京大黒橋研で行われたEMNLP2016読み会に参加しました。
以下の論文を紹介しました。
1. Deep Multi-Task Learning with Shared Memory
http://aclweb.org/anthology/D/D16/D16-1012.pdf
2. How Transferableare Neural Networks in NLP Applications?
http://aclweb.org/anthology/D/D16/D16-1046.pdf
FaceBook のAIチームが研究の発表論文である "Memory networks"とその拡張である"Towards AI-complete question answering: A set of prerequisite toy tasks."を簡単に紹介します。
[1] Weston, J., Chopra, S., and Bordes, A. Memory networks. In International Conference on Learning Representations (ICLR), 2015a.
[2] Weston, J., Bordes, A., Chopra, S., and Mikolov, T. Towards AI-complete question answering: A set of prerequisite toy tasks. arXiv preprint: 1502.05698, 2015b.
京大黒橋研で行われたEMNLP2016読み会に参加しました。
以下の論文を紹介しました。
1. Deep Multi-Task Learning with Shared Memory
http://aclweb.org/anthology/D/D16/D16-1012.pdf
2. How Transferableare Neural Networks in NLP Applications?
http://aclweb.org/anthology/D/D16/D16-1046.pdf
FaceBook のAIチームが研究の発表論文である "Memory networks"とその拡張である"Towards AI-complete question answering: A set of prerequisite toy tasks."を簡単に紹介します。
[1] Weston, J., Chopra, S., and Bordes, A. Memory networks. In International Conference on Learning Representations (ICLR), 2015a.
[2] Weston, J., Bordes, A., Chopra, S., and Mikolov, T. Towards AI-complete question answering: A set of prerequisite toy tasks. arXiv preprint: 1502.05698, 2015b.
Hadoop YARN is the next generation computing platform in Apache Hadoop with support for programming paradigms besides MapReduce. In the world of Big Data, one cannot solve all the problems wholly using the Map Reduce programming model. Typical installations run separate programming models like MR, MPI, graph-processing frameworks on individual clusters. Running fewer larger clusters is cheaper than running more small clusters. Therefore,_leveraging YARN to allow both MR and non-MR applications to run on top of a common cluster becomes more important from an economical and operational point of view. This talk will cover the different APIs and RPC protocols that are available for developers to implement new application frameworks on top of YARN. We will also go through a simple application which demonstrates how one can implement their own Application Master, schedule requests to the YARN resource-manager and then subsequently use the allocated resources to run user code on the NodeManagers.
ACM SIGMOD日本支部第56回支部大会でお話しした、ICDE 2014の参加報告についての資料です。以下のような6部構成になっています。全190ページです。
・ICDE 2014を俯瞰してみる（5p～）
・ビッグデータ時代の新発想：もうデータは蓄えない（32p～）
Keynote, Running with Scissors: Fast Queries on Just-in-Time Databases
・見えない相手と協調作業：センサネットワーク上のデータ集約（64p～）
10 Year Most Influential Paper, Approximate Aggregation Techniques for Sensor Databases
・メインメモリデータベースがハードウェアトランザクショナルメモリを使ったら…（96p～）
Best Paper, Exploiting Hardware Transactional Memory in Main-Memory Databases
・過去の結果を再利用：ビューを用いた大規模グラフからのパターン発見（126p～）
Best Paper Runner-up, Answering Graph Pattern Queries Using Views
・アルゴリズムでゴリゴリ解決：大量のベクトルから類似ペアを厳密に見つけたい（155p～）
気になる論文, L2AP: Fast Cosine Similarity Search With Prefix L-2 Norm Bounds
