BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:CounterFactual Machine Learning勉強会 #7（オンライン ） X-WR-CALNAME:CounterFactual Machine Learning勉強会 #7（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:885337@techplay.jp SUMMARY:CounterFactual Machine Learning勉強会 #7（オンライン） DTSTART;TZID=Asia/Tokyo:20230114T130000 DTEND;TZID=Asia/Tokyo:20230114T170000 DTSTAMP:20260704T125308Z CREATED:20221214T143923Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/88533 7?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/チュートリアルを見 てみると良いかもしれません。\n\n私のブックマーク： 反実仮想機械学習 (Counterfactual Machine Learning\, CFML)\nTutori al on Counterfactual Learning and Evaluation for Recommender Systems: Fou ndations\, Implementations\, and Recent Advances (RecSys 2021)\n\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（1/14）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URL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\n13:00 - 13:1 0\n挨拶・諸連絡\n\n\n13:10 - 13:50\n発表①： ABEMAにおける クリエイティブ検証とOPE活用\n\n\n13:50 - 14:30\n発表②： Policy-Adaptive Estimator Selection for Off-Policy Evaluation (AAAI'23採 択)\n\n\n14:30 - 15:10\n発表③： EconMLに実装されている異 質処置効果の推定手法の紹介・再考\n\n\n15:10 - 15:30\n休 憩\n\n\n15:30 - 17:00\n『施策デザインのための機械学習入 門』『機械学習を解釈する技術』著者座談会\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：ABEMAにおけるクリエイティブ検証とOPE活用\n発表者 ：海老澤颯\nプロフィール： 株式会社AbemaTV。動画解析 基盤の開発を経て、現在は画像サムネイルの検証に日 々奮闘中。\n健康オタクエンジニア。\n発表概要： ABEMA においてサムネイルは、番組へユーザーを誘導する重 要な役割を担っており、より良いサムネイルを作成す るための検証や、ユーザーにとって相性の良いサムネ イルを選択する最適化は非常に重要なデータサイエン スのタスクとなっています。この発表では、そういっ た検証や最適化における、A/BテストやOPEの活用の事例 についてお話しします。\nタイトル：Policy-Adaptive Estimat or Selection for Off-Policy Evaluation (AAAI'23)\n発表者： 清原 明 加\nプロフィール：東京工業大学 学士課程4年（経営工 学）。人々の経済活動や行動選択を支援する意思決定 システムでの機械学習・最適化技術の応用に興味があ り、主に強化学習領域のアルゴリズム開発・評価に関 する研究を行う。現在は特に、半熟仮想、Yahoo、Sony、n egociaと共同研究を行い、推薦システム・広告入札アル ゴリズムの評価技術開発に携わる。\n発表概要： オフ 方策評価は新たな意思決定方策の性能評価を、日頃デ プロイされている既存の方策のログデータのみを用い て行うための技術であり、これまで広く研究されてき た。その結果、今や良い統計的性質を保証する種々の オフ方策推定量を使用することができるようになった のは、分野の発展の非常に好ましい側面だ。一方、そ れぞれの推定量にはデータサイズや選択可能な意思決 定の数などに応じた向き不向きが存在し、実用的な場 面でどの推定量を使うべきか判断するのは容易ではな い。本発表では、この「推定量選択」という新たな実 務課題に焦点を当て、正確なオフ方策推定量をデータ ドリブンに特定する手法を提案する。