BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:CF + Fin ML勉強会 X-WR-CALNAME:CF + Fin ML勉強会 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:809472@techplay.jp SUMMARY:CF + Fin ML勉強会 DTSTART;TZID=Asia/Tokyo:20210313T120000 DTEND;TZID=Asia/Tokyo:20210313T170000 DTSTAMP:20260501T041217Z CREATED:20210224T142105Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/80947 2?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n概要\nFinMLの 皆さんと合同で勉強会を開催します。\nこの勉強会で は、FinMLとCFMLのそれぞれで面白そうな研究や活動を行 なっている方をお呼びして、最新の研究に関してお話 をしていただきます。\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本イベントは FinML勉強 会にもイベントページ が作成されておりますが、同内 容になります。参加登録はどちらで行っても同じです 。\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（3/13）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30 or 60分です。\n発表資料（日本語 or 英語）の公開が行われるものと、そうでないものがあ ります。\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。\n1. connpassのメッセージ機能 でお知らせしたURLにアクセスしてください\n2. 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）。\n3. 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。\n4. 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\n12:00 - 12:10\n挨拶・諸連絡\n\n\n12:10 - 13:10\n発表①：「On Statist ical Discrimination as a Failure of Social Learning: A Multi-Armed Bandit Approach」\n\n\n13:10 - 13:20\n休憩・質疑\n\n\n13:20 - 14:20\n発 表②：「AIによるファンド行動学習（仮）」\n\n\n14:20 - 14:30\n休憩・質疑\n\n\n14:30 - 15:00\n発表③：「広告配信プ ロダクトにおける経済学の活用」\n\n\n15:00 - 15:30\n発表 ④：「金融 × AI で解くべき問題は何か？」\n\n\n15:30 - 1 5:40\n休憩・質疑\n\n\n15:40 - 16:10\n発表⑤：金融時系列予 測のための機械学習：直近の我々の採択論文を紹介\n\n \n16:10 - 16:40\n発表⑥：「金融理論における深層学習の 活用について」\n\n\n16:20 - 16:50\n質疑・閉会\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\n\n\n\n発表の詳細\nタイ トル：「On Statistical Discrimination as a Failure of Social Learning : A Multi-Armed Bandit Approach」\n発表者：野田 俊也　@himagegi ne　（ブリティシュコロンビア大学）\nプロフィール： マーケットデザイン、マッチング、オークション理論 を専門とする。特に、社会実装を強く意識した応用性 の高い制度設計に取り組んできた。既存の研究対象に とらわれず、新しい制度設計の対象の開拓を目指して おり、近年は特に仮想通貨およびスマートコントラク トの経済学的分析に注力している。ブリティシュコロ ンビア大学助教授・スタンフォード大学PhD（経済学） 。\n発表概要：ニューヨーク大学の小宮山純平氏と共 著した、統計的差別の発生と継続を多腕バンディット 問題の枠組みを使って分析した論文を発表します。\n タイトル： 「AIで迫る、運用の「クセ」と第6感 」\n発 表者：田尻 貴夫（Sony CSL）\nプロフィール：株式会社 ソニーコンピュータサイエンス研究所　プロジェクト リーダー\n株式会社ブリヂストンおよび本田技研工業 株式会社において本社購買部門を経験後、外資系経営 戦略コンサルティングファームの戦略系コンサルタン トとして様々な業界の事業戦略および海外戦略を策定 。その後ソニーフィナンシャルホールディングス株式 会社等にて海外戦略等の策定および実行。現職では、G PIFにおけるAI活用プロジェクト、ネット銀行向けAIロボ ットアドバイザー 企画開発、非金融資産をアセットク ラスとする資産運用アプリβ版の企画開発運営、 等を 行う。筑波大学第一学群人文学類卒業　学士（文学） 東京大学大学院人文社会系研究科修了　文学修士\n発 表概要：ソニーコンピュータサイエンス研究所は2017年 より約3年間世界最大の公的年金基金であるGPIFとAI活用 プロジェクトを行いました。そこでは、運用機関の選 定でAIがファンド間の違いの決め手を明確にすること ができれば個人の経験や能力によらない平準化された 選定眼を持つことが可能になること、運用機関の選定 でAIがファンド運用行動の変化を検知し、その変化の 確認プロセスを重ねることでAIの信頼性を高めること ができることを検証しました。本公演ではその内容お よび適用技術を発表します。\nタイトル：「広告配信 プロダクトにおける経済学の活用」\n発表者：金子 雄 祐　@coldstart_p（サイバーエージェント）\nプロフィー ル：2018年CyberAgent新卒入社. AI事業本部Dynalyst データサ イエンティストチームリーダー. 大学院では東京大学 経済学研究科統計学コースで計量経済学，特に因果推 論を学んだ．現在はリターゲティング広告配信アルゴ リズムの開発などに従事．社内研究者チームと協力し て強化学習や因果推論関連の論文執筆なども行ってい る．Kaggle Master.\n発表概要：広告配信DSPにおける機械学 習や実験計画，因果推論の活用とその応用例について 直近の研究例と交えて紹介いたします．\nタイトル： 「金融 × AI で解くべき問題は何か？」\n発表者：永山 恒彦（みずほ第一フィナンシャルテクノロジー/東京大 学）\nプロフィール：みずほ第一フィナンシャルテク ノロジー　データアナリティクス技術開発部所属。東 京大学大学院情報理工学系研究科博士課程1年。\n金融 ドメインにおける機械学習の活用について取り組んで います。\n発表概要：金融ドメインにおけるデータの 特徴を鑑みたうえで、金融×機械学習の難しさはどこ にあるのか、それを提言するアプローチとしてどのよ うなものが考えられるかについて、ご紹介します。\n タイトル：金融時系列予測のための機械学習：直近の 我々の採択論文を紹介\n発表者：伊藤克哉(@k1ito)\nプロ フィール：Preferred Networksにてデータサイエンティスト として、金融業界や製造業のデータ分析・研究開発を 行う。時系列分析や異常検知などが専門。大学では理 学部数学科で純粋数学を学び、大学院では経済学研究 科でファイナンスについて研究し、新卒でPreferred Networ ksに入社。\n発表内容：Preferred Networksと野村アセットマ ネジメントでの共同研究でAAAI・AAMASに採択された株価 予測・時系列予測手法について説明します。特に、金 融業界のドメイン知識と機械学習をどのように融合さ せるかについて重きを置いています。\nタイトル：「 金融理論における深層学習の活用について」\n発表者 ：伊藤 広大（みずほ第一フィナンシャルテクノロジー ）\nプロフィール：みずほ第一フィナンシャルテクノ ロジー株式会社、投資技術開発部。\n主にアセットア ロケーション策定に関する調査・分析やコンサルティ ング、およびロボアド・ライフプランシミュレーター のロジック開発などに取り組んでいます。\n発表概要 ：金融理論においては、現実の複雑なマーケットにお ける行動の指針を得るために、モデルを通じた単純化 が行われてきました。\n一方で、近年の機械学習分野 における研究の進展により、モデルはより多様なデー タを扱ったり柔軟な構造を表現出来るようになりつつ あります。\n本発表では、機械学習分野でも特に発展 の著しい深層学習に注目し、深層学習を用いた近年の 金融理論の進展の事例を紹介します。 LOCATION:オンライン URL:https://techplay.jp/event/809472?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR