SlideShare a Scribd company logo
1 of 6
Download to read offline
日本ソフトウェア科学会
機械学習工学研究会
キックオフシンポジウム
2018/05/17
主査 国立情報学研究所 石川冬樹
メルシー
not only software eng.
not ML4SE
not pure ML research
https://sites.google.com/view/sig-mlse/
#mlse_kickoff質問受付
sli.do #3173
機械学習:訓練データから「帰納的」に実装構築
その実装やそれを使うシステムに固有の難しさ
既存のソフトウェア工学原則が通用しない部分あり
訓練データへの高い依存性,確率的挙動,
ブラックボックス(能力の線引きや結果の説明困難)
CACE: Changing Anything Changes Everything
皆様の議論でも
「機械学習のための工学」が必要!
[ Sculley et al., Machine Learning: The High-Interest Credit Card of Technical Debt, 2014 ]
[ 丸山, 機械学習工学に向けて, 2017 ]
[ 吉岡ら, SEチャレンジ: 機械学習 x ソフトウェア工学
= 機械学習工学, 2017 ]
• テストの十分性(質と量)が判
断できない
• 工数の見積が難しい
• どれだけの品質ができるのかの
約束ができない
• ・・・
2018/5/17 f-ishikawa@MLSE-Kickoff 2
2018/5/17 f-ishikawa@MLSE-Kickoff 3
活動
2017/09
SES’17
パネル討論
→ Facebookで
「集まる?」
11
SE4ML meet-up
2018/01
IPSJ WW’18
(宮島)
2018/02
機械学習・ディープ
ラーニングでPythonを
使う嬉しさとツラミを
分かちあう会
※ これまでの議論結果などはMLSE Webサイトで
04
日本ソフトウェア科学会
(JSSST)の研究会
としてキックオフ
05 06 07 08
キックオフ
シンポジウム
人工知能学会
全国大会(鹿児島)
企画セッション
第1回ワークショップ
MLSE 2018(三浦海岸)
JSSST大会
(大阪)
※ 今後の詳細は後述
毎月イベント!
2018/5/17 f-ishikawa@MLSE-Kickoff 4
6/8 人工知能学会全国大会内 企画セッション @鹿児島
榊原彰氏(日本マイクロソフト) ご講演
パネルディスカッション(5名)
7/1~2 第1回ワークショップ MLSE 2018 @三浦海岸
5/25 ポジション発表申込〆切
6/8 参加申込〆切
8/28~31 日本ソフトウェア科学会第35回大会 @大阪
河本薫先生(滋賀大学) ご講演
6/15 スポンサー申込〆切
7/6 登壇発表申込〆切(MLSEに限らず・論文提出は後日)
8/7 デモ・ポスター発表申込〆切
詳細はWebで https://sites.google.com/view/sig-mlse/
今後の予定 プレーヤである皆さんを支えるファシリテータとして
システム上の定員は気にせず
(でも早めに)
2018/5/17 f-ishikawa@MLSE-Kickoff 5
本日の予定
~14:15 オープニング
14:15~15:15 基調講演1:ソフトウェア工学における問題提起と機械学習の
新たなあり方
工藤卓哉氏(アクセンチュアUSA)
基調講演2:機械学習研究の現状とこれから
杉山将先生(理化学研究所・東大)
15:30~16:30 講演1:仕事ではじめる機械学習
有賀康顕氏(Cloudera)
講演2:機械学習モジュールの設計論
久保隆宏氏(TIS)
講演3:機械学習ソフトウェアの品質保証とは
中島震先生(国立情報学研究所)
16:45~17:45 機械学習工学への期待・青山幹雄先生(南山大学)
パネルディスカッション:機械学習工学はどこへ向かうか
司会・モデレータ:丸山宏氏(Preferred Networks)
18:00~19:30 交流会@学士会館(事前登録制) 質問受付
sli.do #3173
2018/5/17 f-ishikawa@MLSE-Kickoff 6
日本電気
株式会社
Gold Sponsors
Silver Sponsors Bronze/Special Sponsors
Media Sponsors

More Related Content

What's hot

Gifu University Before Study 2015
Gifu University Before Study 2015Gifu University Before Study 2015
Gifu University Before Study 2015Kiyoshi Ogawa
 