また、提案手法 が広範な問題設定において正確な推定量選択を可能に するだけでなく、その下流の方策選択問題においても 良い性能を示す実験結果を紹介する。\n参考文献: Takuma Udagawa\, Haruka Kiyohara\, Yusuke Narita\, Yuta Saito\, and Kei Tateno. Policy-Adaptive Estimator Selection for Off-Policy Evaluation. AAAI2023. https://arxiv.org/abs/2211.13904\nタイトル：EconMLに実装され ている異質処置効果の推定手法の紹介・再考\n発表者 ：高山晃一\nプロフィール： 株式会社リクルート デー タサイエンティスト/機械学習エンジニア。情報推薦の ためのモデリングやシステム開発に携わっている。\n 発表概要： データ分析業務において、 異質性を持っ た処置効果（Heterogeneous Treatment Effect\; HTE） を考慮した モデリングや意思決定を行うことの重要性が高まって きている。例えば、薬の治療効果が患者の性質によっ て異なる場合、治療効果の異質性の原因となる性質を 特定し、患者ごとに治療計画をカスタマイズすること は有益である。HTEの推定手法は数多く提案されている が、近年は計量経済学と機械学習の知見を融合させた 研究が盛んに行われている。実応用においても、EconML やCausalMLといったHTE推定のためのライブラリが開発さ れており、手で動かして結果を得るまでのハードルは 低くなっている。しかし、実際に関連するドキュメン トや論文を読んでみると落とし穴がいくつか存在し、 与えられたフローチャートを暗記するだけでは不十分 であるという結論に至った。そこで本発表では、EconML で実装されているHTEの推定手法を中心に説明しつつ、 公式のドキュメントや関連論文では詳しく述べられて いない背景を補足して繋ぎ合わせることで、HTE推定に ついての新しい地図を作ることを試みる。\n※ こちら のスライドをCFML勉強会向けに大幅アップデートした 形で発表します\n『施策デザインのための機械学習入 門』『機械学習を解釈する技術』著者座談会\n\n前半: 事前に設定したトピックに沿って登壇者で雑談します 。執筆の裏側などここでしか聞けない話を中心にしま す。\n後半: 聴衆から募った質問に時間が許す限り答え ていきます。前半の内容に関係する質問や書籍に関す る質問などをsli.doにお寄せください。\n\n司会\n\n高屋 卓也: \n編集者。2002年技術評論社に入社。販売促進部 にて書店／取次などの担当を経て編集部に異動。主な 担当書籍に『施策デザインのための機械学習入門』（2 021）\,『 機械学習を解釈する技術』（2021）\, 『効果検 証入門』（2020），『Kaggleで勝つデータ分析の技術』（ 2019），『前処理大全』（2018）などがある。Twitter: @tkay tkuy\n\n登壇者\n\n\n森下光之助: データサイエンティスト 。経済学修士。現在はREVISIO株式会社でデータ・テクノ ロジー担当の執行役員としてテレビデータの分析、社 内データの利活用の促進、データ部門のマネジメント を行っている。著書に「機械学習を解釈する技術」。T witter: @dropout009\n\n\n齋藤優太: \n2021年東京工業大学にて 学士号取得。同年よりコーネル大学コンピュータサイ エンス専攻博士課程にて反実仮想学習や推薦システム の公平性に関する研究を行う。NeurIPS・ICML・KDD・RecSys ・WSDMなどの国際会議にて学術論文を発表。また複数の 国内企業と連携して、反実仮想学習の応用にも従事。2 021年 日本オープンイノベーション大賞内閣総理大臣賞 を受賞。2022年 Forbes Japan 30 Under 30及び孫正義育英財団 第6期生に選出。著書に『施策デザインのための機械学 習入門』（技術評論社）。Twitter: @usait0\n\n\n安井翔太: 2 013年Norwegian School of Economics MSc in Economics 修了後、サイ バーエージェントに総合職として新卒入社。 入社後は 広告代理店にて広告効果検証等を行い、2015年にアドテ クスタジオへ異動、以降はDMP・DSP・SSPと各種のアドテ ク商品においてデータを元にした意思決定のコンサル ティング等を担当。2016年にAI Lab Econチームを立ち上げ 。現在はEconグループのリーダを担当しつつ、「Data Scie nce Center」の副室長を務める。著書に「効果検証入門」 「施策デザインのための機械学習入門」。Twitter: @housec at442\n\n LOCATION:オンライン URL:https://techplay.jp/event/885337?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR