JuliaTokyoのLT発表資料

1. Julia Tokyo #4
~僕とJuliaと時々Mocha~
@vaaaaanqish

2. Profile
• Twitter : @vaaaaanquish
• 大学院二年
• ウサギィアルバイト
• 機械学習とか統計とか
数学とか就活とか
• Julia信仰半年無いくらい

3. Theme
• Deep Learningハッカソンで
Juliaパッケージ”Mocha”を使って入賞した話

4. Deep Learningハッカソン
• DeepLearning もくもくハッカソン
〜家に帰るまでがハッカソンです〜
• 2015/05/23(土)~24(日)
• 当日のTogetter
http://togetter.com/li/826176

5. Deep Learning
• なんか脳を模してるとかですごい
• なんか機械学習とか色々すごい
• なんか認識とか予測とか分類がめっちゃ出来る

6. 当日
• きんいろDeepLearning
White scenery, @showyou
http://showyou.hatenablog.com/entry/2015/05/24/174621
• 建築コンペをdeep (learning)に審査してみた
SlideShare, Akio Ohta
http://www.slideshare.net/AkioOhta/deep-learning-
48538031
• ディープラーニングで本田翼を見分けたい。
Just another Blog site
http://hogehuga.com/post-409/

7. 98割くらいの人
• 配布されたAWSクーポン
• DeepNetフレームワーク
「Caffe」や「Pylearn2」を使う

8. • C++やPythonのフレームワークはboost等
依存ライブラリがかなり多い
• インストールや設定, 外枠コーディング
にかなり時間を使う
厄介所

9. 手慣れてないと…
• 機械学習は色々時間がかかる
> 面倒なライブラリ, フレームワーク群(小声)
> DeepNetは特にパラメータが多い
• 手慣れてないと実験すらままならない状況
> 結果として見れる状態にするので精一杯

10. ぼく
•JuliaとMocha

11. Mocha(モカ)
• CaffeライクなDeepLearningパッケージ
• MochaをGit cloneしていつもの
Pkg.add("Mocha")
using Mocha →簡単！

12. 部屋評価システム
• みんなシャレオツな部屋やオフィスが好きなはず！
• よくわからない尺度もDeepNetなら！

13. 結果
• 二日間における有意義な実験とテスト
• プレゼンも上手くいって入賞できました
• AWSのクーポン合計1万円分！
• 全部JuliaとMochaのおかげ

14. •All thanks to
Julia and Mocha!!

15. Juliaのメリット
• 誰にも頼らない行列計算！簡単！
• RecurentNN.jl, RandomForest.jl,
NN.jl, SVM.jl, Mocha.jl,
DataFramesMeta…, etc
ある！簡単！
• 中身もJulia！速い！拡張性！簡単！

16. Mochaのメリット
• 既存のライブラリだと
Caffe, Chainer, Pylearn2を凌いで
最も簡単にDeep Learningに手が届く(※個人の主観です)
• 速度, 精度も他ライブラリと同レベルかそれ以上
• 中もJuliaなのでカスタマイズが簡単

17. Mochaのメリット
• 記述も簡単
(公式サンプルが40行程度)

18. デメリット
• Mochaデメリット:
> Mocha Toolsはまだまだ不便
(データの正規化や水増し)
> 配布される学習済ネットワーク
→ 他ライブラリとの連携もなし
• Juliaデメリット:
> ユーザが少ない

19. Julia, Mochaまとめ
• 機械学習界において最強 (※個人の主観)
• このLTを元に記事を書く予定
> 好きな人を増やし隊
> 情報を増やしていこう！
• 「これからはJuliaの時代」
> JuliaとMochaの発展を願います

20. 提供