BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:CounterFactual Machine Learning勉強会 #5（オンライン ） X-WR-CALNAME:CounterFactual Machine Learning勉強会 #5（オンライン ） X-WR-TIMEZONE:Asia/Tokyo BEGIN:VTIMEZONE TZID:Asia/Tokyo BEGIN:STANDARD DTSTART:19700101T000000 TZOFFSETFROM:+0900 TZOFFSETTO:+0900 TZNAME:JST END:STANDARD END:VTIMEZONE BEGIN:VEVENT UID:787382@techplay.jp SUMMARY:CounterFactual Machine Learning勉強会 #5（オンライン） DTSTART;TZID=Asia/Tokyo:20200827T190000 DTEND;TZID=Asia/Tokyo:20200827T210000 DTSTAMP:20260426T044205Z CREATED:20200722T141900Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/78738 2?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n概要\n近年 因果推論の知識を機械学習に応用したり、逆に因果推 論の為に機械学習を応用するといった方法論が提案さ れています。 この勉強会はCounterfactual Machine Learning (CFM L) と呼ばれるこれらの手法に関する研究や実例の紹介 を行う事を目的としたものです。\n機械学習 and/or 因果 推論に関する論文を普段読んでいる研究者、学生、エ ンジニア、データサイエンティストの方を想定してお りますが、誰でもご参加いただけます。\nなお、CFMLに 馴染みのない方は以下のサーベイを見てみると良いか もしれません。\n齋藤 優太. \n私のブックマーク：反実 仮想機械学習 (Counterfactual Machine Learning\, CFML). \n人工知 能\, Vol.35\, No.4\, pages 579–587\, 2020. \nhttps://www.ai-gakkai.or. jp/my-bookmark_vol35-no4/\n実施方法\nZOOMを使用します。各自 インストールをお願いします。 \nURLは当日（8/27）に、 connpassのメッセージ機能で登録者に事前にお送りいた します。\n一つの発表時間は約40分で、発表資料（日本 語 or 英語）はイベント後に公開する予定です。\n質疑 応答は、sli.doを使用して行います。 使用方法は以下の 通りです。\n\nconnpassのメッセージ機能でお知らせしたU RLにアクセスしてください\n発表者に質問があれば、都 度ここに書き込んでください（匿名可）。\n質問は他 の方も閲覧可能です。自分も聞きたいという質問があ れば「いいね」ができます。\n発表終了後時間が許す 限り、発表者が「いいね」が多いものから優先して回 答していきます。\n\n注意事項\n技術交流が目的の勉強 会ですので、知識の共有および、参加者同士の交流を 目的としない参加はお断りしています。\n参加目的が 不適切だと判断される場合には、運営側で参加をキャ ンセルさせていただく場合がございます。\nタイムテ ーブル\n\n\n\n時間\n内容\n\n\n\n\n19:00 - 19:05\n挨拶・諸連 絡\n\n\n19:05 - 19:45\n発表①：過去の配信方策に囚われな い広告配信アルゴリズムの紹介\n\n\n19:45 - 20:35\n発表② ：Off-Policy Evaluationの基礎とOpen Bandit Dataset & Pipelineの紹 介\n\n\n20:35 - 21:15\n発表③：社会をデータでデザインす る：市場設計・因果推論・機械学習を融合した統一ア プローチ\n\n\n\n※ 適宜休憩を取ります。当日予告なく 時間配分、内容が変更になる可能性がございます。\n 発表の詳細\nタイトル： 過去の配信方策に囚われない 広告配信アルゴリズムの紹介\n発表者：柳沼傑\nプロフ ィール：\nSMN株式会社 a.i lab. Data Scienceチーム、VALIS Cock pitチーム兼任データサイエンティスト。SMNではネット 広告のオークションを行うDSPとして広告配信サービス のR&Dに力を入れていますが、私は特にCounterfactualを利 用したマーケティング最適化のR&Dに取り組んでいます 。\n発表資料：https://drive.google.com/file/d/1vZsbHV6w4FvDGOJxdHjI i1sfdfLqspKr/view\n発表概要：\n広告配信を行うDSPでは予算 の範囲内で購入数を最大化するために、広告商品に興 味を持つユーザーをターゲティングしています。この ためクリックや購入ログデータから、ユーザーの商品 への興味を推定します。しかし一般的にこのようなロ グは過去の配信方策に依存したバイアスを含むため、 過去にターゲティングされて商品を購入したユーザー の特徴を過大評価します。この結果、本来商品を購入 してくれたはずのユーザーでも既存の購入ユーザーに 似ていない場合とりこぼしてしまいます。これはラン キング学習や推薦で有名な過去の推薦方策によるバイ アスを取り除く問題設定と同一のものとして考えるこ とができます。この発表では、DSPが取り組むビジネス 課題からスタートし、過去の配信方策によって生じた バイアスを取り除いて商品に興味をもつユーザーを取 りこぼすことなく広告配信するアルゴリズムについて お話させていただきます。\nタイトル： Off-Policy Evaluati onの基礎とOpen Bandit Dataset & Pipelineの紹介\n発表者：齋藤 優太\nプロフィール： 半熟仮想株式会社 co-founder・東 京工業大学 学士課程4年。主に因果推論と機械学習の 融合技術を用いた情報検索システムのバイアス除去に 関する研究を行う。また、CyberAgent・Sony・ZOZO・SMNなど の国内企業と連携して、因果推論 x 機械学習領域の社 会実装や理論と実践の溝を埋めるための研究を進めて いる。\n発表資料：https://speakerdeck.com/usaito/off-policy-evalu ationfalseji-chu-toopen-bandit-dataset-and-pipelinefalseshao-jie\n発表 概要： テック企業における機械学習応用の場面におい ては、機械学習による予測をそのまま用いるのではな く、「それぞれのユーザーにどのファッションアイテ ムを推薦すべきか？」などの意思決定を下すための情 報として用いることが多い。このような場合に、予測 精度をオフライン評価指標として用いてしまうと、最 終的なモデル選択に失敗してしまうことがある。本発 表では、機械学習による予測に基づいて作った意思決 定policyの性能を直接オフラインで評価するためのOff-Pol icy Evaluationの基礎について解説する。また、国内最大 のファッションECサイトであるZOZOTOWNにおいて私を含む 研究チームが行った実験に基づき研究用に公開した大 規模実データ（Open Bandit Dataset）とパッケージ（Open Band it Pipeline）について特徴や、使用方法について解説す る。\n参考資料 \n論文: https://arxiv.org/abs/2008.07146 \nOpen Ba ndit Pipeline: https://github.com/st-tech/zr-obp \nOpen Bandit Dataset: h ttps://research.zozo.com/data.html \nプレスリリース: https://corp .zozo.com/news/20200818-11223/ \nタイトル： 社会をデータでデ ザインする：市場設計・因果推論・機械学習を融合し た統一アプローチ\n発表者：成田悠輔 \nプロフィール ：経済学者・データ科学者・教育学者・事業者・物書 き。専門は、データ・アルゴリズム・数学を使ったビ ジネスと政策（特に教育）のデザイン。イェール大助 教授、半熟仮想株式会社代表、一橋大特任准教授、経 済産業研究所客員研究員などを兼任。東京大学卒業後 、MITでPh.D.を取得。事業者として、サイバーエージェ ント、ZOZO、Yahoo!、メルカリ、日本ユニシスなどとの共 同研究・事業に携わり、日本経済新聞やForbesなどにも 取りあげられた。研究者として、多分野の国際学術誌 に査読付論文を出版。大学生時代の黒歴史的共訳著に 『ゲーム理論による社会科学の統合』『学校選択制の デザイン』など。Forbes Japan、共同通信、Yahoo!ニュース のコラムニストも気分次第で務める。\n発表概要：\n公 共政策からビジネスまで、機械学習や市場設計などの アルゴリズムを利用した意思決定が広がっている。そ の際に重要になるのが、過去に使われたことのない新 しい意思決定アルゴリズムの性能を予測することだ。 正確な性能予測はよりよいアルゴリズムの発見につな がる。この発表では、過去に使われたアルゴリズムが 自然に蓄積したデータを用いて、未知のアルゴリズム の性能を予測する技法を提案する。この方法は幅広い アルゴリズムに適用可能で、使える場面はウェブコン テンツ配信・価格設定・金融機関の審査のようなビジ ネスから、裁判の判決、データ駆動教育・医療、そし て学校入試・労働市場設計やオークションなどの公共 政策まで多岐にわたる。これらの例を見渡すことで、 様々な社会制度・政策・ビジネスの評価・設計・予測 を統一技術で行えることを示す。最後に、そのような 試みを展開する場所として私たちがはじめた新会社を 紹介する。 LOCATION:オンライン URL:https://techplay.jp/event/787382?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR