SlideShare a Scribd company logo
GoogleSlidesPPT.com _ 30+ Slides Google Slides & PowerPoint Templates for Free
谷中 瞳
理化学研究所
言語処理学会第27回年次大会ワークショップ「若手研究者交流のニューノーマルを考える」
それでも私が研究を続ける理由
1
自己紹介:これまでとこれから
2
谷中 瞳     紆余曲折を経てNLPerの道へ…
2007-2011 早稲田大学先進理工学部応用化学科卒業
2011-2013 東京大学大学院工学系研究科化学システム工学専攻修士課程修了
2013-2015 野村総合研究所で特許検索・セキュリティシステム開発に従事
2015-2018 東京大学大学院工学系研究科システム創成学専攻博士課程修了
2018-2021 理化学研究所AIP 自然言語理解チーム 特別研究員
2021- 東京大学大学院情報理工学系研究科
コンピュータ科学専攻 卓越研究員(講師)
共同研究者募集
突然ですが、2つ質問です
3
1. 研究がつらい、と思ったことはありますか?
2. それでも研究を続けている理由はなんですか?
今日は研究をしていると一度は自問自答する
(であろう)これらの疑問について、
改めて、自分なりに考えてみました。
どういうときに研究がつらいか?B・M編
4
● 自分という人間、研究という活動がよくわからない
● それゆえか研究室選びから間違えることもある(?)
● 良いテーマはなかなかない。エンドレスサーベイ
● 良い結果もなかなか出ない。エンドレス実験
● メイン研究以外にも様々な研究室運営の仕事、
いわゆる雑務
● 授業や就活、プライベートも充実させたい
○ 谷中の場合…ジャズと物書きに打ち込んでいました
● そういうわけで時間がない
どういうときに研究がつらいか?D以降編
5
● 良いテーマはなかなかない。エンドレスサーベイ
● 良い結果もなかなか出ない。エンドレス実験
● お金がないと研究はできない。エンドレス申請書
● 論文を書いて通すまでが「結果」。結果重視。
● メイン研究以外の様々な仕事、研究室運営、学会
運営、講義、査読など、いわゆる雑務
● そういうわけで研究活動に終わりはない、
時間がない、プライベートとは…
コロナ禍で、さらに研究はつらいよ?
6
● 論文を出してもオンライン学会になって、出張
という楽しみがなくなった
● オンライン学会になって、研究者と雑談する機
会や交流する機会がすっかり減った
● ミーティングや事務連絡もオンラインで、先生
や学生とのコミュニケーションがとりにくい
● 在宅でオンとオフの切り替えが難しい
それでも私が研究を続ける理由
7
それでも私が研究を続ける理由
8
答え:今の研究が好きだから!
   
それでも私が研究を続ける理由
9
答え:今の研究が好きだから!
なんだそんなことと思われるかもしれないけれど、
結局自分が好きなことを見つけて続けるのが一番!
今の研究のどういうところが好きか
10
● 「言語」を対象とする研究の、幅広さと面白さ
● 知らなかったことを知ることは楽しい
● 誰も気づかなかった問題を発見できると嬉しい
● 少しずつコードが動くと楽しい
● 研究結果が論文として公開されたときの達成感
● 学会だけでなく、論文を通して、世界中の研究
者と「交流」できる
● 実験室でなくても、割とどこでも研究できる
    こんなに楽しい研究はない!
もっと早く気づいていれば!
研究は好きだけど、つらいときはつらい?
11
意識的に、研究の楽しさ>>>つらさにしていこう
それに世の中のたいていのことはつらい(たぶん)
より楽しく研究を続けるための3つのこと
12
1. なるべく毎日、自分を見つめ直す
1. なるべく毎日、自分を見つめ直す
13
緊急事態宣言以来、ほぼ毎日日記をつけている
フォーマットは決めず、その日思ったこと、計画して
実行したこと・しなかったこと、気になった情報を
scrapboxにメモする
1. なるべく毎日、自分を見つめ直す
14
緊急事態宣言以来、ほぼ毎日日記をつけている
フォーマットは決めず、その日思ったこと、計画して
実行したこと・しなかったこと、気になった情報を
scrapboxにメモする
例) もっとテンプレ
を考えてもいい
かもしれないが
…適当だからこ
そ続けやすい
1. なるべく毎日、自分を見つめ直す
15
緊急事態宣言以来、ほぼ毎日日記をつけている
フォーマットは決めず、その日思ったこと、計画して
実行したこと・しなかったこと、気になった情報を
scrapboxにメモする
毎日記録をつけると、情報を整理できるだけでなく、
自分の考えや行動のくせが見えてくる
自分はいま、本当は何が好きなのか、
自分は本当はどういう人間なのかを知り続ける
より楽しく研究を続けるための3つのこと
16
1. なるべく毎日、自分を見つめ直す
2. なるべく毎日、短時間でも運動をする
2. なるべく毎日、短時間でも運動をする
17
よく言われる言葉ですが…
健全な精神は健全な肉体に宿る
谷中の場合:
超ラジオ体操とラジオ体操と10分エクササイズを
ほぼ毎日続けている(とくにコロナ禍以降)
運動だけでなく、睡眠時間を確保することも大事
より楽しく研究を続けるための3つのこと
18
1. なるべく毎日、自分を見つめ直す
2. なるべく毎日、短時間でも運動をする
3. 思い通りにいかない日があっても、許す
3. 思い通りにいかない日があっても、許す
19
思い通りにいかないことがあっても、自分のことも
他人のことも環境も責めない。
ただし、反省は大切。
毎日記録をつけたりを通して、反省する。
自分を冷静に見つめ直し、生き方を更新する。
歩みを止めない。
まとめ:「自己本位」で研究しよう
20
好きな言葉:夏目漱石の「自己本位」
● 判断や行動の基準を自己に置く
● 他人に動かされず、自ら動く
● 自分の考えに自信をもち、自己を大事にする
● 自分の考えと同じくらい他人の考えを尊重する
自分を制するものは研究を制す
他人や環境を変えることよりも、自分を変えること
はずっと簡単 
ご清聴ありがとうございました
Have a nice research life!
21
谷中 瞳
https://hitomiyanaka.mystrikingly.com/
hitomi.yanaka@riken.jp

More Related Content

What's hot

AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方
Shinagawa Seitaro
 
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
Recruit Technologies
 
ゼロから始める自然言語処理 【FIT2016チュートリアル】
ゼロから始める自然言語処理 【FIT2016チュートリアル】ゼロから始める自然言語処理 【FIT2016チュートリアル】
ゼロから始める自然言語処理 【FIT2016チュートリアル】
Yuki Arase
 
「世界モデル」と関連研究について
「世界モデル」と関連研究について「世界モデル」と関連研究について
「世界モデル」と関連研究について
Masahiro Suzuki
 
深層学習の数理
深層学習の数理深層学習の数理
深層学習の数理
Taiji Suzuki
 
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
 
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
 
SHAP値の考え方を理解する(木構造編)
SHAP値の考え方を理解する(木構造編)SHAP値の考え方を理解する(木構造編)
SHAP値の考え方を理解する(木構造編)
Kazuyuki Wakasugi
 
【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法
Deep Learning JP
 
最適輸送の計算アルゴリズムの研究動向
最適輸送の計算アルゴリズムの研究動向最適輸送の計算アルゴリズムの研究動向
最適輸送の計算アルゴリズムの研究動向
ohken
 
【DL輪読会】The Forward-Forward Algorithm: Some Preliminary
【DL輪読会】The Forward-Forward Algorithm: Some Preliminary【DL輪読会】The Forward-Forward Algorithm: Some Preliminary
【DL輪読会】The Forward-Forward Algorithm: Some Preliminary
Deep Learning JP
 
道具としての機械学習:直感的概要とその実際
道具としての機械学習:直感的概要とその実際道具としての機械学習:直感的概要とその実際
道具としての機械学習:直感的概要とその実際
Ichigaku Takigawa
 
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
Deep Learning JP
 
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
Takahiro Kubo
 
生成モデルの Deep Learning
生成モデルの Deep Learning生成モデルの Deep Learning
生成モデルの Deep Learning
Seiya Tokui
 
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
[DL輪読会]GLIDE: Guided Language to Image Diffusion  for Generation and Editing[DL輪読会]GLIDE: Guided Language to Image Diffusion  for Generation and Editing
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
Deep Learning JP
 
方策勾配型強化学習の基礎と応用
方策勾配型強化学習の基礎と応用方策勾配型強化学習の基礎と応用
方策勾配型強化学習の基礎と応用
Ryo Iwaki
 
[DL輪読会]Learning Latent Dynamics for Planning from Pixels
[DL輪読会]Learning Latent Dynamics for Planning from Pixels[DL輪読会]Learning Latent Dynamics for Planning from Pixels
[DL輪読会]Learning Latent Dynamics for Planning from Pixels
Deep Learning JP
 
強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習
Eiji Uchibe
 
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方
ychtanaka
 

What's hot (20)

AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方
 
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
 
ゼロから始める自然言語処理 【FIT2016チュートリアル】
ゼロから始める自然言語処理 【FIT2016チュートリアル】ゼロから始める自然言語処理 【FIT2016チュートリアル】
ゼロから始める自然言語処理 【FIT2016チュートリアル】
 
「世界モデル」と関連研究について
「世界モデル」と関連研究について「世界モデル」と関連研究について
「世界モデル」と関連研究について
 
深層学習の数理
深層学習の数理深層学習の数理
深層学習の数理
 
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
 
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)
 
SHAP値の考え方を理解する(木構造編)
SHAP値の考え方を理解する(木構造編)SHAP値の考え方を理解する(木構造編)
SHAP値の考え方を理解する(木構造編)
 
【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法
 
最適輸送の計算アルゴリズムの研究動向
最適輸送の計算アルゴリズムの研究動向最適輸送の計算アルゴリズムの研究動向
最適輸送の計算アルゴリズムの研究動向
 
【DL輪読会】The Forward-Forward Algorithm: Some Preliminary
【DL輪読会】The Forward-Forward Algorithm: Some Preliminary【DL輪読会】The Forward-Forward Algorithm: Some Preliminary
【DL輪読会】The Forward-Forward Algorithm: Some Preliminary
 
道具としての機械学習:直感的概要とその実際
道具としての機械学習:直感的概要とその実際道具としての機械学習:直感的概要とその実際
道具としての機械学習:直感的概要とその実際
 
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
 
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
 
生成モデルの Deep Learning
生成モデルの Deep Learning生成モデルの Deep Learning
生成モデルの Deep Learning
 
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
[DL輪読会]GLIDE: Guided Language to Image Diffusion  for Generation and Editing[DL輪読会]GLIDE: Guided Language to Image Diffusion  for Generation and Editing
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
 
方策勾配型強化学習の基礎と応用
方策勾配型強化学習の基礎と応用方策勾配型強化学習の基礎と応用
方策勾配型強化学習の基礎と応用
 
[DL輪読会]Learning Latent Dynamics for Planning from Pixels
[DL輪読会]Learning Latent Dynamics for Planning from Pixels[DL輪読会]Learning Latent Dynamics for Planning from Pixels
[DL輪読会]Learning Latent Dynamics for Planning from Pixels
 
強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習
 
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方
 

Similar to それでも私が研究を続ける理由

Service Design Roundtable on 2/15/2014, Y. Sawatani
Service Design Roundtable on 2/15/2014, Y. SawataniService Design Roundtable on 2/15/2014, Y. Sawatani
Service Design Roundtable on 2/15/2014, Y. SawataniYuriko Sawatani
 
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
Deep Learning Lab(ディープラーニング・ラボ)
 
研究紹介
研究紹介研究紹介
研究紹介
satokazu
 
研究室紹介
研究室紹介研究室紹介
研究室紹介
Yuriko Sawatani
 
栗原先生20150926 lodチャレンジ2015キックオフ
栗原先生20150926 lodチャレンジ2015キックオフ栗原先生20150926 lodチャレンジ2015キックオフ
栗原先生20150926 lodチャレンジ2015キックオフ
Linked Open Dataチャレンジ実行委員会
 
Panel 3: JST Project to Realize Society 5.0
Panel 3: JST Project to Realize Society 5.0Panel 3: JST Project to Realize Society 5.0
Panel 3: JST Project to Realize Society 5.0
Symposium on Society 5.0
 
「高専生と取り組むScrum」 AgileJapan2014 仙台サテライト
「高専生と取り組むScrum」 AgileJapan2014 仙台サテライト「高専生と取り組むScrum」 AgileJapan2014 仙台サテライト
「高専生と取り組むScrum」 AgileJapan2014 仙台サテライト
Yoshiaki Rikitake
 
機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)
機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)
機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)
Tetsuroh Watanabe
 
Logic ds-ir
Logic ds-irLogic ds-ir
Logic ds-ir
Masao Mori
 
CET(Capture EveryThing)プロジェクトにおけるﰀ機械学 習・データマイニング最前線
CET(Capture EveryThing)プロジェクトにおけるﰀ機械学 習・データマイニング最前線CET(Capture EveryThing)プロジェクトにおけるﰀ機械学 習・データマイニング最前線
CET(Capture EveryThing)プロジェクトにおけるﰀ機械学 習・データマイニング最前線
Recruit Lifestyle Co., Ltd.
 
機械学習による推定ユーザー属性の安定供給のための施策(第56回 Machine Learning 15minutes! Broadcast)
機械学習による推定ユーザー属性の安定供給のための施策(第56回 Machine Learning 15minutes! Broadcast)機械学習による推定ユーザー属性の安定供給のための施策(第56回 Machine Learning 15minutes! Broadcast)
機械学習による推定ユーザー属性の安定供給のための施策(第56回 Machine Learning 15minutes! Broadcast)
Tetsuroh Watanabe
 
個人情報保護法改正とビッグデータ利活用
個人情報保護法改正とビッグデータ利活用個人情報保護法改正とビッグデータ利活用
個人情報保護法改正とビッグデータ利活用
Harumichi Yuasa
 
サービスデザイン:デジタルとフィジカルの融合
サービスデザイン:デジタルとフィジカルの融合サービスデザイン:デジタルとフィジカルの融合
サービスデザイン:デジタルとフィジカルの融合
Yuriko Sawatani
 
東京工業大学 大学院 6学院入試説明会資料 2024年度受験者向け
東京工業大学 大学院 6学院入試説明会資料 2024年度受験者向け東京工業大学 大学院 6学院入試説明会資料 2024年度受験者向け
東京工業大学 大学院 6学院入試説明会資料 2024年度受験者向け
Tokyo Institute of Technology
 
Deep Q-LearningでFXしてみた
Deep Q-LearningでFXしてみたDeep Q-LearningでFXしてみた
Deep Q-LearningでFXしてみた
Junichiro Katsuta
 
How to feed myself with computer vision
How to feed myself with computer visionHow to feed myself with computer vision
How to feed myself with computer vision
Takuya Minagawa
 
自律分散型信号システム: その技術と新しい都市交通の可能性
自律分散型信号システム: その技術と新しい都市交通の可能性自律分散型信号システム: その技術と新しい都市交通の可能性
自律分散型信号システム: その技術と新しい都市交通の可能性
Masaki Ito
 
20181030 fun
20181030 fun20181030 fun
20181030 fun
Hiroshi Maruyama
 
TensorFlowでニューラルネットを作って、広告配信の最適化をやってみた
TensorFlowでニューラルネットを作って、広告配信の最適化をやってみたTensorFlowでニューラルネットを作って、広告配信の最適化をやってみた
TensorFlowでニューラルネットを作って、広告配信の最適化をやってみた
Junichiro Katsuta
 
