Submit Search
Upload
ESG評価を支える自然言語処理基盤の構築
•
Download as PPTX, PDF
•
4 likes
•
7,917 views
Takahiro Kubo
Follow
ESG評価を支える自然言語処理基盤の構築
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 19
Download now
Recommended
財務・非財務一体型の企業分析に向けて
財務・非財務一体型の企業分析に向けて
Takahiro Kubo
Corporate analysis re-engineering by financial and non-financial
自然言語処理による企業の気候変動対策分析
自然言語処理による企業の気候変動対策分析
Takahiro Kubo
自然言語処理による企業の気候変動対策分析
自然言語処理で読み解く金融文書
自然言語処理で読み解く金融文書
Takahiro Kubo
自然言語処理で読み解く金融文書
シーズニーズ変換ワーク
シーズニーズ変換ワーク
Rikie Ishii
要素技術を商品化しよう、事業化しよう、というときに、用途アイデアがなかなか、出ない、ということ、ありますよね。 で、開発チームでブレストをすると、いつも同じメンバーで、同じようなアイデアばかり出てしまう。 もっと、広く、用途アイデアを出したいのだけれど、どうすればいいのだろう。 そんなときに、シーズニーズ変換(及び、そのあとの手早い調査)のワークプロセスをスライドにしてみました。 ビジネスと技術のメンバーがチームを作って、社から新製品を生み出そう、という時にも有効です。 ぜひ使ってみてください。 なお、出典の書いてある技法は、深く知りたい、という時には、それぞれの原典を当たってみてください。それぞれに、こんな短い言葉では語れない深いナレッジが拡がっています。 他 http://ishiirikie.jpn.org/article/123913790.html
深層強化学習による自動運転車両の追い越し行動の実現に関する研究
深層強化学習による自動運転車両の追い越し行動の実現に関する研究
harmonylab
深層強化学習による自動運転車両の追い越し行動の実現に関する研究
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方
BrainPad Inc.
2019年6月15日日本人工知能学会登壇資料
初学者のためのプロンプトエンジニアリング実践.pptx
初学者のためのプロンプトエンジニアリング実践.pptx
Akifumi Niida
ChatGPT Meetup Tokyo #2 登壇資料
20170618論文読み会 伊藤
20170618論文読み会 伊藤
Tomoki Itou
20170618論文読み会 伊藤
Recommended
財務・非財務一体型の企業分析に向けて
財務・非財務一体型の企業分析に向けて
Takahiro Kubo
Corporate analysis re-engineering by financial and non-financial
自然言語処理による企業の気候変動対策分析
自然言語処理による企業の気候変動対策分析
Takahiro Kubo
自然言語処理による企業の気候変動対策分析
自然言語処理で読み解く金融文書
自然言語処理で読み解く金融文書
Takahiro Kubo
自然言語処理で読み解く金融文書
シーズニーズ変換ワーク
シーズニーズ変換ワーク
Rikie Ishii
要素技術を商品化しよう、事業化しよう、というときに、用途アイデアがなかなか、出ない、ということ、ありますよね。 で、開発チームでブレストをすると、いつも同じメンバーで、同じようなアイデアばかり出てしまう。 もっと、広く、用途アイデアを出したいのだけれど、どうすればいいのだろう。 そんなときに、シーズニーズ変換(及び、そのあとの手早い調査)のワークプロセスをスライドにしてみました。 ビジネスと技術のメンバーがチームを作って、社から新製品を生み出そう、という時にも有効です。 ぜひ使ってみてください。 なお、出典の書いてある技法は、深く知りたい、という時には、それぞれの原典を当たってみてください。それぞれに、こんな短い言葉では語れない深いナレッジが拡がっています。 他 http://ishiirikie.jpn.org/article/123913790.html
深層強化学習による自動運転車両の追い越し行動の実現に関する研究
深層強化学習による自動運転車両の追い越し行動の実現に関する研究
harmonylab
深層強化学習による自動運転車両の追い越し行動の実現に関する研究
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方
BrainPad Inc.
2019年6月15日日本人工知能学会登壇資料
初学者のためのプロンプトエンジニアリング実践.pptx
初学者のためのプロンプトエンジニアリング実践.pptx
Akifumi Niida
ChatGPT Meetup Tokyo #2 登壇資料
20170618論文読み会 伊藤
20170618論文読み会 伊藤
Tomoki Itou
20170618論文読み会 伊藤
20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
Preferred Networks
2018年1月15日の東京大学医学部機能生物学セミナーでの岡野原大輔の講演資料です。 最後の参考文献を修正しました。 修正版はこちらです。 https://www.slideshare.net/pfi/20180115-87025513
機械学習システムを受託開発 する時に気をつけておきたい事
機械学習システムを受託開発 する時に気をつけておきたい事
BrainPad Inc.
「ブレインパッドとエウレカが語る、データ分析と機械学習の活用」資料
大規模スクラムの失敗から学んだこと #AgileJapan2015
大規模スクラムの失敗から学んだこと #AgileJapan2015
Itsuki Sakitsu
AgileJapan 2015講演資料
探索的テスト入門
探索的テスト入門
H Iseri
ChatGPTがもたらす未来予測
ChatGPTがもたらす未来予測
Koji Fukuoka
ChatGPTの誕生経緯・特徴、それによるインパクトを予測
失敗から学ぶデータ分析グループのチームマネジメント変遷
失敗から学ぶデータ分析グループのチームマネジメント変遷
Tokoroten Nakayama
デブサミ秋2015の発表資料 http://codezine.jp/article/detail/9026
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
社内勉強会でAndrew Ng先生が提唱するData-Centric AIについて紹介した際の資料です。
強化学習の基礎的な考え方と問題の分類
強化学習の基礎的な考え方と問題の分類
佑 甲野
グリー開発本部 Meetup #2 ゲーム x 強化学習エンジニアリングで発表させていただいた際の資料です. 当日の発表では一部,こちら (https://www.slideshare.net/yukono1/ss-102843951) の内容は使っているので,合わせてご覧になっていただければと思います.
ひたすら楽してスライド作成
ひたすら楽してスライド作成
Masanori Morise
スライド作成が「苦手」な学部生・大学院生を対象とした,指導教員に怒られない「ほどほど」のクオリティでプレゼン用スライドを作成する手引きです.
機械学習による変形ARマーカの位置・姿勢推定, 電気・電子・情報関係学会東海支部連合大会, 2021
機械学習による変形ARマーカの位置・姿勢推定, 電気・電子・情報関係学会東海支部連合大会, 2021
MILab
題目 :機械学習による変形ARマーカの位置・姿勢推定 学会名 :電気・電子・情報関係学会東海支部連合大会 学会の開催期間:2021年 9月7~8日 著者 :榎元洋平, 山内 悠嗣 発表文献 :https://cumil.org/?p=865
【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
XAI技術の効能を ユーザ実験で評価した研究(一部)のまとめ
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
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
Takayuki Itoh
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 ※タイトルはだいぶ大げさです(釣りといってもいいレベル)
強化学習技術とゲーム AI 〜 今できる事と今後できて欲しい事 〜
強化学習技術とゲーム AI 〜 今できる事と今後できて欲しい事 〜
佑 甲野
SHIBUYA Synapse #2 ( https://shibuya.ai/ ) での登壇資料を,公開用に編集.
事業のグロースを支えるDataOpsの現場 #DataOps #DevSumi #デブサミ
事業のグロースを支えるDataOpsの現場 #DataOps #DevSumi #デブサミ
@yuzutas0 Yokoyama
元スライド https://speakerdeck.com/yuzutas0/20180727 Developers Summit 2018 Summer 【C-1】の発表資料です。 https://event.shoeisha.jp/devsumi/20180727/session/1764/ データの民主化、データ基盤の構築、分析チームの立ち上げ、機械学習プロジェクト。世を見渡せばキラキラした事例に溢れています。 しかし、いざ自分たちでやろうとしてもなかなか上手くいきません。理想に辿り着くためには、泥臭い過程が存在します。 本セッションでは「登り方や道のりを知りたいんだ!」という方に向けて、DataOpsの観点から案件・システム・プロセス・文化・組織をエンジニアリングしてきた現場のリアルをご紹介します。 データ活用に携わる全てのエンジニアが今すぐ行動するためのヒントを持ち帰っていただければ幸いです。 以下のブログで補足・裏話を掲載しています。 - http://yuzutas0.hatenablog.com/entry/2018/08/13/083000 - https://recruit-tech.co.jp/blog/2018/08/10/developers_summit_summer2018/ 追記:数あるセッションの中で、アンケート満足度No.1をいただきました。誠にありがとうございます!
機械学習応用システムの安全性の研究動向と今後の展望
機械学習応用システムの安全性の研究動向と今後の展望
Nobukazu Yoshioka
近年のビックデータや機械学習のアルゴリズムや開発環境の発展により、多くのシステムが機械学習を利用して開発されてきている。特に複雑な特徴量やルールをビックデータから自動投出する深層学習は、人の精度を超えている。そのため、これまでにない高度なシステムを構築可能になってきている。 しかしながら、深層学習が導出したルールやそのネットワーク構造は非常に複雑であり、どのような判断をしているのかの解釈性が低く、そのシステムの安全性を保証することが困難である。 本講演では、深層学習によって訓練した訓練済みモデルを組み込んだシステムに関して、その安全性(セーフティおよびセキュリティ)の担保の難しさを自動運転の事例で整理し、機械学習応用システムのための工学技術(機械学習工学)がどこまで対応できるのかを解説し、今後の研究開発の展望を示す。
ゼロからはじめるプロダクトマネージャー生活
ゼロからはじめるプロダクトマネージャー生活
Takaaki Umada
スタートアップやプロダクトの成功に必要な「アイデア×プロダクト×実行×チーム×運」の 5 つの項目について解説した概要のスライドです。急成長するプロダクトの初期に役立てていただければと思います。 プロダクトマネージャーやスタートアップの CEO の方向けにどうぞ。 ※ Japan Product Manager Conference 2016 の登壇資料です
ChatGPTのビジネス活用とセキュリティ
ChatGPTのビジネス活用とセキュリティ
Daisuke Masubuchi
第2回 GPT / ジェネレーティブAI 勉強会 ChatGPTのビジネス活用とセキュリティ 増渕大輔
Counterfaual Machine Learning(CFML)のサーベイ
Counterfaual Machine Learning(CFML)のサーベイ
ARISE analytics
反実仮想機械学習の入門を兼ねたサーベイ資料 反実仮想機械学習に関する単独の解説資料をベースに、つながりが良くなるように整理した(つもり)。初学者の理解の手助けになれば幸いです。
データ分析コンテストとデータサイエンティストの働きかた
データ分析コンテストとデータサイエンティストの働きかた
Ken'ichi Matsui
教育デザインと情報メディアを考えるシンポジウム2019 発表資料 「データ分析コンテストとデータサイエンティストの働きかた」 2019.12.14 SAT 青山学院大学 青山キャンパス 主催|青山学院大学附置情報メディアセンター
いまさら聞けない機械学習の評価指標
いまさら聞けない機械学習の評価指標
圭輔 大曽根
現在は機械学習ライブラリが充実しており、また、教師データの獲得も容易になっています。 そのため、機械学習のビジネス利用への敷居が下がっています。 予測や分類といった問題を解く際には、設定した課題に対してどのモデルが最も適しているかを評価するための指標(評価関数)が必要になります。 Kaggle(([有名なデータサイエンスのコンペティション](https://www.kaggle.com)))などでは評価指標が定まっていますが、実ビジネスで機械学習を応用する際には自ら評価指標を設定する必要があります。 しかし、適切な評価関数を選ぶのは初学者には難しく、またビジネスの問題設定、目的意識によっても異なります。 さらに、オフラインでの予測はユーザの実際の行動予測とはギャップがある 場合もあります。 [1] Data-Driven Metric Development for Online Controlled Experiments: Seven Lessons Learned Xiaolin Shi*, Yahoo Labs; Alex Deng, Microsoft; KDD '16 [2] 情報検索の基礎 Christopher D.Manning (著), Prabhakar Raghavan (著), Hinrich Schutze (著) 岩野 和生ら (翻訳), 共立出版 2012 [3] kaggle: https://www.kaggle.com/ そこで、多くある評価関数のうち代表的なものを幾つかをまとめました。
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
Takahiro Kubo
Dataset Distillationの解説
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
Takahiro Kubo
"Tying Word Vectors and Word Classifiers: A Loss Framework for Language Modeling"の解説
More Related Content
What's hot
20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
Preferred Networks
2018年1月15日の東京大学医学部機能生物学セミナーでの岡野原大輔の講演資料です。 最後の参考文献を修正しました。 修正版はこちらです。 https://www.slideshare.net/pfi/20180115-87025513
機械学習システムを受託開発 する時に気をつけておきたい事
機械学習システムを受託開発 する時に気をつけておきたい事
BrainPad Inc.
「ブレインパッドとエウレカが語る、データ分析と機械学習の活用」資料
大規模スクラムの失敗から学んだこと #AgileJapan2015
大規模スクラムの失敗から学んだこと #AgileJapan2015
Itsuki Sakitsu
AgileJapan 2015講演資料
探索的テスト入門
探索的テスト入門
H Iseri
ChatGPTがもたらす未来予測
ChatGPTがもたらす未来予測
Koji Fukuoka
ChatGPTの誕生経緯・特徴、それによるインパクトを予測
失敗から学ぶデータ分析グループのチームマネジメント変遷
失敗から学ぶデータ分析グループのチームマネジメント変遷
Tokoroten Nakayama
デブサミ秋2015の発表資料 http://codezine.jp/article/detail/9026
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
社内勉強会でAndrew Ng先生が提唱するData-Centric AIについて紹介した際の資料です。
強化学習の基礎的な考え方と問題の分類
強化学習の基礎的な考え方と問題の分類
佑 甲野
グリー開発本部 Meetup #2 ゲーム x 強化学習エンジニアリングで発表させていただいた際の資料です. 当日の発表では一部,こちら (https://www.slideshare.net/yukono1/ss-102843951) の内容は使っているので,合わせてご覧になっていただければと思います.
ひたすら楽してスライド作成
ひたすら楽してスライド作成
Masanori Morise
スライド作成が「苦手」な学部生・大学院生を対象とした,指導教員に怒られない「ほどほど」のクオリティでプレゼン用スライドを作成する手引きです.
機械学習による変形ARマーカの位置・姿勢推定, 電気・電子・情報関係学会東海支部連合大会, 2021
機械学習による変形ARマーカの位置・姿勢推定, 電気・電子・情報関係学会東海支部連合大会, 2021
MILab
題目 :機械学習による変形ARマーカの位置・姿勢推定 学会名 :電気・電子・情報関係学会東海支部連合大会 学会の開催期間:2021年 9月7~8日 著者 :榎元洋平, 山内 悠嗣 発表文献 :https://cumil.org/?p=865
【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
XAI技術の効能を ユーザ実験で評価した研究(一部)のまとめ
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
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
Takayuki Itoh
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 ※タイトルはだいぶ大げさです(釣りといってもいいレベル)
強化学習技術とゲーム AI 〜 今できる事と今後できて欲しい事 〜
強化学習技術とゲーム AI 〜 今できる事と今後できて欲しい事 〜
佑 甲野
SHIBUYA Synapse #2 ( https://shibuya.ai/ ) での登壇資料を,公開用に編集.
事業のグロースを支えるDataOpsの現場 #DataOps #DevSumi #デブサミ
事業のグロースを支えるDataOpsの現場 #DataOps #DevSumi #デブサミ
@yuzutas0 Yokoyama
元スライド https://speakerdeck.com/yuzutas0/20180727 Developers Summit 2018 Summer 【C-1】の発表資料です。 https://event.shoeisha.jp/devsumi/20180727/session/1764/ データの民主化、データ基盤の構築、分析チームの立ち上げ、機械学習プロジェクト。世を見渡せばキラキラした事例に溢れています。 しかし、いざ自分たちでやろうとしてもなかなか上手くいきません。理想に辿り着くためには、泥臭い過程が存在します。 本セッションでは「登り方や道のりを知りたいんだ!」という方に向けて、DataOpsの観点から案件・システム・プロセス・文化・組織をエンジニアリングしてきた現場のリアルをご紹介します。 データ活用に携わる全てのエンジニアが今すぐ行動するためのヒントを持ち帰っていただければ幸いです。 以下のブログで補足・裏話を掲載しています。 - http://yuzutas0.hatenablog.com/entry/2018/08/13/083000 - https://recruit-tech.co.jp/blog/2018/08/10/developers_summit_summer2018/ 追記:数あるセッションの中で、アンケート満足度No.1をいただきました。誠にありがとうございます!
機械学習応用システムの安全性の研究動向と今後の展望
機械学習応用システムの安全性の研究動向と今後の展望
Nobukazu Yoshioka
近年のビックデータや機械学習のアルゴリズムや開発環境の発展により、多くのシステムが機械学習を利用して開発されてきている。特に複雑な特徴量やルールをビックデータから自動投出する深層学習は、人の精度を超えている。そのため、これまでにない高度なシステムを構築可能になってきている。 しかしながら、深層学習が導出したルールやそのネットワーク構造は非常に複雑であり、どのような判断をしているのかの解釈性が低く、そのシステムの安全性を保証することが困難である。 本講演では、深層学習によって訓練した訓練済みモデルを組み込んだシステムに関して、その安全性(セーフティおよびセキュリティ)の担保の難しさを自動運転の事例で整理し、機械学習応用システムのための工学技術(機械学習工学)がどこまで対応できるのかを解説し、今後の研究開発の展望を示す。
ゼロからはじめるプロダクトマネージャー生活
ゼロからはじめるプロダクトマネージャー生活
Takaaki Umada
スタートアップやプロダクトの成功に必要な「アイデア×プロダクト×実行×チーム×運」の 5 つの項目について解説した概要のスライドです。急成長するプロダクトの初期に役立てていただければと思います。 プロダクトマネージャーやスタートアップの CEO の方向けにどうぞ。 ※ Japan Product Manager Conference 2016 の登壇資料です
ChatGPTのビジネス活用とセキュリティ
ChatGPTのビジネス活用とセキュリティ
Daisuke Masubuchi
第2回 GPT / ジェネレーティブAI 勉強会 ChatGPTのビジネス活用とセキュリティ 増渕大輔
Counterfaual Machine Learning(CFML)のサーベイ
Counterfaual Machine Learning(CFML)のサーベイ
ARISE analytics
反実仮想機械学習の入門を兼ねたサーベイ資料 反実仮想機械学習に関する単独の解説資料をベースに、つながりが良くなるように整理した(つもり)。初学者の理解の手助けになれば幸いです。
データ分析コンテストとデータサイエンティストの働きかた
データ分析コンテストとデータサイエンティストの働きかた
Ken'ichi Matsui
教育デザインと情報メディアを考えるシンポジウム2019 発表資料 「データ分析コンテストとデータサイエンティストの働きかた」 2019.12.14 SAT 青山学院大学 青山キャンパス 主催|青山学院大学附置情報メディアセンター
いまさら聞けない機械学習の評価指標
いまさら聞けない機械学習の評価指標
圭輔 大曽根
現在は機械学習ライブラリが充実しており、また、教師データの獲得も容易になっています。 そのため、機械学習のビジネス利用への敷居が下がっています。 予測や分類といった問題を解く際には、設定した課題に対してどのモデルが最も適しているかを評価するための指標(評価関数)が必要になります。 Kaggle(([有名なデータサイエンスのコンペティション](https://www.kaggle.com)))などでは評価指標が定まっていますが、実ビジネスで機械学習を応用する際には自ら評価指標を設定する必要があります。 しかし、適切な評価関数を選ぶのは初学者には難しく、またビジネスの問題設定、目的意識によっても異なります。 さらに、オフラインでの予測はユーザの実際の行動予測とはギャップがある 場合もあります。 [1] Data-Driven Metric Development for Online Controlled Experiments: Seven Lessons Learned Xiaolin Shi*, Yahoo Labs; Alex Deng, Microsoft; KDD '16 [2] 情報検索の基礎 Christopher D.Manning (著), Prabhakar Raghavan (著), Hinrich Schutze (著) 岩野 和生ら (翻訳), 共立出版 2012 [3] kaggle: https://www.kaggle.com/ そこで、多くある評価関数のうち代表的なものを幾つかをまとめました。
What's hot
(20)
20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
機械学習システムを受託開発 する時に気をつけておきたい事
機械学習システムを受託開発 する時に気をつけておきたい事
大規模スクラムの失敗から学んだこと #AgileJapan2015
大規模スクラムの失敗から学んだこと #AgileJapan2015
探索的テスト入門
探索的テスト入門
ChatGPTがもたらす未来予測
ChatGPTがもたらす未来予測
失敗から学ぶデータ分析グループのチームマネジメント変遷
失敗から学ぶデータ分析グループのチームマネジメント変遷
Data-Centric AIの紹介
Data-Centric AIの紹介
強化学習の基礎的な考え方と問題の分類
強化学習の基礎的な考え方と問題の分類
ひたすら楽してスライド作成
ひたすら楽してスライド作成
機械学習による変形ARマーカの位置・姿勢推定, 電気・電子・情報関係学会東海支部連合大会, 2021
機械学習による変形ARマーカの位置・姿勢推定, 電気・電子・情報関係学会東海支部連合大会, 2021
【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
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
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