Hidden technical debt in machine learning systems(日本語資料)
Hidden technical debt in machine learning systems(日本語資料)Hidden technical debt in machine learning systems(日本語資料)
Hidden technical debt in machine learning systems(日本語資料)Ogushi Masaya
 
FastAPIを使って 機械学習モデルをapi化してみた
FastAPIを使って 機械学習モデルをapi化してみたFastAPIを使って 機械学習モデルをapi化してみた
FastAPIを使って 機械学習モデルをapi化してみたSho Tanaka
 
青山幹雄先生を偲んで(開拓、理論、実践、コミュニティ&国際)
青山幹雄先生を偲んで(開拓、理論、実践、コミュニティ&国際)青山幹雄先生を偲んで(開拓、理論、実践、コミュニティ&国際)
青山幹雄先生を偲んで(開拓、理論、実践、コミュニティ&国際)Hironori Washizaki
 
機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点
機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点
機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点西岡 賢一郎
 
IoTアーキテクチャ・デザインパターン概観
IoTアーキテクチャ・デザインパターン概観IoTアーキテクチャ・デザインパターン概観
IoTアーキテクチャ・デザインパターン概観Hironori Washizaki
 
RWDC System I -Schedule(150411)
RWDC System I -Schedule(150411)RWDC System I -Schedule(150411)
RWDC System I -Schedule(150411)Leo Iijima
 
[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究
[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究
[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究Deep Learning Lab(ディープラーニング・ラボ)
 
高等学校における情報教育の現状
高等学校における情報教育の現状高等学校における情報教育の現状
高等学校における情報教育の現状Yoshiaki Nakano
 
Depth Prediction Without the Sensors: Leveraging Structure for Unsupervised L...
Depth Prediction Without the Sensors: Leveraging Structure for Unsupervised L...Depth Prediction Without the Sensors: Leveraging Structure for Unsupervised L...
Depth Prediction Without the Sensors: Leveraging Structure for Unsupervised L...harmonylab
 
[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)
 
機械学習のマイクロサービスでの運用の実験について #mlops
機械学習のマイクロサービスでの運用の実験について #mlops機械学習のマイクロサービスでの運用の実験について #mlops
機械学習のマイクロサービスでの運用の実験について #mlopsHiroaki Kudo
 
CMSI計算科学技術特論C (2015) アウトソーシングによるシミュレータの
CMSI計算科学技術特論C (2015) アウトソーシングによるシミュレータのCMSI計算科学技術特論C (2015) アウトソーシングによるシミュレータの
CMSI計算科学技術特論C (2015) アウトソーシングによるシミュレータのComputational Materials Science Initiative
 
パターンのつながりとAI活用成熟度
パターンのつながりとAI活用成熟度パターンのつながりとAI活用成熟度
パターンのつながりとAI活用成熟度Hironori Washizaki
 

What's hot (18)

Gifu University Before Study 2015
Gifu University Before Study 2015Gifu University Before Study 2015
Gifu University Before Study 2015
 
Hidden technical debt in machine learning systems(日本語資料)
Hidden technical debt in machine learning systems(日本語資料)Hidden technical debt in machine learning systems(日本語資料)
Hidden technical debt in machine learning systems(日本語資料)
 
FastAPIを使って 機械学習モデルをapi化してみた
FastAPIを使って 機械学習モデルをapi化してみたFastAPIを使って 機械学習モデルをapi化してみた
FastAPIを使って 機械学習モデルをapi化してみた
 
青山幹雄先生を偲んで(開拓、理論、実践、コミュニティ&国際)
青山幹雄先生を偲んで(開拓、理論、実践、コミュニティ&国際)青山幹雄先生を偲んで(開拓、理論、実践、コミュニティ&国際)
青山幹雄先生を偲んで(開拓、理論、実践、コミュニティ&国際)
 
機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点
機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点
機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点
 
01 yamashita
01 yamashita01 yamashita
01 yamashita
 
IoTアーキテクチャ・デザインパターン概観
IoTアーキテクチャ・デザインパターン概観IoTアーキテクチャ・デザインパターン概観
IoTアーキテクチャ・デザインパターン概観
 
11 shibuya
11 shibuya11 shibuya
11 shibuya
 
RWDC System I -Schedule(150411)
RWDC System I -Schedule(150411)RWDC System I -Schedule(150411)
RWDC System I -Schedule(150411)
 
[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究
[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究
[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究
 
04 nagatani
04 nagatani04 nagatani
04 nagatani
 
07 hori
07 hori07 hori
07 hori
 
高等学校における情報教育の現状
高等学校における情報教育の現状高等学校における情報教育の現状
高等学校における情報教育の現状
 
Depth Prediction Without the Sensors: Leveraging Structure for Unsupervised L...
Depth Prediction Without the Sensors: Leveraging Structure for Unsupervised L...Depth Prediction Without the Sensors: Leveraging Structure for Unsupervised L...
Depth Prediction Without the Sensors: Leveraging Structure for Unsupervised L...
 
[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
 
機械学習のマイクロサービスでの運用の実験について #mlops
機械学習のマイクロサービスでの運用の実験について #mlops機械学習のマイクロサービスでの運用の実験について #mlops
機械学習のマイクロサービスでの運用の実験について #mlops
 
CMSI計算科学技術特論C (2015) アウトソーシングによるシミュレータの
CMSI計算科学技術特論C (2015) アウトソーシングによるシミュレータのCMSI計算科学技術特論C (2015) アウトソーシングによるシミュレータの
CMSI計算科学技術特論C (2015) アウトソーシングによるシミュレータの
 
パターンのつながりとAI活用成熟度
パターンのつながりとAI活用成熟度パターンのつながりとAI活用成熟度
パターンのつながりとAI活用成熟度
 

Similar to 開催の辞

機械学習応用アーキテクチャ・デザインパターン概観
機械学習応用アーキテクチャ・デザインパターン概観機械学習応用アーキテクチャ・デザインパターン概観
機械学習応用アーキテクチャ・デザインパターン概観Hironori Washizaki
 
機械学習応用のためのソフトウェアエンジニアリングパターン
機械学習応用のためのソフトウェアエンジニアリングパターン機械学習応用のためのソフトウェアエンジニアリングパターン
機械学習応用のためのソフトウェアエンジニアリングパターンHironoriTAKEUCHI1
 
機械学習デザインパターンの必要性と機械学習ライフサイクル
機械学習デザインパターンの必要性と機械学習ライフサイクル機械学習デザインパターンの必要性と機械学習ライフサイクル
機械学習デザインパターンの必要性と機械学習ライフサイクルHironori Washizaki
 
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
機械学習デザインパターンおよび機械学習システムの品質保証の取り組みHironori Washizaki
 
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))HironoriTAKEUCHI1
 
メルペイあと払いを実現するData Pipeline
メルペイあと払いを実現するData Pipelineメルペイあと払いを実現するData Pipeline
メルペイあと払いを実現するData PipelineSatoshiMatsuzaki1
 
Kubernetesによる機械学習基盤、楽天での活用事例 覃子麟 (チンツーリン) /楽天株式会社
Kubernetesによる機械学習基盤、楽天での活用事例  覃子麟 (チンツーリン) /楽天株式会社Kubernetesによる機械学習基盤、楽天での活用事例  覃子麟 (チンツーリン) /楽天株式会社
Kubernetesによる機械学習基盤、楽天での活用事例 覃子麟 (チンツーリン) /楽天株式会社Rakuten Group, Inc.
 
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論Nobukazu Yoshioka
 
開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析
開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析
開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析貴志 上坂
 
第3回SEMAT勉強会 SEMATエッセンス解説
第3回SEMAT勉強会 SEMATエッセンス解説第3回SEMAT勉強会 SEMATエッセンス解説
第3回SEMAT勉強会 SEMATエッセンス解説Hironori Washizaki
 
機械学習システムの33のアーキテクチャパターンおよびデザインパターン
機械学習システムの33のアーキテクチャパターンおよびデザインパターン機械学習システムの33のアーキテクチャパターンおよびデザインパターン
機械学習システムの33のアーキテクチャパターンおよびデザインパターンHironori Washizaki
 
機械学習アーキテクチャ・デザインパターン
機械学習アーキテクチャ・デザインパターン機械学習アーキテクチャ・デザインパターン
機械学習アーキテクチャ・デザインパターンHironori Washizaki
 
開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析
開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析
開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析貴志 上坂
 
ソフトウェアエンジニアリングとEssenceの広がり
ソフトウェアエンジニアリングとEssenceの広がりソフトウェアエンジニアリングとEssenceの広がり
ソフトウェアエンジニアリングとEssenceの広がりHironori Washizaki
 
ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計
ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計
ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計Hironori Washizaki
 
Tomorrow's software testing for embedded systems ~明日にでも訪れてしまう組込みシステムのテストの姿~
Tomorrow's software testing for embedded systems ~明日にでも訪れてしまう組込みシステムのテストの姿~Tomorrow's software testing for embedded systems ~明日にでも訪れてしまう組込みシステムのテストの姿~
Tomorrow's software testing for embedded systems ~明日にでも訪れてしまう組込みシステムのテストの姿~Yasuharu Nishi
 
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けてHironori Washizaki
 
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用SSII
 
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けてSSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けてSSII
 
エッジヘビーコンピューティングと機械学習
エッジヘビーコンピューティングと機械学習エッジヘビーコンピューティングと機械学習
エッジヘビーコンピューティングと機械学習Preferred Networks
 

Similar to 開催の辞 (20)

機械学習応用アーキテクチャ・デザインパターン概観
機械学習応用アーキテクチャ・デザインパターン概観機械学習応用アーキテクチャ・デザインパターン概観
機械学習応用アーキテクチャ・デザインパターン概観
 
機械学習応用のためのソフトウェアエンジニアリングパターン
機械学習応用のためのソフトウェアエンジニアリングパターン機械学習応用のためのソフトウェアエンジニアリングパターン
機械学習応用のためのソフトウェアエンジニアリングパターン
 
機械学習デザインパターンの必要性と機械学習ライフサイクル
機械学習デザインパターンの必要性と機械学習ライフサイクル機械学習デザインパターンの必要性と機械学習ライフサイクル
機械学習デザインパターンの必要性と機械学習ライフサイクル
 
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
 
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
 
メルペイあと払いを実現するData Pipeline
メルペイあと払いを実現するData Pipelineメルペイあと払いを実現するData Pipeline
メルペイあと払いを実現するData Pipeline
 
Kubernetesによる機械学習基盤、楽天での活用事例 覃子麟 (チンツーリン) /楽天株式会社
Kubernetesによる機械学習基盤、楽天での活用事例  覃子麟 (チンツーリン) /楽天株式会社Kubernetesによる機械学習基盤、楽天での活用事例  覃子麟 (チンツーリン) /楽天株式会社
Kubernetesによる機械学習基盤、楽天での活用事例 覃子麟 (チンツーリン) /楽天株式会社
 
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
 
開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析
開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析
開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析
 
第3回SEMAT勉強会 SEMATエッセンス解説
第3回SEMAT勉強会 SEMATエッセンス解説第3回SEMAT勉強会 SEMATエッセンス解説
第3回SEMAT勉強会 SEMATエッセンス解説
 
機械学習システムの33のアーキテクチャパターンおよびデザインパターン
機械学習システムの33のアーキテクチャパターンおよびデザインパターン機械学習システムの33のアーキテクチャパターンおよびデザインパターン
機械学習システムの33のアーキテクチャパターンおよびデザインパターン
 
機械学習アーキテクチャ・デザインパターン
機械学習アーキテクチャ・デザインパターン機械学習アーキテクチャ・デザインパターン
機械学習アーキテクチャ・デザインパターン
 
開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析
開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析
開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析
 
ソフトウェアエンジニアリングとEssenceの広がり
ソフトウェアエンジニアリングとEssenceの広がりソフトウェアエンジニアリングとEssenceの広がり
ソフトウェアエンジニアリングとEssenceの広がり
 
ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計
ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計
ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計
 
Tomorrow's software testing for embedded systems ~明日にでも訪れてしまう組込みシステムのテストの姿~
Tomorrow's software testing for embedded systems ~明日にでも訪れてしまう組込みシステムのテストの姿~Tomorrow's software testing for embedded systems ~明日にでも訪れてしまう組込みシステムのテストの姿~
Tomorrow's software testing for embedded systems ~明日にでも訪れてしまう組込みシステムのテストの姿~
 
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
 
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用
 
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けてSSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
 
エッジヘビーコンピューティングと機械学習
エッジヘビーコンピューティングと機械学習エッジヘビーコンピューティングと機械学習
エッジヘビーコンピューティングと機械学習
 

More from MLSE

【基調講演】『深層学習の原理の理解に向けた理論の試み』 今泉 允聡(東大)
【基調講演】『深層学習の原理の理解に向けた理論の試み』 今泉 允聡(東大)【基調講演】『深層学習の原理の理解に向けた理論の試み』 今泉 允聡(東大)
【基調講演】『深層学習の原理の理解に向けた理論の試み』 今泉 允聡(東大)MLSE
 
『鼎談:新しいプログラミングパラダイムとしての深層学習』 資料(萩谷 昌己)
『鼎談:新しいプログラミングパラダイムとしての深層学習』 資料(萩谷 昌己)『鼎談:新しいプログラミングパラダイムとしての深層学習』 資料(萩谷 昌己)
『鼎談:新しいプログラミングパラダイムとしての深層学習』 資料(萩谷 昌己)MLSE
 
K. Czarnecki and R. Salay, Towards a Framework to Manage Perceptual Uncertain...
K. Czarnecki and R. Salay, Towards a Framework to Manage Perceptual Uncertain...K. Czarnecki and R. Salay, Towards a Framework to Manage Perceptual Uncertain...
K. Czarnecki and R. Salay, Towards a Framework to Manage Perceptual Uncertain...MLSE
 
Jsai2018
Jsai2018Jsai2018
Jsai2018MLSE
 
深層学習の品質保証
深層学習の品質保証深層学習の品質保証
深層学習の品質保証MLSE
 
ソフトウェア工学は機械学習の夢を見るか ー ソフトウェア工学の振り返りとアーキテクト的観点からの問題提起
ソフトウェア工学は機械学習の夢を見るか ー ソフトウェア工学の振り返りとアーキテクト的観点からの問題提起ソフトウェア工学は機械学習の夢を見るか ー ソフトウェア工学の振り返りとアーキテクト的観点からの問題提起
ソフトウェア工学は機械学習の夢を見るか ー ソフトウェア工学の振り返りとアーキテクト的観点からの問題提起MLSE
 

More from MLSE (6)

【基調講演】『深層学習の原理の理解に向けた理論の試み』 今泉 允聡(東大)
【基調講演】『深層学習の原理の理解に向けた理論の試み』 今泉 允聡(東大)【基調講演】『深層学習の原理の理解に向けた理論の試み』 今泉 允聡(東大)
【基調講演】『深層学習の原理の理解に向けた理論の試み』 今泉 允聡(東大)
 
『鼎談:新しいプログラミングパラダイムとしての深層学習』 資料(萩谷 昌己)
『鼎談:新しいプログラミングパラダイムとしての深層学習』 資料(萩谷 昌己)『鼎談:新しいプログラミングパラダイムとしての深層学習』 資料(萩谷 昌己)
『鼎談:新しいプログラミングパラダイムとしての深層学習』 資料(萩谷 昌己)
 
K. Czarnecki and R. Salay, Towards a Framework to Manage Perceptual Uncertain...
K. Czarnecki and R. Salay, Towards a Framework to Manage Perceptual Uncertain...K. Czarnecki and R. Salay, Towards a Framework to Manage Perceptual Uncertain...
K. Czarnecki and R. Salay, Towards a Framework to Manage Perceptual Uncertain...
 
Jsai2018
Jsai2018Jsai2018
Jsai2018
 
深層学習の品質保証
深層学習の品質保証深層学習の品質保証
深層学習の品質保証
 
ソフトウェア工学は機械学習の夢を見るか ー ソフトウェア工学の振り返りとアーキテクト的観点からの問題提起
ソフトウェア工学は機械学習の夢を見るか ー ソフトウェア工学の振り返りとアーキテクト的観点からの問題提起ソフトウェア工学は機械学習の夢を見るか ー ソフトウェア工学の振り返りとアーキテクト的観点からの問題提起
ソフトウェア工学は機械学習の夢を見るか ー ソフトウェア工学の振り返りとアーキテクト的観点からの問題提起
 

開催の辞