SlideShare a Scribd company logo
1 of 40
Download to read offline
もうブラックボックスとは呼ばせない
~機械学習を支援する情報可視化技術
伊藤貴之
お茶の水女子大学
理学部情報科学科 教授
SIX ABEJA
2019年3月4日
Itoh Laboratory,
Ochanomizu University
講演者へのアクセス情報
Web: http://itolab.is.ocha.ac.jp/
E-mail: itot@is.ocha.ac.jp
Twitter: @1T0T
Facebook: iTooooooooooooT
Slideshare: iTooooooooooooT
1
Itoh Laboratory,
Ochanomizu University
講演者の経歴
2
Itoh Laboratory,
Ochanomizu University
• 2005年 日本アイ・ビー・エム(株)退職
お茶の水女子大学 助教授(准教授)
– 2011年 同大学教授
シミュレーション科学教育研究センター長
– カリフォルニア大デービス・シドニー大・ブリティッシュコロンビア大訪問
• 1992年 早稲田大学大学院理工学研究科修士課程修了
日本アイ・ビー・エム(株)入社・東京基礎研究所配属
– 1997年 博士(工学)
– 2000年 米国カーネギーメロン大学客員研究員 (半年間)
– 2003年 京都大学情報学研究科COE研究員(2年間)
伊藤の人生を可視化する Itoh Laboratory,
Ochanomizu University
本日の講演内容
• 人はなぜデータを可視化するのか
• 機械学習への可視化のアプローチ
~最近の学術研究の紹介
• 機械学習への可視化のアプローチ
~お茶の水女子大学伊藤研の試み
5
Itoh Laboratory,
Ochanomizu University
本日の講演内容
• 人はなぜデータを可視化するのか
• 機械学習への可視化のアプローチ
~最近の学術研究の紹介
• 機械学習への可視化のアプローチ
~お茶の水女子大学伊藤研の試み
6
Itoh Laboratory,
Ochanomizu University
可視化とは:こんなのを連想してください
7
Itoh Laboratory,
Ochanomizu University
可視化の適用事例:お茶大伊藤研の場合
8
Itoh Laboratory,
Ochanomizu University
流体
生命情報 音楽
ライフログ(写真)
人間関係
購買情報 人流
情報可視化の定義
• 身の回りの一般的な情報を描く技術
– 学問としては1990年代から注目される
• なぜ、コンピュータで描くのがよいか?
– 「よい描き方」を自動で選んでくれる (配置・配色など)
– 一瞬で描いてくれる (人が描くより速い)
– ウェブで世界に公開できる
• どんな情報を描く価値があるか?
– 膨大な情報 (例:ウェブのアクセス)
– 意外な事実が潜んでいる情報
– 鑑賞するのに時間を要する情報 (例:音楽)
9
Itoh Laboratory,
Ochanomizu University
情報可視化の用途
10
Itoh Laboratory,
Ochanomizu University
データ全体を
広く眺めたい
Overview (概観)
問題点や新しい現象を
見つけ出したい
Clarification (解明)
データの追加・
削除・注釈を進めたい
Handling (操作)
データの意味を
明快に説明したい
Announcement (報告)
このグラフ、どこに注目しますか?
11
Itoh Laboratory,
Ochanomizu University
(1)
(2)
(3)
(4)
(5)
(6)
このグラフ、どこに注目しますか?
12
Itoh Laboratory,
Ochanomizu University
(1)
(2)
(3)
(4)
(5)
(6)
某所でのユーザテスト結果
13
Itoh Laboratory,
Ochanomizu University
Q1: 折れ線の形を一目見て「目立つ」と思ったのはどこ?
Q2: 月や注釈と照らし合わせて「面白い」と思ったのはどこ?
(1)
(2)
(3)
(4)
(5)
(6)
某所でのユーザテスト結果
14
Itoh Laboratory,
Ochanomizu University
1 1115目立つ
2 574 92 11面白い
Q1: 折れ線の形を一目見て「目立つ」と思ったのはどこ?
Q2: 月や注釈と照らし合わせて「面白い」と思ったのはどこ?
月や注釈を照合することで
閲覧者が注目する箇所が大きく変わる
可視化はどんな効果をもたらすのか
気になる視覚表現(形・位置・色…)
+
照合する前提知識・問題意識
↓
知識の発見・情報の理解
↓
場合によっては行動を起こす
16
Itoh Laboratory,
Ochanomizu University
可視化が有用な場面の例
17
Itoh Laboratory,
Ochanomizu University
意思決定や仮説検証が必要な業務
