Submit Search
Upload
NIPS2017概要
•
3 likes
•
4,327 views
Shohei Hido
Follow
2017/01/21 NIPS2017読み会@PFN NIPS2017概要発表資料 by 比戸将平 https://connpass.com/event/76552/
Read less
Read more
Technology
Report
Share
Report
Share
1 of 11
Download now
Download to read offline
Recommended
ICML2016読み会 概要紹介
ICML2016読み会 概要紹介
Kohei Hayashi
CuPy: A NumPy-compatible Library for GPU
CuPy: A NumPy-compatible Library for GPU
Shohei Hido
Deep Learning Lab 異常検知入門
Deep Learning Lab 異常検知入門
Shohei Hido
ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術
Shohei Hido
機械学習モデルフォーマットの話:さようならPMML、こんにちはPFA
機械学習モデルフォーマットの話:さようならPMML、こんにちはPFA
Shohei Hido
Software for Edge Heavy Computing @ INTEROP 2016 Tokyo
Software for Edge Heavy Computing @ INTEROP 2016 Tokyo
Shohei Hido
Chainer GTC 2016
Chainer GTC 2016
Shohei Hido
How AI revolutionizes robotics and automotive industries
How AI revolutionizes robotics and automotive industries
Shohei Hido
Recommended
ICML2016読み会 概要紹介
ICML2016読み会 概要紹介
Kohei Hayashi
CuPy: A NumPy-compatible Library for GPU
CuPy: A NumPy-compatible Library for GPU
Shohei Hido
Deep Learning Lab 異常検知入門
Deep Learning Lab 異常検知入門
Shohei Hido
ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術
Shohei Hido
機械学習モデルフォーマットの話:さようならPMML、こんにちはPFA
機械学習モデルフォーマットの話:さようならPMML、こんにちはPFA
Shohei Hido
Software for Edge Heavy Computing @ INTEROP 2016 Tokyo
Software for Edge Heavy Computing @ INTEROP 2016 Tokyo
Shohei Hido
Chainer GTC 2016
Chainer GTC 2016
Shohei Hido
How AI revolutionizes robotics and automotive industries
How AI revolutionizes robotics and automotive industries
Shohei Hido
NIPS2015概要資料
NIPS2015概要資料
Shohei Hido
プロダクトマネージャのお仕事
プロダクトマネージャのお仕事
Shohei Hido
あなたの業務に機械学習を活用する5つのポイント
あなたの業務に機械学習を活用する5つのポイント
Shohei Hido
PFIセミナー "「失敗の本質」を読む"発表資料
PFIセミナー "「失敗の本質」を読む"発表資料
Shohei Hido
NIPS2013読み会: More Effective Distributed ML via a Stale Synchronous Parallel P...
NIPS2013読み会: More Effective Distributed ML via a Stale Synchronous Parallel P...
Shohei Hido
機械学習CROSS 後半資料
機械学習CROSS 後半資料
Shohei Hido
機械学習CROSS 前半資料
機械学習CROSS 前半資料
Shohei Hido
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
Shohei Hido
Jubatusが目指すインテリジェンス基盤
Jubatusが目指すインテリジェンス基盤
Shohei Hido
今年のKDDベストペーパーを実装・公開しました
今年のKDDベストペーパーを実装・公開しました
Shohei Hido
さらば!データサイエンティスト
さらば!データサイエンティスト
Shohei Hido
ICML2013読み会 開会宣言
ICML2013読み会 開会宣言
Shohei Hido
ビッグデータはどこまで効率化できるか?
ビッグデータはどこまで効率化できるか?
