第54回 データマイニング+WEB ＠東京( #TokyoWebmining 54th )ー深層学習・機械学習 祭りーを開催しました

Webmining 勉強会

2016/6/25 "第54回 データマイニング+WEB ＠東京( #TokyoWebmining 54th ) ー深層学習・機械学習 祭りー" を開催しました。

会場提供して下さったFreakOutさん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。多くの方々の参加を嬉しく思っています。

参加者ID・バックグラウンド一覧

参加者セキココ：第54回 データマイニング+WEB ＠東京 セキココ
(作成してくれた [Twitter:@komiya_atsushi] さんに感謝）


以下、全講師資料、関連資料、ツイートまとめです。

AGENDA：

■Opening Talk：

O1.「データマイニング+WEB＠東京 について」

講師：[Twitter:@hamadakoichi]

O2.「参加者全員 自己紹介 (興味・活動)」(進行：[Twitter:@hamadakoichi])

1.「深層学習の進展・体験提供活用事例」( 講師: [Twitter:@hamadakoichi] )

「DeNAの機械学習・深層学習活用した 体験提供の挑戦」

深層学習の進展、深層学習活用した各種体験提供での活用事例 (ファッション・マンガ・画像生成・対話、等) 等、紹介します。

2.「深層学習フレームワーク概論と活用方法」(講師: [Twitter:@delta2323_])

「Deep Learning Implementations and Frameworks (Very short version of PAKDD 2016 tutorial) 」

「VAE-type Deep Generative Models」

深層学習の研究と深層学習フレームワークの開発はお互いに影響しあいながら発展してきています。それぞれのフレームワークは様々なコンセプトで開発され、研究者や開発者の様々な要求に答えるように設計されています。そのため、深層学習を用いた課題解決には適切なフレームワークの選択が重要です。本講演では、まずフレームワークごとの共通点・相違点について解説します。次にフレームワークを用いた深層学習モデルの実装方法例を、近年提案されたモデルを用いて紹介します。
本講演の一部は今年4月に開催された会議PAKDDでのチュートリアルの内容を一部に含みます。

参考文献：

3.「広告機械学習最前線」(講師: [Twitter:@Masa_S3])

Real-time biddingと呼ばれるオンライン広告配信枠の入札制度上で細やかな広告配信を実現させるためには、clickや購買行動を予測する機械学習による予測モデルと、その予測結果と広告主予算制約などを加味した入札制御を実現しなければなりません。
この発表では特にDSP(Demand Side Platform)の立場でどのように上記を実現させるために機械学習が活用されているのか紹介します。

参考文献

3. 懇親会LT

「イノベーション創発に資する人工知能基盤技術の創出と統合化」(講師: [Twitter:@mickbean] )

「機械学習による積極的失業〜オウンドメディアの訪問予測」 (講師: [Twitter:@Mr_Sakaue] )

■ツイートまとめ (Togetter)

「第54回 データマイニング+WEB ＠東京( #TokyoWebmining 54th ) ー深層学習・機械学習 祭りー」に関するツイートを Togetter にまとめました。みなさん、たくさんのツイートありがとうございました。("誰でも編集可能"に設定してあります)

■講師募集

データマイニング+WEB勉強会＠東京 (#TokyoWebmining) を今後も、講師、参加者、双方にとってよりよい会としていきたいと思います。講師を募集していますので私の Twitter か Google Group へのメールへぜひご連絡下さい。

連絡先：

■Wiki

振返り：

振返りホワイトボード(Keep/Try/Talk候補):

■過去開催内容：