しつつ、他にもデータ活用者にとって便利な様々な機能を提供するサービスはHeadless BIとも呼ばれてる。グラフやダッシュボードの可視化機能を持たない”
      • データエンジニアが支持する各分野のトップ製品、注目技術は? Airbyteが順位発表

        データエンジニアが支持する各分野のトップ製品、注目技術は? Airbyteが順位発表:886人が回答 データパイプラインプラットフォームのAirbyteは、データエコシステムに関する調査レポート「The State of Data2023」を公開した。886人の回答を集計、分析したものだ。データエンジニアリング分野で注目されている技術が分かる。

        データエンジニアが支持する各分野のトップ製品、注目技術は? Airbyteが順位発表
        misshiki
        misshiki2023/06/15非公開
        “DWH(データウェアハウス)ではSnowflakeとBigQueryが2大トップで、Databricksにも好意的な意見が多い。...巨人であるLookerとTableauは依然として群を抜いているが、Tableauから新しいソリューションへの移行も著しいとした。”
        • 人気BIツール8つを詳細に比較【2022最新】

          もちろん、上記とは異なる意見をお持ちの方もいるでしょう。しかし、自身の個別具体的な環境や経験においてはざっくりこのような印象です。以降、詳しく説明していきます。 「データ視覚化/ダッシュボードデザインを成功させる95のチェックリスト」をダウンロードする 2. すぐに分析を始められる「Power BI」 (公式Youtubeチャンネルから拝借) 120種類のデータソースに接続できるExcel、テキストファイル、各データベースなどのオンプレミスから、Azure、GCP、IBMなどのクラウドまで約120種類のデータに接続できます。Excelベースの分かりやすいインターフェース誰もが使い慣れているExcelと同じインターフェースです。そのため、新しく何かを始める時によく起こる「どこに、なにがあるのか分からない」という状況には陥りません。 操作が簡単基操作はドラッグ&ドロップとクリックのため、簡

          人気BIツール8つを詳細に比較【2022最新】
          misshiki
          misshiki2020/07/23非公開
          “私が最もオススメするBIツールは「Tableau」です。何故なら、試行錯誤や柔軟な改善を実現できる操作性に優れているからです。探索的に分析する際、試行錯誤を繰り返してもあまり苦に感じることがないまま...”
          • dotDataがTableauと連携し、BIユーザー向けにAI / 機械学習の利用を加速

            dotDataがTableauと連携し、BIユーザー向けにAI /機械学習の利用を加速TableauとdotDataの「AutoML 2.0」を連携し、容易かつ迅速なBI+AI を実現 企業のデータサイエンス活用の自動化・運用化のリーダーであるdotData, Inc. (社:カリフォルニア州、CEO:藤巻 遼平、以下 dotData)は、人工知能AI) /機械学習(ML)モデル開発を加速する「AutoML 2.0」プラットフォームが、データ分析および可視化プラットフォームのリーディング企業であるTableau Softwareのデータ分析プラットフォームとシームレスな連携が可能になったことを発表します。 この連携により、両社の顧客企業はデータ活用からより深いインサイトの獲得と予測分析が可能になります。Tableauユーザーは、TableauとdotDataの「AutoML 2.0

            dotDataがTableauと連携し、BIユーザー向けにAI / 機械学習の利用を加速
            misshiki
            misshiki2020/07/16非公開
            “Tableauユーザーは、TableauとdotDataの「AutoML 2.0」を連携することで、Tableauのダッシュボード上に、AIと機械学習を駆使した予測分析を容易に追加することができるようになります。”
            • 【書評】Tableauを使って機械学習の効率を上げよう「Tableauで始めるデータサイエンス」 | DevelopersIO

              先日、ご縁があって「Tableauで始めるデータサイエンス」を株式会社秀和システム様からご献いただきましたので紹介エントリーを書こうと思います。 (ご献いただきまして、誠にありがとうございます) 実際に読んでみて、「Tableau使うと可視化が楽にいい感じにできるし、機械学習の工程では可視化は重要だしで相性がいいんだなぁ」と何回も思わされました。 内容としては「TableauPythonの基的な使い方」や「機械学習をするにあたっての考え方や進め方」、「実際のデータを使った実践例」が懇切丁寧に解説されており、「TableauPython使ったことない...。けど機械学習に興味ある」、「機械学習に興味がある」、「機械学習は既にやっているけど、可視化部分を効率化&高品質化する方法を知りたい」といった方にオススメです。 ページ数が多いのですが、それは「画像や図をふんだんに使って直感的に解

              【書評】Tableauを使って機械学習の効率を上げよう「Tableauで始めるデータサイエンス」 | DevelopersIO
              misshiki
              misshiki2020/01/09非公開
              “当然、Pythonでも可視化することは可能ですが、Tableauを活用することでより「楽に、早く」可視化をすることができます。”
              • TechCrunch | Startup and Technology News

                Limited space! Get on waitlist to be the first to know when ticketsgo live!

                TechCrunch | Startup and Technology News
                • BigQuery MLエンジンとTableauで実現する中古マンション取引額予測シミュレーションの実際 | 株式会社プリンシプル

                  BigQuery MLによる予測の全体像機械学習を学ぶにあたり、その全体像が提示されていないことが妨げになっている気がしています。筆者も勉強中の身ではありますが、自分自身の学びの整理のためにも記事を執筆しています。ブログ記事は、過度に詳細に踏み込まない代わりに、その全体像を提示することで、私と同様の学習者である多くのユーザーがBigQueryのMLエンジンを利用できるようになる(少なくともやってみようと思える)ことを目的としています。 全体像は以下の7ステップで説明できます。そのうち、純粋に機械学習周りの技術を使っているのは、3、4、5、6のステップであり、1、2は準備、7は検算です。 データの取得と整形 整形の完了したデータのアップロード モデルの作成 モデルの評価 特徴量の調整やモデルのオプションの調整 予測値の取り出し 検算 ① データの取得と整形機械学習にはある程度まとま

                  BigQuery MLエンジンとTableauで実現する中古マンション取引額予測シミュレーションの実際 | 株式会社プリンシプル
                  • 残りのブックマークを読み込んでいます1

                  お知らせ

                  公式Twitter

                  • @HatenaBookmark

                    リリース、障害情報などのサービスのお知らせ

                  • @hatebu

                    最新の人気エントリーの配信

                  処理を実行中です

                  キーボードショートカット一覧

                  j次のブックマーク

                  k前のブックマーク

                  lあとで読む

                  eコメント一覧を開く

                  oページを開く

                  はてなブックマーク

                  公式Twitter

                  はてなのサービス

                  • App Storeからダウンロード
                  • Google Playで手に入れよう
                  Copyright © 2005-2025Hatena. All Rights Reserved.
                  設定を変更しましたx

                  [8]ページ先頭

                  ©2009-2025 Movatter.jp