強化学習技術とゲーム AI 〜 今できる事と今後できて欲しい事 〜
強化学習技術とゲーム AI 〜 今できる事と今後できて欲しい事 〜
事業のグロースを支えるDataOpsの現場 #DataOps #DevSumi #デブサミ
事業のグロースを支えるDataOpsの現場 #DataOps #DevSumi #デブサミ
機械学習応用システムの安全性の研究動向と今後の展望
機械学習応用システムの安全性の研究動向と今後の展望
ゼロからはじめるプロダクトマネージャー生活
ゼロからはじめるプロダクトマネージャー生活
ChatGPTのビジネス活用とセキュリティ
ChatGPTのビジネス活用とセキュリティ
Counterfaual Machine Learning(CFML)のサーベイ
Counterfaual Machine Learning(CFML)のサーベイ
データ分析コンテストとデータサイエンティストの働きかた
データ分析コンテストとデータサイエンティストの働きかた
いまさら聞けない機械学習の評価指標
いまさら聞けない機械学習の評価指標
Similar to ESG評価を支える自然言語処理基盤の構築
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
Takahiro Kubo
Dataset Distillationの解説
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
Takahiro Kubo
"Tying Word Vectors and Word Classifiers: A Loss Framework for Language Modeling"の解説
オープンソースカンファレンスBi勉強会20141018
オープンソースカンファレンスBi勉強会20141018
Hisashi Nakayama
オープンソースBIご紹介
中小企業におけるSDGsの活用方法~国内外の動向と活用に向けたステップ・活用事例紹介~
中小企業におけるSDGsの活用方法~国内外の動向と活用に向けたステップ・活用事例紹介~
Kentaro Imai
中小企業におけるSDGsの活用方法~国内外の動向と活用に向けたステップ・活用事例紹介~
Machine learning 15min TensorFlow hub
Machine learning 15min TensorFlow hub
Junya Kamura
第28回 Machine Learning 15minutes! 発表資料
EMNLP2018 Overview
EMNLP2018 Overview
Takahiro Kubo
EMNLP2018の概要
あるべきESG投資の評価に向けた、自然言語処理の活用
あるべきESG投資の評価に向けた、自然言語処理の活用
Takahiro Kubo
ESG投資の評価に対する、自然言語処理の活用について @ CCSE2019
TIS 戦略技術センター AI技術推進室紹介
TIS 戦略技術センター AI技術推進室紹介
Takahiro Kubo
TIS 戦略技術センター AI技術推進室紹介
PMI日本フォーラム2019 講演資料 iti奥田智洋
PMI日本フォーラム2019 講演資料 iti奥田智洋
it-innovation
PMI日本フォーラム2019 講演資料 iti奥田智洋
ITガバナンス強化
ITガバナンス強化
コシキ・バリューハブ株式会社/KOSHIKI ValueHub
【産業技術総合研究所】平成19年環境報告書2007
【産業技術総合研究所】平成19年環境報告書2007
env11
110518_本気で考える! I T人財育成研究部会 討議資料
110518_本気で考える! I T人財育成研究部会 討議資料
kashima yasuyuki
事例から見る人工知能の現在と、企業における活用方法
事例から見る人工知能の現在と、企業における活用方法
Junya Kamura
千葉エリア日本大学新技術説明会 地域を作る大学、未来を磨く人工知能 基調講演資料
Machine learningbootstrap For Business
Machine learningbootstrap For Business
Takahiro Kubo
機械学習の概要と、そのビジネス適用について
デブサミ2013【14-B-1】 3つの世界:エンタープライズ、ソーシャル/ゲーム、スタートアップ(三谷慶一郎氏)
デブサミ2013【14-B-1】 3つの世界:エンタープライズ、ソーシャル/ゲーム、スタートアップ(三谷慶一郎氏)
Developers Summit
日本のIT業界は2つの世界に袂を分かったようにみえる。経済不況に苦しみながらも大 資本の体力をいまだ有し、システムの高品質、高可用性を追求し、ときに高コ ストを厭わないエンタープライズの世界。一方で、熾烈な競争を生き残るために、新 テクノロジーを積極的にとりいれ、低コスト&スピードを重視するソーシャル/ ゲームの世界。そして、新しいフロンティアを創りあげようと気を吐くスタートアッ プも日本では今年が元年といわれておりその世界観がみえてきた。所属する世界に おける課題の本質が見えるのは、より抽象度の高い視点で全体から部分を観たとき。 このセッションでは、異なる世界にすむ第一人者から、それぞれの世界の魅力と チャレンジを存分に語ってもらう。自らが属する世界から距離をとって眺めることで、 自分の世界に改めて出会えるかもしれない。
[G-Tech2015]攻めのIT経営銘柄に選ばれたアサヒグループホールディングス様の基幹刷新への取り組み ~MCFrameによる基幹システム刷新事例 F...
[G-Tech2015]攻めのIT経営銘柄に選ばれたアサヒグループホールディングス様の基幹刷新への取り組み ~MCFrameによる基幹システム刷新事例 F...
Trainocate Japan, Ltd.
2015年10月16日(東京)に開催いたしましたグローバルナレッジの特別セミナー『G-Tech 2015』における、株式会社インテックの中村浩司氏による講演資料です。
「人工知能」との正しい付き合い方
「人工知能」との正しい付き合い方
Takahiro Kubo
・キーワードの整理 人工知能とは 機械学習とは ディープラーニングとは 機械学習の仕組みを知る ・機械学習の仕組み 機械学習のバリエーション 機械学習にできること、できないこと 機械学習を活用する ・機械学習の活用事例 機械学習の活用に向けた、プロジェクトの推進方法 機械学習の活用に必要な人材 ・おわりに
Open Innovation -Driving the next wave of growth-
Open Innovation -Driving the next wave of growth-
Kazuaki ODA
Open Innovation -Driving the next wave of growth-
ビジネスに貢献するIT部門への変革に必要な3つのポイント
ビジネスに貢献するIT部門への変革に必要な3つのポイント
UNIRITA Incorporated
<目次> 1.BSPの提唱するコンセプト 2.運用レスの実現による価値創出 3.サービス資産アセスメント 4.(価値分析)サービス資産×価値⇒IT戦略の実現 5.全体最適化を図るITサービスの戦略的プランニング 6.運用レスによる価値の創出、SMOによるITSMの実現 BSP: http://www.bsp.jp/ BBTV: http://www.bsp.jp/seminar/bbtv/index.html
【会社概要資料】STC.pdf
【会社概要資料】STC.pdf
KosukeWada1
弊社は、各業界の大手企業様に対して、DX戦略立案~業務改革~システム導入などの支援実績がある、創業4年目のコンサルティング会社です。
Similar to ESG評価を支える自然言語処理基盤の構築
(20)
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
オープンソースカンファレンスBi勉強会20141018
オープンソースカンファレンスBi勉強会20141018
中小企業におけるSDGsの活用方法~国内外の動向と活用に向けたステップ・活用事例紹介~
中小企業におけるSDGsの活用方法~国内外の動向と活用に向けたステップ・活用事例紹介~
Machine learning 15min TensorFlow hub
Machine learning 15min TensorFlow hub
EMNLP2018 Overview
EMNLP2018 Overview
あるべきESG投資の評価に向けた、自然言語処理の活用
あるべきESG投資の評価に向けた、自然言語処理の活用
TIS 戦略技術センター AI技術推進室紹介
TIS 戦略技術センター AI技術推進室紹介
PMI日本フォーラム2019 講演資料 iti奥田智洋
PMI日本フォーラム2019 講演資料 iti奥田智洋
ITガバナンス強化
ITガバナンス強化
【産業技術総合研究所】平成19年環境報告書2007
【産業技術総合研究所】平成19年環境報告書2007
110518_本気で考える! I T人財育成研究部会 討議資料
110518_本気で考える! I T人財育成研究部会 討議資料
事例から見る人工知能の現在と、企業における活用方法
事例から見る人工知能の現在と、企業における活用方法
Machine learningbootstrap For Business
Machine learningbootstrap For Business
デブサミ2013【14-B-1】 3つの世界:エンタープライズ、ソーシャル/ゲーム、スタートアップ(三谷慶一郎氏)
デブサミ2013【14-B-1】 3つの世界:エンタープライズ、ソーシャル/ゲーム、スタートアップ(三谷慶一郎氏)
[G-Tech2015]攻めのIT経営銘柄に選ばれたアサヒグループホールディングス様の基幹刷新への取り組み ~MCFrameによる基幹システム刷新事例 F...
[G-Tech2015]攻めのIT経営銘柄に選ばれたアサヒグループホールディングス様の基幹刷新への取り組み ~MCFrameによる基幹システム刷新事例 F...
「人工知能」との正しい付き合い方
「人工知能」との正しい付き合い方
Open Innovation -Driving the next wave of growth-
Open Innovation -Driving the next wave of growth-
ビジネスに貢献するIT部門への変革に必要な3つのポイント
ビジネスに貢献するIT部門への変革に必要な3つのポイント
【会社概要資料】STC.pdf
【会社概要資料】STC.pdf
More from Takahiro Kubo
国際会計基準(IFRS)適用企業の財務評価方法
国際会計基準(IFRS)適用企業の財務評価方法
Takahiro Kubo
国際会計基準(IFRS)適用企業の財務評価方法
自然言語処理で新型コロナウィルスに立ち向かう
自然言語処理で新型コロナウィルスに立ち向かう
Takahiro Kubo
Structure First approach will be needed for NLP in crisis
arXivTimes Review: 2019年前半で印象に残った論文を振り返る
arXivTimes Review: 2019年前半で印象に残った論文を振り返る
Takahiro Kubo
arXivTimes Review: 2019年前半で印象に残った論文を振り返る
Expressing Visual Relationships via Language: 自然言語による画像編集を目指して
Expressing Visual Relationships via Language: 自然言語による画像編集を目指して
Takahiro Kubo
Expressing Visual Relationships via Language: 自然言語による画像編集を目指して
Reinforcement Learning Inside Business
Reinforcement Learning Inside Business
Takahiro Kubo
強化学習のビジネス適用に挑戦する現場より
nlpaper.challenge NLP/CV交流勉強会 画像認識 7章
nlpaper.challenge NLP/CV交流勉強会 画像認識 7章
Takahiro Kubo
nlpaper.challenge NLP/CV交流勉強会での発表資料 画像認識 7章: 物体検出 https://nlpaper-challenge.connpass.com/event/125043/
Curiosity may drives your output routine.
Curiosity may drives your output routine.
Takahiro Kubo
Weekly Machine Learningをはじめた理由と継続している理由などについての話
2018年12月4日までに『呪術廻戦』を読む理由
2018年12月4日までに『呪術廻戦』を読む理由
Takahiro Kubo
2018年12月4日までに『呪術廻戦』を読む理由
Graph Attention Network
Graph Attention Network
Takahiro Kubo
arXivTimes輪講: 2018/9/20
ACL2018の歩き方
ACL2018の歩き方
Takahiro Kubo
ACL2018の内容と採択論文の傾向について
機械学習で泣かないためのコード設計 2018
機械学習で泣かないためのコード設計 2018
Takahiro Kubo
機械学習モデルを作成する際のコード設計についての解説
TISにおける、研究開発の方針とメソッド 2018
TISにおける、研究開発の方針とメソッド 2018
Takahiro Kubo
TIS戦略技術センターの自然言語処理チーム(chakki)の研究開発の方針と、マネジメント方法をまとめた資料
感情の出どころを探る、一歩進んだ感情解析
感情の出どころを探る、一歩進んだ感情解析
Takahiro Kubo
Aspect Based Sentiment Analysisの導入資料
機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理
Takahiro Kubo
Dependency management to overcome the high interest credit card.
画像認識モデルを自動的に作る。1日以内に。~Simple And Efficient Architecture Search for Convolutio...
画像認識モデルを自動的に作る。1日以内に。~Simple And Efficient Architecture Search for Convolutio...
Takahiro Kubo
arXivTimes輪講 2017/12/20資料
技術文書を書く際の、心技体<改訂版>
技術文書を書く際の、心技体<改訂版>
Takahiro Kubo
本資料は、技術文書を書くためのテクニックについて書かれた文書です。 解説は、心・技・体の3つの点から行います。 心:技術文書を書くときの心構え 技:技術文章の書き方 体:技術文章のネタを育てる方法 書く前に「心」を整え、「技」でもって育てたネタ「体」を読み手に届ける、という流れです。解説もこの順に沿って行っていきます。
kintone evangelist meetup 2017
kintone evangelist meetup 2017
Takahiro Kubo
kintone evangelist meetup 2017での発表資料
深層学習の判断根拠を理解するための 研究とその意義 @PRMU 2017熊本
深層学習の判断根拠を理解するための 研究とその意義 @PRMU 2017熊本
Takahiro Kubo
深層学習の判断根拠を理解する手法について、その意義と種別を紹介する
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
Takahiro Kubo
機械学習を活用するために必要な3つの要素であるツール・データ、そして「データリテラシー」についての解説。そして、重要な要素の一つであるデータリテラシーを使いながら習得できるツールであるkaruraのデモ
kintone Café 大阪 Vol.13 〜karuraで学ぶ、機械学習の活かし方〜
kintone Café 大阪 Vol.13 〜karuraで学ぶ、機械学習の活かし方〜
Takahiro Kubo
kintoneに組み込める機械学習のプラグインであるkaruraを利用し、機械学習の活用方法を学ぼう
More from Takahiro Kubo
(20)
国際会計基準(IFRS)適用企業の財務評価方法
国際会計基準(IFRS)適用企業の財務評価方法
自然言語処理で新型コロナウィルスに立ち向かう
自然言語処理で新型コロナウィルスに立ち向かう
arXivTimes Review: 2019年前半で印象に残った論文を振り返る
arXivTimes Review: 2019年前半で印象に残った論文を振り返る
Expressing Visual Relationships via Language: 自然言語による画像編集を目指して
Expressing Visual Relationships via Language: 自然言語による画像編集を目指して
Reinforcement Learning Inside Business
Reinforcement Learning Inside Business
nlpaper.challenge NLP/CV交流勉強会 画像認識 7章
nlpaper.challenge NLP/CV交流勉強会 画像認識 7章
Curiosity may drives your output routine.
Curiosity may drives your output routine.
2018年12月4日までに『呪術廻戦』を読む理由
2018年12月4日までに『呪術廻戦』を読む理由
Graph Attention Network
Graph Attention Network
ACL2018の歩き方
ACL2018の歩き方
機械学習で泣かないためのコード設計 2018
機械学習で泣かないためのコード設計 2018
TISにおける、研究開発の方針とメソッド 2018
TISにおける、研究開発の方針とメソッド 2018
感情の出どころを探る、一歩進んだ感情解析
感情の出どころを探る、一歩進んだ感情解析
機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理
画像認識モデルを自動的に作る。1日以内に。~Simple And Efficient Architecture Search for Convolutio...
画像認識モデルを自動的に作る。1日以内に。~Simple And Efficient Architecture Search for Convolutio...
技術文書を書く際の、心技体<改訂版>
技術文書を書く際の、心技体<改訂版>
kintone evangelist meetup 2017
kintone evangelist meetup 2017
深層学習の判断根拠を理解するための 研究とその意義 @PRMU 2017熊本
深層学習の判断根拠を理解するための 研究とその意義 @PRMU 2017熊本
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
kintone Café 大阪 Vol.13 〜karuraで学ぶ、機械学習の活かし方〜
kintone Café 大阪 Vol.13 〜karuraで学ぶ、機械学習の活かし方〜
ESG評価を支える自然言語処理基盤の構築
1.
Copyright © TIS
Inc. All rights reserved. ESG評価を支える自然言語処理基盤の構築 戦略技術センター 久保隆宏
2.
Copyright © TIS
Inc. All rights reserved. 2 Agenda ESG投資とは ESG評価の課題 自然言語処理による支援 課題
3.
Copyright © TIS
Inc. All rights reserved. 3 久保隆宏 TIS株式会社 戦略技術センター 化学系メーカーの業務コンサルタント出身 既存の技術では業務改善を行える範囲に限界があるとの実感から、戦 略技術センターへと異動 現在は会計/投資の現場で使える要約の実現を目指し、主にESG投資へ の活用をテーマに研究中。 自己紹介 チュートリアル講演:深層学習 の判断根拠を理解するための研 究とその意義(@PRMU 2017) 機械学習をシステムに組み込む 際の依存性管理について (@MANABIYA 2018) あるべきESG投資の評価に向け た、自然言語処理の活用 (@CCSE 2019)
4.
Copyright © TIS
Inc. All rights reserved. 4 ESG投資とは (1/4) E: Environment S: Social G: Governance 年金積立金管理運用独立行政法人: ESG投資より 売上や利益だけでなく、ESG(=環境/社会/ガバナンス)に関する取り組み を評価する投資。
5.
Copyright © TIS
Inc. All rights reserved. 5 ESG投資とは (2/4) 80兆ドルを超える資産がESGを加味して運用されている(2019年)。 日本の国家予算の約84年分 About the PRI 日本の年金(厚生年金/国民年金)の運用を担うGPIF(年金積立金管理運用独 立行政法人)でもESGを考慮している (参考)。 あなたの年金も、(部分的には)ESG投資で運用されている ESGを考慮します という運用機関 ESGが考慮され た資産運用残高
6.
Copyright © TIS
Inc. All rights reserved. 6 ESG投資とは (3/4) 「ESGを考慮する」とは具体的に?
7.
