チュートリアル

2020/11/23 10:00 – 18:00 @ [ウェビナー]

最終更新時刻:2020/12/02 14:13
※ プレゼン動画・資料の公開期間は終了いたしました。

T1 10:00 – 11:30 : 内部 英治 (株式会社国際電気通信基礎技術研究所)

深層強化学習入門 [動画公開終了, 資料公開終了]

Atariゲームや囲碁での成功以降、深層強化学習はロボットなどの実システムの制御、生化学的な創薬の効率改善など多くの分野に適用されつつある。一方で画像処理における深層学習とは異なり、深層強化学習における「深層学習」の部分の貢献はそれほど高いわけではない。深層強化学習として紹介されている多くの手法は深層学習に由来するものはあまりない。本チュートリアルでは、深層強化学習に関する中心的な手法を紹介しつつ、深層でない強化学習と深層強化学習で何が異なるかを発表者の経験を踏まえて説明する。


T2 13:00 – 14:30 : 飯塚 修平 (外資系 IT 企業勤務)

バンディットアルゴリズム・ベイズ最適化入門 [動画公開終了, 資料公開終了]

私たちが目にするインターネット広告やウェブサービスのデザイン。これらの裏側では、私たちの注意をひくために膨大なデータに基づいた最適化が行われている。そして、その最適化の裏側で活用されている技術のひとつが、バンディットアルゴリズムおよびベイズ最適化である。本チュートリアルではこれらのアルゴリズムを基礎から解説するとともに、ウェブサイト最適化を中心に応用事例を紹介する。


T3 14:45 – 16:15 : 大越 拓実 (Rist)

kaggle・実践データ解析入門 [動画公開終了, 資料公開終了]

データ分析のコンペティションプラットフォームとして、世界中から注目されているKaggle。今回は、コンペティションに参加したことがない方向けに、Kaggleで開かれたコンペティションとその解法、取り組み方を紹介することで、Kaggleとはどういうものか、Kagglerは普段何を考えて取り組んでいるのか、上位解法の凄さは何なのかを感じてもらえるようにしています。


T4 16:30 – 18:00 : 前田 高志ニコラス (理化学研究所)

統計的因果探索入門 [動画公開終了, 資料公開終了]

統計的因果探索(Causal discovery)は、2変数以上の変数間の因果構造を観測データのみから推定する技術である。本来、因果推論において最も確実な方法はランダム化比較試験のように介入を伴う手法であるが、介入実験にはコスト面や倫理面で不可能である場合が多い。そのため、因果探索の手法で観測データのみから変数間の因果構造を推測することは非常に重要である。本チュートリアルでは、因果の定義や基本的な探索手法の紹介に始まり、近年の探索手法までを紹介する。