International Conference on Machine Learning 2019 ＠Long Beach Convention Center ICML４日目（本会議３日目）ともなると、さすがにヘロヘロなのでボリュームダウンです。 Fairness系のセッションが２つありましたね。

1. 岡本大和
ICML2019＠Long Beach
参加速報(4日目)

2. はじめに
 本資料はICML’19の様子をお伝えするための資料です
 どこでどんな研究がされているのかメモしたインデック
ス用途を目指しています
 深い理解を希望する方は論文と動画が公式サイトから
公開される（はず）なのでそちらをご覧ください
つまるところ師匠のマネをしたかっただｋ

3. ICML2019 開催概要
International Conference on Machine Learning 2019
・Tutorial (6/10)
・Conference Session (6/11~6/13) ←ここ
・Workshop (6/14~6/15)
Queer in AIのイベントに顔出してきたら会場がｳｪｰｲだった(´・ω・`)

4. Invited talk: Alison Gopnik:
What 4 year olds can do and AI can’t (yet)
• 子供の思考や学習からAIのヒントを得ようというよくある内容
• Explore(リスクを取って探索すること)とExploit(ええ感じにやること)のトレー
ドオフを子供時代に学習しているという仮説
• 大人に比べて子供は失敗を恐れないって言いますし、納得感はある

5. 【Invited talk: : Best Paper】Rates of Convergence
for Sparse Variational Gaussian Process Regression
• ラグビー名門のケンブリッジ大学さんじゃないっすか！！
• 学習データ量Nのとき計算量がO(N3)になる従来の課題にAttack
• ガウス過程回帰に対するスパース近似をええ感じにしたようですが、
かじった程度の私には理解が困難（積読行きです）
資料：https://arxiv.org/pdf/1903.03571.pdf

6. Agnostic Federated Learning
• 『何に対してAgnosticなんだ？まさかModel-Agnostic!?』と思って聞
いてみたらTrainするときとInferenceするときのデータ量の差だった
 where the centralized model is optimized for any target distribution
formed by a mixture of the client distributions.
• 圧倒的なデータ量のクライアントがいたらそこに引っ張られちゃうので
全クライアント（途中からドメインと呼び換えていた）で均等にうまく
いくよう学習するというもの
資料：https://icml.cc/media/Slides/icml/2019/102(13-16-00)-13-16-30-5038-agnostic_federa.pdf

7. Fairness
• 昨年のBest PaperはFairness関連でしたし、この分野の研究が増えてま
すね
• まとめようと思ったけど、このあたりで力尽きました、また今度、、、
（とりあえずメモ代わりに面白そうだった研究を貼っておきます）
資料：https://icml.cc/media/Slides/icml/2019/seasideball(13-11-00)-13-11-00-4851-proportionally_.pdf

8. おまけ
• う～ん、Tutorialも含めて４日目ともなると、さすがに疲れが、、
 それ故に明らかなボリュームダウン・・・
• 会議終了後は現地の皆様とNBAプレーオフを観戦していました