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
 

Similar to それでも私が研究を続ける理由 (20)

Service Design Roundtable on 2/15/2014, Y. Sawatani
Service Design Roundtable on 2/15/2014, Y. SawataniService Design Roundtable on 2/15/2014, Y. Sawatani
Service Design Roundtable on 2/15/2014, Y. Sawatani
 
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
 
研究紹介
研究紹介研究紹介
研究紹介
 
研究室紹介
研究室紹介研究室紹介
研究室紹介
 
栗原先生20150926 lodチャレンジ2015キックオフ
栗原先生20150926 lodチャレンジ2015キックオフ栗原先生20150926 lodチャレンジ2015キックオフ
栗原先生20150926 lodチャレンジ2015キックオフ
 
Panel 3: JST Project to Realize Society 5.0
Panel 3: JST Project to Realize Society 5.0Panel 3: JST Project to Realize Society 5.0
Panel 3: JST Project to Realize Society 5.0
 
「高専生と取り組むScrum」 AgileJapan2014 仙台サテライト
「高専生と取り組むScrum」 AgileJapan2014 仙台サテライト「高専生と取り組むScrum」 AgileJapan2014 仙台サテライト
「高専生と取り組むScrum」 AgileJapan2014 仙台サテライト
 
機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)
機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)
機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)
 
Logic ds-ir
Logic ds-irLogic ds-ir
Logic ds-ir
 
CET(Capture EveryThing)プロジェクトにおけるﰀ機械学 習・データマイニング最前線
CET(Capture EveryThing)プロジェクトにおけるﰀ機械学 習・データマイニング最前線CET(Capture EveryThing)プロジェクトにおけるﰀ機械学 習・データマイニング最前線
CET(Capture EveryThing)プロジェクトにおけるﰀ機械学 習・データマイニング最前線
 
機械学習による推定ユーザー属性の安定供給のための施策(第56回 Machine Learning 15minutes! Broadcast)
機械学習による推定ユーザー属性の安定供給のための施策(第56回 Machine Learning 15minutes! Broadcast)機械学習による推定ユーザー属性の安定供給のための施策(第56回 Machine Learning 15minutes! Broadcast)
機械学習による推定ユーザー属性の安定供給のための施策(第56回 Machine Learning 15minutes! Broadcast)
 
個人情報保護法改正とビッグデータ利活用
個人情報保護法改正とビッグデータ利活用個人情報保護法改正とビッグデータ利活用
個人情報保護法改正とビッグデータ利活用
 
サービスデザイン:デジタルとフィジカルの融合
サービスデザイン:デジタルとフィジカルの融合サービスデザイン:デジタルとフィジカルの融合
サービスデザイン:デジタルとフィジカルの融合
 
東京工業大学 大学院 6学院入試説明会資料 2024年度受験者向け
東京工業大学 大学院 6学院入試説明会資料 2024年度受験者向け東京工業大学 大学院 6学院入試説明会資料 2024年度受験者向け
東京工業大学 大学院 6学院入試説明会資料 2024年度受験者向け
 
Deep Q-LearningでFXしてみた
Deep Q-LearningでFXしてみたDeep Q-LearningでFXしてみた
Deep Q-LearningでFXしてみた
 
How to feed myself with computer vision
How to feed myself with computer visionHow to feed myself with computer vision
How to feed myself with computer vision
 
自律分散型信号システム: その技術と新しい都市交通の可能性
自律分散型信号システム: その技術と新しい都市交通の可能性自律分散型信号システム: その技術と新しい都市交通の可能性
自律分散型信号システム: その技術と新しい都市交通の可能性
 
20181030 fun
20181030 fun20181030 fun
20181030 fun
 
TensorFlowでニューラルネットを作って、広告配信の最適化をやってみた
TensorFlowでニューラルネットを作って、広告配信の最適化をやってみたTensorFlowでニューラルネットを作って、広告配信の最適化をやってみた
TensorFlowでニューラルネットを作って、広告配信の最適化をやってみた
 
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
 

More from Hitomi Yanaka

Do Neural Models Learn Transitivity of Veridical Inference?
Do Neural Models Learn Transitivity of Veridical Inference?Do Neural Models Learn Transitivity of Veridical Inference?
Do Neural Models Learn Transitivity of Veridical Inference?
Hitomi Yanaka
 
東京大学2021年度深層学習(Deep learning基礎講座2021) 第8回「深層学習と自然言語処理」
東京大学2021年度深層学習(Deep learning基礎講座2021) 第8回「深層学習と自然言語処理」東京大学2021年度深層学習(Deep learning基礎講座2021) 第8回「深層学習と自然言語処理」
東京大学2021年度深層学習(Deep learning基礎講座2021) 第8回「深層学習と自然言語処理」
Hitomi Yanaka
 
Investigating the Generalization Ability of Neural Models through Monotonicit...
Investigating the Generalization Ability of Neural Models through Monotonicit...Investigating the Generalization Ability of Neural Models through Monotonicit...
Investigating the Generalization Ability of Neural Models through Monotonicit...
Hitomi Yanaka
 
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
Hitomi Yanaka
 
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」(一部文字が欠けてます)
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」(一部文字が欠けてます)東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」(一部文字が欠けてます)
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」(一部文字が欠けてます)
Hitomi Yanaka
 
多言語統語・意味情報コーパスParallel Meaning Bank日本語版の構築
多言語統語・意味情報コーパスParallel Meaning Bank日本語版の構築多言語統語・意味情報コーパスParallel Meaning Bank日本語版の構築
多言語統語・意味情報コーパスParallel Meaning Bank日本語版の構築
Hitomi Yanaka
 
自然演繹に基づく文間の含意関係の証明を用いたフレーズアライメントの試み
自然演繹に基づく文間の含意関係の証明を用いたフレーズアライメントの試み自然演繹に基づく文間の含意関係の証明を用いたフレーズアライメントの試み
自然演繹に基づく文間の含意関係の証明を用いたフレーズアライメントの試み
Hitomi Yanaka
 

More from Hitomi Yanaka (7)

Do Neural Models Learn Transitivity of Veridical Inference?
Do Neural Models Learn Transitivity of Veridical Inference?Do Neural Models Learn Transitivity of Veridical Inference?
Do Neural Models Learn Transitivity of Veridical Inference?
 
東京大学2021年度深層学習(Deep learning基礎講座2021) 第8回「深層学習と自然言語処理」
東京大学2021年度深層学習(Deep learning基礎講座2021) 第8回「深層学習と自然言語処理」東京大学2021年度深層学習(Deep learning基礎講座2021) 第8回「深層学習と自然言語処理」
東京大学2021年度深層学習(Deep learning基礎講座2021) 第8回「深層学習と自然言語処理」
 
Investigating the Generalization Ability of Neural Models through Monotonicit...
Investigating the Generalization Ability of Neural Models through Monotonicit...Investigating the Generalization Ability of Neural Models through Monotonicit...
Investigating the Generalization Ability of Neural Models through Monotonicit...
 
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
 
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」(一部文字が欠けてます)
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」(一部文字が欠けてます)東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」(一部文字が欠けてます)
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」(一部文字が欠けてます)
 
多言語統語・意味情報コーパスParallel Meaning Bank日本語版の構築
多言語統語・意味情報コーパスParallel Meaning Bank日本語版の構築多言語統語・意味情報コーパスParallel Meaning Bank日本語版の構築
多言語統語・意味情報コーパスParallel Meaning Bank日本語版の構築
 
自然演繹に基づく文間の含意関係の証明を用いたフレーズアライメントの試み
自然演繹に基づく文間の含意関係の証明を用いたフレーズアライメントの試み自然演繹に基づく文間の含意関係の証明を用いたフレーズアライメントの試み
自然演繹に基づく文間の含意関係の証明を用いたフレーズアライメントの試み
 

それでも私が研究を続ける理由