Shohei Hido
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
Shohei Hido
FIT2012招待講演「異常検知技術のビジネス応用最前線」
FIT2012招待講演「異常検知技術のビジネス応用最前線」
Shohei Hido
データサイエンティストのつくり方
データサイエンティストのつくり方
Shohei Hido
Travis E. Oliphant, "NumPy and SciPy: History and Ideas for the Future"
Travis E. Oliphant, "NumPy and SciPy: History and Ideas for the Future"
Shohei Hido
111015 tokyo scipy2_ディスカッション
111015 tokyo scipy2_ディスカッション
Shohei Hido
111015 tokyo scipy2_additionaldemo_pandas
111015 tokyo scipy2_additionaldemo_pandas
Shohei Hido
111015 tokyo scipy2_discussionquestionaire_i_python
111015 tokyo scipy2_discussionquestionaire_i_python
Shohei Hido
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
More Related Content
More from Shohei Hido
NIPS2015概要資料
NIPS2015概要資料
Shohei Hido
プロダクトマネージャのお仕事
プロダクトマネージャのお仕事
Shohei Hido
あなたの業務に機械学習を活用する5つのポイント
あなたの業務に機械学習を活用する5つのポイント
Shohei Hido
PFIセミナー "「失敗の本質」を読む"発表資料
PFIセミナー "「失敗の本質」を読む"発表資料
Shohei Hido
NIPS2013読み会: More Effective Distributed ML via a Stale Synchronous Parallel P...
NIPS2013読み会: More Effective Distributed ML via a Stale Synchronous Parallel P...
Shohei Hido
機械学習CROSS 後半資料
機械学習CROSS 後半資料
Shohei Hido
機械学習CROSS 前半資料
機械学習CROSS 前半資料
Shohei Hido
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
Shohei Hido
Jubatusが目指すインテリジェンス基盤
Jubatusが目指すインテリジェンス基盤
Shohei Hido
今年のKDDベストペーパーを実装・公開しました
今年のKDDベストペーパーを実装・公開しました
Shohei Hido
さらば!データサイエンティスト
さらば!データサイエンティスト
Shohei Hido
ICML2013読み会 開会宣言
ICML2013読み会 開会宣言
Shohei Hido
ビッグデータはどこまで効率化できるか?
ビッグデータはどこまで効率化できるか?
Shohei Hido
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
Shohei Hido
FIT2012招待講演「異常検知技術のビジネス応用最前線」
FIT2012招待講演「異常検知技術のビジネス応用最前線」
Shohei Hido
データサイエンティストのつくり方
データサイエンティストのつくり方
Shohei Hido
Travis E. Oliphant, "NumPy and SciPy: History and Ideas for the Future"
Travis E. Oliphant, "NumPy and SciPy: History and Ideas for the Future"
Shohei Hido
111015 tokyo scipy2_ディスカッション
111015 tokyo scipy2_ディスカッション
Shohei Hido
111015 tokyo scipy2_additionaldemo_pandas
111015 tokyo scipy2_additionaldemo_pandas
Shohei Hido
111015 tokyo scipy2_discussionquestionaire_i_python
111015 tokyo scipy2_discussionquestionaire_i_python
Shohei Hido
More from Shohei Hido
(20)
NIPS2015概要資料
NIPS2015概要資料
プロダクトマネージャのお仕事
プロダクトマネージャのお仕事
あなたの業務に機械学習を活用する5つのポイント
あなたの業務に機械学習を活用する5つのポイント
PFIセミナー "「失敗の本質」を読む"発表資料
PFIセミナー "「失敗の本質」を読む"発表資料
NIPS2013読み会: More Effective Distributed ML via a Stale Synchronous Parallel P...
NIPS2013読み会: More Effective Distributed ML via a Stale Synchronous Parallel P...
機械学習CROSS 後半資料
機械学習CROSS 後半資料
機械学習CROSS 前半資料
機械学習CROSS 前半資料
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
Jubatusが目指すインテリジェンス基盤
Jubatusが目指すインテリジェンス基盤
今年のKDDベストペーパーを実装・公開しました
今年のKDDベストペーパーを実装・公開しました
さらば!データサイエンティスト
さらば!データサイエンティスト
ICML2013読み会 開会宣言
ICML2013読み会 開会宣言
ビッグデータはどこまで効率化できるか?