Copyright © TIS
Inc. All rights reserved. 7 ESG投資とは (4/4) 7つの手法がある。 手法名 概要 ネガティブ・スクリーニング ESG評価が低い企業を除外する ポジティブ・スクリーニング ESG評価が高い企業を組み入れたり、比率を上げる 規範に基づくスクリーニング 国際的な規範に反する企業を除外する インテグレーション 通常の投資基準(経営方針、財務etc)に+ESGを考慮する エンゲージメント 投資先との対話/議決権行使でESG活動を促す テーマ投資 ESGの特定テーマ(気候変動etc)に投資する インパクト投資 ESに貢献する技術/サービス開発企業へ投資する 手法としてはスクリーニング、イ ンテグレーションが多い。 いずれにしてもなんらかの「ESG評価」をベースとしている。
8.
Copyright © TIS
Inc. All rights reserved. 8 ESG評価の課題 (1/4) 様々な評価機関がスコアを算出し、公開している。 MSCI ESG Ratings FTSE Russells ESG ratings Thomson Reuters Asset4 これらのスコアをベースにESG投資が行われている。 (各投資会社が、独自に企業のESGを評価する体力はない。) 投資パフォーマンスとの関係も、スコアを基に検証されているが・・・
9.
Copyright © TIS
Inc. All rights reserved. 9 ESG評価の課題 (2/4) 各評価機関のスコアに、相関がない(上図はFTSE/MSCIのスコア相関)。 もちろん評価機関ごとに評価基準は異なる。 しかし、評価の属人性も見過ごせない要因となっている。 ESG 開示スコアとパフォーマンス
10.
Copyright © TIS
Inc. All rights reserved. 10 ESG評価の課題 (3/4) ESGの取り組みについて書かれた文書(統合報告書)の例(弊社) 数十~百ページ近くあるところもある(×会社数) これを人が読んで評価(ダブルチェックを行う場合もある)
11.
Copyright © TIS
Inc. All rights reserved. 11 ESG評価の課題 (4/4) マンパワーのみでESG評価をこなすには限界がある。 各評価会社には大きな負荷がかかっている。 企業側も評価のチェックが負担になっている。 評価漏れなどが多く含まれるため。 評価のばらつきは、ESG投資自体の存続意義にも関わる。 機械化により、低コストで一定レベルの評価をできないか? 文書評価のサポート =自然言語処理の出番!
12.
Copyright © TIS
Inc. All rights reserved. 12 自然言語処理による支援 自然言語処理による支援として、以下3点を実施する。 文書データの収集 評価対象となる文・段落の絞り込み 自動評価 支援アプローチの全体像 CSR/統合報告書 有価証券報告書等 文書データの 収集 文書データの 整形・整理 テキスト・データ項目の抽出 PDFのテキスト化等 自然言語処理 モデル 文書データと、フィー ドバックから学習 +ルール 評価担当者からの フィードバック
13.
Copyright © TIS
Inc. All rights reserved. 13 自然言語処理による支援: 文書データの収集 (1/3) 文書リスト取得 文書取得 XBRL/PDF メタデータ 年次報告書(有価証券報告書) の抽出 一覧の取得 文書取得 CSRポータル サイト Lambdaで一覧を取得、 各文書はSQSを使い並列で取得、 が基本の流れ(StepFunctionでJOB化)。
14.
Copyright © TIS
Inc. All rights reserved. 14 自然言語処理による支援: 文書データの収集 (2/3) 決算書情報・CSR報告書・統合報告書 のメタデータと、決算書数値・株価の 情報をすべて合わせてビュー化。一覧 で見られるように加工。 S3のテーブル化にはGlue Crawler、 ビュー作成にはAthenaを使用。 年次報告書 年次報告書 ビュー CSR報告書 CSR報告書 ビュー 統合ビュー 決算数値データ 株価データ 年集計株価データ 作成したデータ5年分を、 近日無償公開予定です!
15.
Copyright © TIS
Inc. All rights reserved. 15 自然言語処理による支援: 文書データの収集 (3/3) AWSによるデータ収集基盤構築のあれこれ StepFunction or Glue データを集める場合はSQSからのLambdaが便利。 データを見る場合はAthenaが便利。 S3のファイルを直で見られるが、パーティションでデータを区切りたい 場合、データ型を付与したい場合、Glueのデータカタログが必要。 Lambdaを呼び出せるStepFunctionか公式ETLのGlueか? 基本はStepFunctionで構築してGlue Crawlerを呼ぶ方式を採用。 Crawlerを起動するジョブをStepFunctionから起動する。 Lambda or ECS 処理の軽重、使用ライブラリの重さで切り分け。 稼働監視 AthenaとCloudWatchを統合できないのが不便(ダブルで見る)。
16.
Copyright © TIS
Inc. All rights reserved. 16 自然言語処理による支援:評価対象となる文・段落の絞り込み プロトタイプを作成し、評価会社様と共同で検証予定。 対象セクターなどを絞り込み中。
17.
Copyright © TIS
Inc. All rights reserved. 17 課題 (1/2) CSR報告書・統合報告書の収集。 ESG評価におけるメインの情報源。 各社各様の場所・仕様で公開しており集めにくい・解析しにくい。 綺麗なレポートよりも解析しやすいレポートを書きましょう! (ESG評価はレポートの見た目では変わりません!)。 評価担当者はあなたの会社だけ見てるわけではないのです。
18.
Copyright © TIS
Inc. All rights reserved. 18 課題 (2/2) 自然言語処理登場までの道のりは長い。 データ収集 営業 プロトタイプ開発 評価実験(まずルール) 自然言語処理!! その辺に転がっているデータで価値が出ることはほぼない。 専門知識なしにアノテーションできることで価値が出ることもあまりない。 自社内にデータがなければ、端正にデータを集めることがスタート地点?
19.
THANK YOU
Download now