シリコンバレーや日本の先端分野で働くエンジニア／リサーチャーによるML/DL勉強会、”みんなでやろうDL”勉強会がパワーアップして帰ってきた！

1stシーズンではML/DLの基本概念の習得とGoogle Colabを用いた演習のセットで全12回というロングランでした。2ndシーズン全6回で、各先端分野での応用や技術の詳細について切り込んでいきます。

“みんなでやろうDL”勉強会 1stシーズン”

“みんなでやろうDL”勉強会 2ndシーズン”

  • 2nd Seasonは 全6回 毎週木曜日 (日本時間金曜日) 開催　各回は1-1.5時間程度です。
  • 1st Seasonからの豪華な講師陣がそのままに、今回は講師の著書や著論文に沿ったトピックを伺います。
  • 全体的には中級者向きですが、初心者にも配慮した内容です。特にMLの先端領域での応用にフォーカスを当てています。
  • 質問などもしやすい雰囲気で交流用の会も準備しています。初心者大歓迎！
  • 講師による講義回が2回続いたのち、演習＋LTの回を一回挟みます。こちらは初心者から上級者まで自由に質問して頂いたり、ネットワーキングや復習用に使って頂く時間です。

■ 参加者管理 / 参加申請

参加は無料です。下記サイトのJTPAグループにて各回のイベントより参加登録をお願い致します。

Meetup: https://www.meetup.com/JTPA-Japanese-Technology-Professionals-Association/

connpass: https://jtpa.connpass.com/

■ Day1 飯塚 修平 氏： “ベイズ最適化入門”

日時 米国時間(PST) 6/17日 8PM（日本時間 6/18 12PM）
時間 1 – 1.5時間
講師 飯塚 修平 氏
ご経歴 2017年 東京大学大学院博士課程修了。現在は UX エンジニア / クリエィティブテクノロジストとして、機械学習を駆使したウェブサイト制作や展示作品に取り組んでおられます。ポートフォリオ: tushuhei.com
題材 オライリー出版 『ウェブ最適化ではじめる機械学習』
アジェンダ ベイズ最適化は最小の評価回数で未知の関数（ブラックボックス関数）の最大点を求めようとする枠組みです。人間の感性そのものをブラックボックス関数と捉えることで、グラフィックアート、インターネット広告、ウェブサイトの UI など、人間と機械の対話から人工物をデザインする手法として広く応用され始めています。今回の勉強会ではベイズ統計の基礎からはじめ、バンディットアルゴリズム、ベイズ最適化と発展させることでその理論と実装を学びます。なお、内容の多くは著書『ウェブ最適化ではじめる機械学習』（オライリー・ジャパン, 2020）に基づいています。

■ Day2 山下 力也 氏： “DLのComputational Pathologyへの応用”

日時 米国時間(PST) 6/24日 8PM（日本時間 6/25 12PM）
時間 1 – 1.5時間
講師 山下 力也 氏 (スタンフォード大 Department of Biomedical Data Science ポスドク)
ご経歴 京都大学医学部卒、京都大学大学院医学研究科博士課程終了。Ex-画像診断医。現在はスタンフォード大学にて機械学習などを用いることでBiomedical Dataからどのように知識を学ぶことができるかに興味をもって研究されています。
題材1 “Deep learning model for the prediction of microsatellite instability in colorectal cancer: a diagnostic study”
題材2 “Learning domain-agnostic visual representation for computational pathology using medically-irrelevant style transfer augmentation”
題材3 “Data valuation for medical imaging using Shapley value and application to a large-scale chest X-ray dataset”
アジェンダ
簡単な自己紹介
そもそもComputational Pathologyとは
自著論文の紹介
大腸がんのGenetic Subtype分類: 題材1

Computational PathologyにおけるStyle Transfer Data AugmentationによるDomain Generalization: 題材2
簡単に紹介
Data ShapleyによるData Qualityの評価とChest X-rayへの応用: 題材3
まとめ
Computational PathologyにおけるChallenges
最近の動向や個人的な興味
など

■ Day3 第一回 演習＆LT会

日時 米国時間(PST) 7/1日 8PM（日本時間 7/2 12PM）
時間 1 – 1.5時間
アジェンダ LT希望者がいれば 6名まで1人2-3分程度で自分の興味や作ってみた物、作ってみたい物を自由にLTタイム 〜15分

演習ではColabやJupiterノートでの題材や気になる記事・論文などを参加者から上げてもらい、皆で動かしてみたり討論します。　〜45分

自己紹介・雑談・自由質問・ネットワーキングタイム　〜15-30分

■ Day4 数原 良彦 氏： “ニューラル要約技術の最新動向 (教師なし複数文書要約技術を中心に)”

日時 米国時間(PST) 7/8日 8PM（日本時間 7/9 12PM）
時間 1 – 1.5時間
講師 数原 良彦 氏 (Megagon Labs リサーチサイエンティスト)
ご経歴 2008年 慶應義塾大学大学院前期博士課程修了。2008年-2014年日本電信電話株式会社研究員、2014年-2016年株式会社リクルートホールディングス研究員およびMIT Media Lab Visiting Scientistを経て2017年より現職。博士（工学）。Megagon Labsでは自然言語処理とデータマネジメントに関わる研究開発をされています。
題材1 “OpinionDigest: A Simple Framework for Opinion Summarization”
題材2 “Convex Aggregation for Opinion Summarization”
アジェンダ
導入 & 文書要約技術の分類
抽出型 vs 抽象型
単一文書要約 vs 複数文書要約
クエリ指向 vs 非クエリ指向
教師ありの要約技術
seq2seq モデルのおさらい
参照要約を用いたニューラル要約技術
教師データは必要としない教師なし文書要約技術＋自著論文紹介
Auto-Encoderと平均ベクトルを用いた教師なし文書要約
意見フレーズを用いた教師なし複数文書要約 (OpinionDigest)
潜在ベクトル最適化を用いた複数文書要約 (Coop)
その他の手法、テキスト以外の要約技術
まとめ: 最新動向と今後の展望
事前学習言語モデルを用いた要約技術
コントロールコードを用いた要約技術
など

■ Day5 林 鋭志 氏： “RadarNet: Efficient Gesture Recognition Technique Utilizing a Miniature Radar Sensor”

日時 米国時間(PST) 7/15日 8PM（日本時間 7/16 12PM）
時間 1 – 1.5時間
講師 林 鋭志 氏 (Google Advanced Technology and Projects)
ご経歴 京都大学修士課程（メカトロニクス）修了後、三菱電機株式会社にて主任研究員を経て、Carnegie Mellon University Human-Computer Interaction InstituteでPh.D取得。2016年よりGoogleのインキュベーションセクションであるAdvanced Technologies and Projectsにてセンサを用いたインタラクション技術の研究開発に従事されています。
題材 “RadarNet: Efficient Gesture Recognition Technique Utilizing a Miniature Radar Sensor”
アジェンダ 画像、テキスト以外のDLのアプリケーションとして、レーダー信号を用いたジェスチャ認識に関する主著論文を紹介頂きます。

■ Day6 第二回 演習＆LT会

日時 米国時間(PST) 7/22日 8PM（日本時間 7/23 12PM）
時間 1 – 1.5時間
アジェンダ LT希望者がいれば 6名まで1人2-3分程度で自分の興味や作ってみた物、作ってみたい物を自由にLTタイム 〜15分

演習ではColabやJupiterノートでの題材や気になる記事・論文などを参加者から上げてもらい、皆で動かしてみたり討論します。　〜45分

自己紹介・雑談・自由質問・ネットワーキングタイム　〜15-30分