第49回 データマイニング+WEB ＠東京( #TokyoWebmining 49th ) ー機械学習 方法論 祭りーを開催しました

Webmining 勉強会

2015/10/24 "第49回 データマイニング+WEB ＠東京( #TokyoWebmining 49th ) ー機械学習 方法論 祭りー" を開催しました。

会場提供し運営を手伝って下さった FreakOut のみなさん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。多くの方々の参加を嬉しく思っています。

参加者ID・バックグラウンド一覧

参加者Twitter List : tokyowebmining-48
参加者セキココ：第49回 データマイニング+WEB ＠東京 セキココ
(作成してくれた [Twitter:@komiya_atsushi] さんに感謝）


以下、全講師資料、関連資料、ツイートまとめです。

AGENDA：

■Opening Talk：

O1.「データマイニング+WEB＠東京 について」(15分)

講師：[Twitter:@hamadakoichi]

O2.「参加者全員 自己紹介 (興味・活動)」(進行：[Twitter:@hamadakoichi]) (75分)

※内容は上記ホワイトボード写真参照

1.「統計分析・機械学習に関わる線形代数の整理」(講師: [Twitter:@KennyISHIMURA] )(発表:20分+議論:25分)

統計分析や機械学習には、その理論の記述に線形代数が使用されることがよくある。
そして数式のそもそもの意味や概念をあまり知らない為に理解し難いこともある。
今回は線形代数の基本的な概念に関して直感的な理解を整理してまとめる。

参考文献：

2. 「階層ディリクレ過程とマルコフ確率場を利用した教師なし画像領域分割」 (講師: [Twitter:@tn1031] ) (発表:40分+議論:50分)

階層ディリクレ過程を事前分布とした確率モデルは、
「グループごとのばらつきを吸収する」階層ベイズモデルとしての能力と
「モデルの複雑さをデータから自動決定する」ノンパラメトリックモデルとしての能力の両方を獲得します。
本発表では、教師なし画像領域分割を例に、階層ディリクレ過程と画像データセットのモデル化について紹介します。
また、実問題への応用についてもディスカッションできればと思います。

参考文献：

Session で挙がった見るべき文献：

3. 「深層学習ライブラリの現在」 (講師: [Twitter:@yutakashino] ) (発表:30分+議論:35分)

雨後の筍のように出てくる深層学習における計算機フレームワーク・ライブラリについて，
それぞれの設計思想の差や具体的なコード実装のやりやすさや将来性などを比較検討します．
比較対象にするのは，Torch, Theano, Pylearn2, Keras, Lasagne, Caffe, Chainerなどを考えています．

参考文献：

Sessionで挙がった特に見るべき動画：

■ツイートまとめ (Togetter)

「第49回 データマイニング+WEB ＠東京( #TokyoWebmining 49th ) ー機械学習 方法論 祭りー」に関するツイートを Togetter にまとめました。みなさん、たくさんのツイートありがとうございました。("誰でも編集可能"に設定してあります)

Togetter:

■講師募集

データマイニング+WEB勉強会＠東京 (#TokyoWebmining) を今後も、講師、参加者、双方にとってよりよい会としていきたいと思います。講師を募集していますので私の Twitter か Google Group へのメールへぜひご連絡下さい。

連絡先：

■Wiki

振返り：

振返りホワイトボード(Keep/Try/Talk候補):

■過去開催内容：