ビッグデータはどこまで効率化できるか?
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
FIT2012招待講演「異常検知技術のビジネス応用最前線」
FIT2012招待講演「異常検知技術のビジネス応用最前線」
データサイエンティストのつくり方
データサイエンティストのつくり方
Travis E. Oliphant, "NumPy and SciPy: History and Ideas for the Future"
Travis E. Oliphant, "NumPy and SciPy: History and Ideas for the Future"
111015 tokyo scipy2_ディスカッション
111015 tokyo scipy2_ディスカッション
111015 tokyo scipy2_additionaldemo_pandas
111015 tokyo scipy2_additionaldemo_pandas
111015 tokyo scipy2_discussionquestionaire_i_python
111015 tokyo scipy2_discussionquestionaire_i_python
Recently uploaded
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
Hiroshi Tomioka
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
sugiuralab
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
Recently uploaded
(9)
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
NIPS2017概要
1.
NIPS2017概要 Shohei Hido VP of
Research Preferred Networks
2.
Neural Information Processing
Systems 機械学習・計算論的神経科学のトップ会議 2017年で第30回目 毎年12月上旬に行われる 今年は温暖なカリフォルニア開催 (普段は北米・欧州の寒冷地で開催)
3.
参加者数=8,000人以上 機械学習・深層学習ブームをう過去最大の参加者数 ポスターセッション会場
4.
NIPSに参加するメリットと今回の論文読み会の趣旨 メリット ━ 機械学習の各分野の最新動向がまとめてわかる •
チュートリアル、ポスター発表、シンポジウム ━ 業界の著名人の講演を数多く聞くことができる • 特にワークショップの尖った講演の多くは録画・配信・スライド配布されていない 論文読み会の位置づけ ━ 通常:各発表者の興味ある論文を紹介するx10本程度 • 機械学習の応用広がりすぎて興味を共有することが段々と難しくなっている ━ 今回:+会議参加者のテーマ発表では特定の分野を俯瞰できるように Andrej Kaparthy, Telsa
5.
画像認識から画像生成へ ImageNetの成功により物体検出の精度は成熟しつつある GANをはじめとするリアルな画像生成手法の研究が盛んに
DeNA濱田さん:Generative Adversarial Networks @ NIPS 2017 [Fader Networks, Lample+] [Fisher GAN, Mroueh+]
6.
画像以外の分野での深層学習応用 DeNA森さん: Speech
and Audio @ NIPS2017 PFN大野さん: Machine Learning for Molecules and Materials ワークショップ ML4Audioワークショップ ML for Molecules and Materials ワークショップ
7.
強化学習 Meta-learning・ロボット応用含めて数多くのRL関連・講演 DeNA甲野さん:
Hierarchical Reinforcement Learning @ NIPS2017 PFN藤田さん: Model-based RL (or Deep RL Symposium) Pieter Abbeelの基調講演 Hierarchical RL ワークショップ
8.
機械学習を支えるシステム 機械学習の実応用が広がるにつれてそれを実現するシステムの話題も重要に +深層学習における大規模化・高速化のための分散学習の技術が進展
PFN秋葉さん: Deep learning at supercomputer-scale ワークショップ ML Systemsワークショップの活況 DL + HPCなワークショップ
9.
企業スポンサーの増加と採用活動の活発化 NIPS2006の9社から10倍以上に増加 米国・中国の大手スポンサーブースが立ち並ぶ
大企業主催の学生向けパーティが連夜行われる
10.
ヒト増えすぎ問題:チケットが光速で売り切れた DLブーム&カリフォルニア開催でインダストリー参加者が増えた ワークショップの論文投稿結果待ち、という人は間に合わない、不健全
11.
NIPS 2018: カナダ・モントリオール開催
2014年、2015年と同会場 論文投稿締め切り:5月中旬(推測) 参加登録開始:9月(推測)
Download now