定式化・モデル化しにくい問題の理解
複合的なデータの扱い
顧客・パートナーへの説明責任
データ化しにくい感性や経験との照合
ノイズや例外の解釈
例えば…
可視化が有用な場面の例
18
Itoh Laboratory,
Ochanomizu University
意思決定や仮説検証が必要な業務
定式化・モデル化しにくい問題の理解
複合的なデータの扱い
顧客・パートナーへの説明責任
データ化しにくい感性や経験との照合
ノイズや例外の解釈
本講演では
機械学習の運用を完成に近づけるための
ツールとしての可視化について議論する
本日の講演内容
• 人はなぜデータを可視化するのか
• 機械学習への可視化のアプローチ
~最近の学術研究の紹介
• 機械学習への可視化のアプローチ
~お茶の水女子大学伊藤研の試み
19
Itoh Laboratory,
Ochanomizu University
機械学習のための可視化:3つの立場
Spread (普及型)
– 汎用機械学習を意識したアドオンやオープンソース
– 一般的な可視化手法を応用
Science (科学的探究型)
– 機械学習の動作解明のための基礎研究
– 可視化の世界的研究者がしのぎを削る課題
Solution (問題解決型)
– 現場の問題解決のために固有に開発
– 機械学習を支援するための本質的な課題
20
Itoh Laboratory,
Ochanomizu University
機械学習用の普及型ソフトウェアの例
• Google Facets (https://pair-code.github.io/facets/)
21
Itoh Laboratory,
Ochanomizu University
機械学習可視化の基礎研究の例 (1)
• CNNによる物体認識過程の可視化
22
特徴マップ上の強度 特徴マップ投影の強度 物体認識の確信度 確信度に基づく領域分割
M. D. Zeiler, et al., Visualizing and Understanding Convolutional Networks, 2014
Itoh Laboratory,
Ochanomizu University
機械学習可視化の基礎研究の例 (2)
• 訓練データのわずかな揺れによりDNNが不正確な予測を
生み出す際の内部構造を詳細に可視化
23
Itoh Laboratory,
Ochanomizu University
M. Liu, et al. Analyzing the Noise Robustness of Deep Neural Networks, 2018
機械学習可視化の基礎研究の例 (3)
• GANが実物そっくりの精巧なフェイクを作り出す過程を
Generator/Discriminatorの両面から可視化
24
Itoh Laboratory,
Ochanomizu University
M. Kahng, et al. GAN Lab: Understanding Complex Deep
Generative Models using Interactive Visual Experimentation, 2018
問題解決のための機械学習可視化
• 機械学習の各フェーズにて可視化が貢献できる可能性が
学術的に議論されている
25
Itoh Laboratory,
Ochanomizu University
データ編集
• ラベル付け
• 異常個体の排除
• …
前処理
• 正規化・重みづけ
• 特徴量・非類似度
• …
モデル構築
• 回帰・判別
• 最適化・制約問題
• …
学習結果の探索
可視化 可視化 可視化
可視化
ユーザの介入による機械学習処理の改善
D. Sacha, et al., Human-Centered Machine Learning through
Interactive Visualization: Review and Open Challenges, 2016
問題解決のための機械学習可視化
• データ編集
– 訓練データの構築・アノテーション付与
– 訓練データからのノイズ・例外の除去
• 前処理
– 特徴量の選択と重みづけ
– フィルタ等の設定
• モデル構築
– モデルの選択と検証
• 可視化結果の探索
– 誤差や正解率の検証
26
Itoh Laboratory,
Ochanomizu University
他にもいろいろ…
機械学習のための可視化:3つの立場
Spread (普及型)
– 汎用機械学習を意識したアドオンやオープンソース
– 一般的な可視化手法を応用
Science (科学的探究型)
– 機械学習の動作解明のための基礎研究
– 可視化の世界的研究者がしのぎを削る課題
Solution (問題解決型)
– 現場の問題解決のために固有に開発
– 機械学習を支援するための本質的な課題
27
Itoh Laboratory,
Ochanomizu University
お茶大伊藤研はこの点に取り組んでいます
本日の講演内容
• 人はなぜデータを可視化するのか
• 機械学習への可視化のアプローチ
~最近の学術研究の紹介
• 機械学習への可視化のアプローチ
~お茶の水女子大学伊藤研の試み
28
Itoh Laboratory,
Ochanomizu University
事例(1) 電力管理システムへの異常入力
• 2013年度の企業共同研究
• 1か月単位・1日単位の電力消費を提示
→「その場所に特有の異常な消費パターン」をマークさせる
• 異常パターンを機械学習して判別分析
• 想定する用途の例
– 電源の切り忘れ等の警告
– 異常発生の早期予測
29
Itoh Laboratory,
Ochanomizu University
事例(1) 電力管理システムへの異常入力
30
Itoh Laboratory,
Ochanomizu University
電力消費パターンの
表示と選択ボタン
特定ブロックの1日の
電力消費の推移
各ブロックの1か月の電力消費と
特定の電力消費パターンの出現
機械学習のための
異常パターン入力
事例(2) 回帰分析結果の誤差
• 2015年度の企業共同研究
• 状況(説明変数)から売上(目的関数)を予測する回帰分析
• 3次元散布図の適用
– 説明変数2個をX,Y軸に
※可視化すべき2軸を推薦する機能付き
– 目的関数の予測値または実測値をZ軸に
– 予測値と実測値の誤差を色に
• 想定する用途の例
– 回帰分析の再設計
– 顧客への説明材料
31
Itoh Laboratory,
Ochanomizu University
事例(2) 回帰分析結果の誤差
32
Itoh Laboratory,
Ochanomizu University
2軸を説明変数に、1軸を予測値または実測値に
予測値と実測値の誤差を色で表現
変数の選択、データの絞り込み
などのUIを併用することで対話的に分析
事例(3) 気象と販売の相関
• 2017~18年度のABEJA様との共同研究
• 気象値(最低気温・最高気温・降水量…)と
販売値(来客数・売上…)の関係を可視化
• 気象値を横軸・販売値を縦軸とした散布図のうち
閲覧価値がありそうなものを自動選択表示
• 想定する用途の例
– 販売値予測のためのモデル化の検討
– ノイズ・例外値の解釈の検討
33
Itoh Laboratory,
Ochanomizu University
事例(3) 気象と販売の相関
34
Itoh Laboratory,
Ochanomizu University
事例(3) 気象と販売の相関
35
Itoh Laboratory,
Ochanomizu University
買
上
率
最高気温最低気温 最大風速
最低気温 最高気温 最大風速
買
上
率
2月
7月
11月
他の月
…2月上旬と7月下旬に突出して買上率の高い期間がある
事例(4) 訓練データのアノテーション状況
• 2018年度のABEJA様との共同研究
• 深層学習の訓練データに複数の作業者によって付与する
アノテーションの可視化
• 題材: 画像群への3種類のアノテーション
– 物体名・風景名・イベント名
– 顔画像の年齢推測値
– 衣服の印象(5段階評価・8キーワード)
• 想定する用途の例
– アノテーションのブレが生じやすい {画像 | 作業者} の傾向分析
– 訓練データのクレンジング
36
Itoh Laboratory,
Ochanomizu University
事例(4) 訓練データのアノテーション状況
• 顔画像の年齢推定値
37
Itoh Laboratory,
Ochanomizu University
年下に推測 年上に推測
年下 年上
40~60代の顔画像をことごとく
年上気味/年下気味に判定する2名
作
業
者
8名
事例(4) 訓練データのアノテーション状況
• 顔画像の年齢推定値
38
Itoh Laboratory,
Ochanomizu University
意見一致 意見割れる
年下に推測 年上に推測
作
業
者
8名
明らかな入力ミスなど
意見が割れた原因を調査できる
事例(4) 訓練データのアノテーション状況
• 衣服の印象
39
Itoh Laboratory,
Ochanomizu University
作
業
者
14名
意見一致 意見割れる
印象が一致する衣服の
傾向を調査できる
保守的な評価 活発的な評価
まとめ
• 人はなぜデータを可視化するのか
• 機械学習の運用を支援するツールとしての可視化
– 汎用ツールで全てのことができるわけではない
– 研究としての機械学習可視化もまだ日が浅い
(これからに期待)
• お茶大伊藤研は機械学習のための可視化を
引き続き模索いたします
40
Itoh Laboratory,
Ochanomizu University
本講演内容は以下の書籍にも詳細があります
41
Itoh Laboratory,
Ochanomizu University
意思決定を助ける 情報可視化技術
- ビッグデータ・機械学習・VR/ARへの応用 -
1. 情報可視化の定義・歴史・展開
2. データ構造と情報可視化手法
3. 情報可視化の操作と評価
4. 視覚特性から考える情報可視化デザイン
5. 情報可視化の適用事例
6. ビッグデータと情報可視化
7. 機械学習と情報可視化
8. VR/ARと情報可視化
9. 情報可視化の研究開発の展望

More Related Content

What's hot

勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)RyuichiKanoh
 
深層生成モデルと世界モデル(2020/11/20版)
深層生成モデルと世界モデル(2020/11/20版)深層生成モデルと世界モデル(2020/11/20版)
深層生成モデルと世界モデル(2020/11/20版)Masahiro Suzuki
 
グラフィカルモデル入門
グラフィカルモデル入門グラフィカルモデル入門
グラフィカルモデル入門Kawamoto_Kazuhiko
 
[DL輪読会]Control as Inferenceと発展
[DL輪読会]Control as Inferenceと発展[DL輪読会]Control as Inferenceと発展
[DL輪読会]Control as Inferenceと発展Deep Learning JP
 
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習cvpaper. challenge
 
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic DatasetsDeep Learning JP
 
(2018.3) 分子のグラフ表現と機械学習
(2018.3) 分子のグラフ表現と機械学習(2018.3) 分子のグラフ表現と機械学習
(2018.3) 分子のグラフ表現と機械学習Ichigaku Takigawa
 
探索と活用の戦略 ベイズ最適化と多腕バンディット
探索と活用の戦略 ベイズ最適化と多腕バンディット探索と活用の戦略 ベイズ最適化と多腕バンディット
探索と活用の戦略 ベイズ最適化と多腕バンディットH Okazaki
 
グラフニューラルネットワークとグラフ組合せ問題
グラフニューラルネットワークとグラフ組合せ問題グラフニューラルネットワークとグラフ組合せ問題
グラフニューラルネットワークとグラフ組合せ問題joisino
 
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料Yusuke Uchida
 
Active Learning 入門
Active Learning 入門Active Learning 入門
Active Learning 入門Shuyo Nakatani
 
[DL輪読会]ドメイン転移と不変表現に関するサーベイ
[DL輪読会]ドメイン転移と不変表現に関するサーベイ[DL輪読会]ドメイン転移と不変表現に関するサーベイ
[DL輪読会]ドメイン転移と不変表現に関するサーベイDeep Learning JP
 
【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCH
【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCH【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCH
【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCHDeep Learning JP
 
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings  (EMNLP 2021)【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings  (EMNLP 2021)
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)Deep Learning JP
 
[DL輪読会]Understanding Black-box Predictions via Influence Functions
[DL輪読会]Understanding Black-box Predictions via Influence Functions [DL輪読会]Understanding Black-box Predictions via Influence Functions
[DL輪読会]Understanding Black-box Predictions via Influence Functions Deep Learning JP
 
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究Satoshi Hara
 
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)Kota Matsui
 
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築Kosuke Shinoda
 

What's hot (20)

勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
 
深層生成モデルと世界モデル(2020/11/20版)
深層生成モデルと世界モデル(2020/11/20版)深層生成モデルと世界モデル(2020/11/20版)
深層生成モデルと世界モデル(2020/11/20版)
 
グラフィカルモデル入門
グラフィカルモデル入門グラフィカルモデル入門
グラフィカルモデル入門
 
[DL輪読会]Control as Inferenceと発展
[DL輪読会]Control as Inferenceと発展[DL輪読会]Control as Inferenceと発展
[DL輪読会]Control as Inferenceと発展
 
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
 
研究効率化Tips Ver.2
研究効率化Tips Ver.2研究効率化Tips Ver.2
研究効率化Tips Ver.2
 
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
 
(2018.3) 分子のグラフ表現と機械学習
(2018.3) 分子のグラフ表現と機械学習(2018.3) 分子のグラフ表現と機械学習
(2018.3) 分子のグラフ表現と機械学習
 
探索と活用の戦略 ベイズ最適化と多腕バンディット
探索と活用の戦略 ベイズ最適化と多腕バンディット探索と活用の戦略 ベイズ最適化と多腕バンディット
探索と活用の戦略 ベイズ最適化と多腕バンディット
 
グラフニューラルネットワークとグラフ組合せ問題
グラフニューラルネットワークとグラフ組合せ問題グラフニューラルネットワークとグラフ組合せ問題
グラフニューラルネットワークとグラフ組合せ問題
 
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
 
Active Learning 入門
Active Learning 入門Active Learning 入門
Active Learning 入門
 
[DL輪読会]ドメイン転移と不変表現に関するサーベイ
[DL輪読会]ドメイン転移と不変表現に関するサーベイ[DL輪読会]ドメイン転移と不変表現に関するサーベイ
[DL輪読会]ドメイン転移と不変表現に関するサーベイ
 
MICの解説
MICの解説MICの解説
MICの解説
 
【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCH
【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCH【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCH
【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCH
 
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings  (EMNLP 2021)【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings  (EMNLP 2021)
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
 
[DL輪読会]Understanding Black-box Predictions via Influence Functions
[DL輪読会]Understanding Black-box Predictions via Influence Functions [DL輪読会]Understanding Black-box Predictions via Influence Functions
[DL輪読会]Understanding Black-box Predictions via Influence Functions
 
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
 
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
 
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
 

Similar to SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない~機械学習を支援する情報

大学院進学が切り拓く情報系学生のキャリア
大学院進学が切り拓く情報系学生のキャリア大学院進学が切り拓く情報系学生のキャリア
大学院進学が切り拓く情報系学生のキャリアTakayuki Itoh
 
PMIフォーラム2014 プロジェクト型演習における最適なチーム構成とは?学びの過程はどのようなものか?~早稲田大学情報理工学科の実践~
PMIフォーラム2014 プロジェクト型演習における最適なチーム構成とは?学びの過程はどのようなものか?~早稲田大学情報理工学科の実践~PMIフォーラム2014 プロジェクト型演習における最適なチーム構成とは?学びの過程はどのようなものか?~早稲田大学情報理工学科の実践~
PMIフォーラム2014 プロジェクト型演習における最適なチーム構成とは?学びの過程はどのようなものか?~早稲田大学情報理工学科の実践~Hironori Washizaki
 
大学におけるICT教育の事例
大学におけるICT教育の事例大学におけるICT教育の事例
大学におけるICT教育の事例Hiroki OKAZAKI
 
20180510_ICON技術セミナー5_田村
20180510_ICON技術セミナー5_田村20180510_ICON技術セミナー5_田村
20180510_ICON技術セミナー5_田村ICT_CONNECT_21
 
教育版レゴマインドストームを使ったミライをつくる体験型学習 Afrel
教育版レゴマインドストームを使ったミライをつくる体験型学習 Afrel教育版レゴマインドストームを使ったミライをつくる体験型学習 Afrel
教育版レゴマインドストームを使ったミライをつくる体験型学習 Afrelooedostartup
 
[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究
[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究
[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究Deep Learning Lab(ディープラーニング・ラボ)
 
Centerlossを読んでみた_20170618@abeja
Centerlossを読んでみた_20170618@abejaCenterlossを読んでみた_20170618@abeja
Centerlossを読んでみた_20170618@abejaYumaMatsuoka
 
Toward Research that Matters
Toward Research that MattersToward Research that Matters
Toward Research that MattersRyohei Fujimaki
 
有益コミュニケーション
有益コミュニケーション有益コミュニケーション
有益コミュニケーションikiikilab
 
2012-08-01_平成24年度学術ポータル担当者研修LT
2012-08-01_平成24年度学術ポータル担当者研修LT2012-08-01_平成24年度学術ポータル担当者研修LT
2012-08-01_平成24年度学術ポータル担当者研修LTYuka Egusa
 
758 dev meijo_unv-prof_suzuki_20200217
758 dev meijo_unv-prof_suzuki_20200217758 dev meijo_unv-prof_suzuki_20200217
758 dev meijo_unv-prof_suzuki_20200217ryohrd
 
国内外におけるオープンエデュケーションの歩みと今後の課題
国内外におけるオープンエデュケーションの歩みと今後の課題国内外におけるオープンエデュケーションの歩みと今後の課題
国内外におけるオープンエデュケーションの歩みと今後の課題 Katsusuke Shigeta
 
九州大学教育ビッグデータプロジェクト ~ラーニングアナリティクス(LA)の活用~
九州大学教育ビッグデータプロジェクト ~ラーニングアナリティクス(LA)の活用~九州大学教育ビッグデータプロジェクト ~ラーニングアナリティクス(LA)の活用~
九州大学教育ビッグデータプロジェクト ~ラーニングアナリティクス(LA)の活用~Japan Electronic Publishing Association
 
北海道大学におけるオンライン教育の活用
北海道大学におけるオンライン教育の活用北海道大学におけるオンライン教育の活用
北海道大学におけるオンライン教育の活用Katsusuke Shigeta
 
Mini lecture on Learning Analytics
Mini lecture on Learning AnalyticsMini lecture on Learning Analytics
Mini lecture on Learning AnalyticsYasuhisa Tamura
 

Similar to SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない~機械学習を支援する情報 (20)

大学院進学が切り拓く情報系学生のキャリア
大学院進学が切り拓く情報系学生のキャリア大学院進学が切り拓く情報系学生のキャリア
大学院進学が切り拓く情報系学生のキャリア
 
AI_DL_Education
AI_DL_EducationAI_DL_Education
AI_DL_Education
 
rcast_20140411
rcast_20140411rcast_20140411
rcast_20140411
 
Iec 141012
Iec 141012Iec 141012
Iec 141012
 
PMIフォーラム2014 プロジェクト型演習における最適なチーム構成とは?学びの過程はどのようなものか?~早稲田大学情報理工学科の実践~
PMIフォーラム2014 プロジェクト型演習における最適なチーム構成とは?学びの過程はどのようなものか?~早稲田大学情報理工学科の実践~PMIフォーラム2014 プロジェクト型演習における最適なチーム構成とは?学びの過程はどのようなものか?~早稲田大学情報理工学科の実践~
PMIフォーラム2014 プロジェクト型演習における最適なチーム構成とは?学びの過程はどのようなものか?~早稲田大学情報理工学科の実践~
 
大学におけるICT教育の事例
大学におけるICT教育の事例大学におけるICT教育の事例
大学におけるICT教育の事例
 
できない学生向けの学習(修)支援サービス 田邊稔
できない学生向けの学習(修)支援サービス 田邊稔できない学生向けの学習(修)支援サービス 田邊稔
できない学生向けの学習(修)支援サービス 田邊稔
 
20180510_ICON技術セミナー5_田村
20180510_ICON技術セミナー5_田村20180510_ICON技術セミナー5_田村
20180510_ICON技術セミナー5_田村
 
教育版レゴマインドストームを使ったミライをつくる体験型学習 Afrel
教育版レゴマインドストームを使ったミライをつくる体験型学習 Afrel教育版レゴマインドストームを使ったミライをつくる体験型学習 Afrel
教育版レゴマインドストームを使ったミライをつくる体験型学習 Afrel
 
[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究
[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究
[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究
 
Centerlossを読んでみた_20170618@abeja
Centerlossを読んでみた_20170618@abejaCenterlossを読んでみた_20170618@abeja
Centerlossを読んでみた_20170618@abeja
 
Toward Research that Matters
Toward Research that MattersToward Research that Matters
Toward Research that Matters
 
有益コミュニケーション
有益コミュニケーション有益コミュニケーション
有益コミュニケーション
 
2012-08-01_平成24年度学術ポータル担当者研修LT
2012-08-01_平成24年度学術ポータル担当者研修LT2012-08-01_平成24年度学術ポータル担当者研修LT
2012-08-01_平成24年度学術ポータル担当者研修LT
 
758 dev meijo_unv-prof_suzuki_20200217
758 dev meijo_unv-prof_suzuki_20200217758 dev meijo_unv-prof_suzuki_20200217
758 dev meijo_unv-prof_suzuki_20200217
 
国内外におけるオープンエデュケーションの歩みと今後の課題
国内外におけるオープンエデュケーションの歩みと今後の課題国内外におけるオープンエデュケーションの歩みと今後の課題
国内外におけるオープンエデュケーションの歩みと今後の課題
 
九州大学教育ビッグデータプロジェクト ~ラーニングアナリティクス(LA)の活用~
九州大学教育ビッグデータプロジェクト ~ラーニングアナリティクス(LA)の活用~九州大学教育ビッグデータプロジェクト ~ラーニングアナリティクス(LA)の活用~
九州大学教育ビッグデータプロジェクト ~ラーニングアナリティクス(LA)の活用~
 
北海道大学におけるオンライン教育の活用
北海道大学におけるオンライン教育の活用北海道大学におけるオンライン教育の活用
北海道大学におけるオンライン教育の活用
 
20130407 cc open_edu
20130407 cc open_edu20130407 cc open_edu
20130407 cc open_edu
 
Mini lecture on Learning Analytics
Mini lecture on Learning AnalyticsMini lecture on Learning Analytics
Mini lecture on Learning Analytics
 

More from Takayuki Itoh

研究発表を準備する(2022年版)
研究発表を準備する(2022年版)研究発表を準備する(2022年版)
研究発表を準備する(2022年版)Takayuki Itoh
 
お茶の水女子大学における情報系科目のオンライン授業
お茶の水女子大学における情報系科目のオンライン授業お茶の水女子大学における情報系科目のオンライン授業
お茶の水女子大学における情報系科目のオンライン授業Takayuki Itoh
 
音楽を見る:情報可視化技術の音楽情報処理への適用
音楽を見る:情報可視化技術の音楽情報処理への適用音楽を見る:情報可視化技術の音楽情報処理への適用
音楽を見る:情報可視化技術の音楽情報処理への適用Takayuki Itoh
 
お茶の水女子大学附属高校「新教養基礎」での講演
お茶の水女子大学附属高校「新教養基礎」での講演お茶の水女子大学附属高校「新教養基礎」での講演
お茶の水女子大学附属高校「新教養基礎」での講演Takayuki Itoh
 
博士のキャリアデザインワークショップ講演
博士のキャリアデザインワークショップ講演博士のキャリアデザインワークショップ講演
博士のキャリアデザインワークショップ講演Takayuki Itoh
 
国際会議運営記
国際会議運営記国際会議運営記
国際会議運営記Takayuki Itoh
 
「インターンシップについて本音を語る:大学教員×企業×学生」講演資料
「インターンシップについて本音を語る:大学教員×企業×学生」講演資料「インターンシップについて本音を語る:大学教員×企業×学生」講演資料
「インターンシップについて本音を語る:大学教員×企業×学生」講演資料Takayuki Itoh
 
研究分野をサーベイする
研究分野をサーベイする研究分野をサーベイする
研究分野をサーベイするTakayuki Itoh
 
宮崎大学キャリア講演20170111微修正版
宮崎大学キャリア講演20170111微修正版宮崎大学キャリア講演20170111微修正版
宮崎大学キャリア講演20170111微修正版Takayuki Itoh
 
研究発表を準備する
研究発表を準備する研究発表を準備する
研究発表を準備するTakayuki Itoh
 
リスク可視化の基本的方法
リスク可視化の基本的方法リスク可視化の基本的方法
リスク可視化の基本的方法Takayuki Itoh
 
Music Visualization as User Interfaces
Music Visualization as User InterfacesMusic Visualization as User Interfaces
Music Visualization as User InterfacesTakayuki Itoh
 
カリフォルニア大学デービス校滞在記
カリフォルニア大学デービス校滞在記カリフォルニア大学デービス校滞在記
カリフォルニア大学デービス校滞在記Takayuki Itoh
 
査読の仕組みと論文投稿上の対策
査読の仕組みと論文投稿上の対策査読の仕組みと論文投稿上の対策
査読の仕組みと論文投稿上の対策Takayuki Itoh
 

More from Takayuki Itoh (14)

研究発表を準備する(2022年版)
研究発表を準備する(2022年版)研究発表を準備する(2022年版)
研究発表を準備する(2022年版)
 
お茶の水女子大学における情報系科目のオンライン授業
お茶の水女子大学における情報系科目のオンライン授業お茶の水女子大学における情報系科目のオンライン授業
お茶の水女子大学における情報系科目のオンライン授業
 
音楽を見る:情報可視化技術の音楽情報処理への適用
音楽を見る:情報可視化技術の音楽情報処理への適用音楽を見る:情報可視化技術の音楽情報処理への適用
音楽を見る:情報可視化技術の音楽情報処理への適用
 
お茶の水女子大学附属高校「新教養基礎」での講演
お茶の水女子大学附属高校「新教養基礎」での講演お茶の水女子大学附属高校「新教養基礎」での講演
お茶の水女子大学附属高校「新教養基礎」での講演
 
博士のキャリアデザインワークショップ講演
博士のキャリアデザインワークショップ講演博士のキャリアデザインワークショップ講演
博士のキャリアデザインワークショップ講演
 
国際会議運営記
国際会議運営記国際会議運営記
国際会議運営記
 
「インターンシップについて本音を語る:大学教員×企業×学生」講演資料
「インターンシップについて本音を語る:大学教員×企業×学生」講演資料「インターンシップについて本音を語る:大学教員×企業×学生」講演資料
「インターンシップについて本音を語る:大学教員×企業×学生」講演資料
 
研究分野をサーベイする
研究分野をサーベイする研究分野をサーベイする
研究分野をサーベイする
 
宮崎大学キャリア講演20170111微修正版
宮崎大学キャリア講演20170111微修正版宮崎大学キャリア講演20170111微修正版
宮崎大学キャリア講演20170111微修正版
 
研究発表を準備する
研究発表を準備する研究発表を準備する
研究発表を準備する
 
リスク可視化の基本的方法
リスク可視化の基本的方法リスク可視化の基本的方法
リスク可視化の基本的方法
 
Music Visualization as User Interfaces
Music Visualization as User InterfacesMusic Visualization as User Interfaces
Music Visualization as User Interfaces
 
カリフォルニア大学デービス校滞在記
カリフォルニア大学デービス校滞在記カリフォルニア大学デービス校滞在記
カリフォルニア大学デービス校滞在記
 
査読の仕組みと論文投稿上の対策
査読の仕組みと論文投稿上の対策査読の仕組みと論文投稿上の対策
査読の仕組みと論文投稿上の対策
 

SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない~機械学習を支援する情報