BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:機械学習 名古屋 研究会 #71 X-WR-CALNAME:機械学習 名古屋 研究会 #71 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:932837@techplay.jp SUMMARY:機械学習 名古屋 研究会 #71 DTSTART;TZID=Asia/Tokyo:20240215T190000 DTEND;TZID=Asia/Tokyo:20240215T210000 DTSTAMP:20260506T110552Z CREATED:20240118T140813Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/93283 7?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n機械学習 名 古屋 研究会\n注意\nCOVID-19対策にしばらくオンラインイ ベントとします。\n「参加者への情報」に記載したURL から参加してください。「参加者への情報」はイベン トに申し込んだ人のみ見ることができます。\n概要\n機 械学習に関する論文・技術ブログを読み、情報共有のL Tをする勉強会です。\n\n【発表者・事前に】 論文・技 術ブログのまとめ作成（研究会の GitHub リポジトリに プルリク）\n【当日】 発表・質疑応答・不明点の解明\ n【その他】機械学習名古屋のDiscordでのコミュニケー ションも https://discord.gg/NqyhtTfC3r\n\n対象\n\n機械学習を 業務・趣味で用いている人\nチュートリアルや基本的 な技術書をある程度読み終え、次のステップへ進みた い人\n機械学習を使ったサービスのネタを探している 人\n\n目的\n急速な進歩を続ける機械学習の分野で活躍 するには、最新技術の情報収集が重要です。多人数で 情報収集・共有をすれば効率的です。この勉強会で、\ n\n知識のアップデート\n論文を読む習慣付け\n発展的・ 実践的な知見の獲得\n\nをしましょう。\n時間割\n合計2 時間のLT会を行います。発表者数で割った時間が一人 あたりの持ち時間です。\n一人あたり、発表5分、質疑 応答5分を想定しています。\n会場\nこのイベントはリ モートで行います。「参加者への情報」に記載したURL にアクセスしてください。その際、ニックネームをconn passユーザー名にしていただけると助かります。「参加 者への情報」はイベントに申し込んだ人のみ見ること ができます。\n参加方法\n\n\n\n枠\n事前準備\n当日\n備考 \n\n\n\n\nリモート発表枠\n論文・技術ブログをまとめる （「発表方法」を参照）\n「参加者への情報」のURLか らリモート参加してください。\n読む論文が決まらな い場合も現地発表枠で申し込んでください\n\n\nリモー ト一般枠\n\n「参加者への情報」のURLからリモート参加 してください。\n\n\n\n\n発表方法\n論文・技術ブログを 開催日時までに読んで、マークダウン形式で簡単にま とめ、研究会の GitHub リポジトリにプルリクエストを 出してください。不明な場合などは代行します。その 場合、管理者宛にまとめた.mdファイルを送付してくだ さい。\n論文・技術ブログのまとめ方について\n次は、 まとめの章立ての例です。このような内容をまとめて ください。\n\n\n\n章\n内容\n\n\n\n\nどんなもの？\n手法の 概要\n\n\n先行研究と比べて何がすごい？\n新規性につ いて\n\n\n技術や手法の肝は？\n手法のポイント\n\n\nど うやって有効だと検証した？\n評価指標など\n\n\n議論 はある?\n論文の研究で出た予想や残った課題など\n\n\n 次に読むべき論文\n関連する論文\n\n\n\n論文まとめテン プレートを用意しています↓ \n論文まとめテンプレー ト \nテンプレートなどを利用して、マークダウン形式 （.md ファイル）でまとめを作成してください。\n提出 方法\n提出は、研究会の GitHub リポジトリ へのプルリ クエストで行います。\n{研究会日付}_reportsディレクト リ内に、発表と紐づくようなパス（論文タイトル、発 表者名など）でまとめを配置してください。例えば、 第1回論文まとめディレクトリを参考にしてください。 \nGitHub を使えないなどの場合は、当日までに論文をま とめた .md ファイルを管理者宛に送付（もしくは共有UR Lを提示）いただければ、プルリク代行いたします。\n お問い合わせについて\nお問い合わせのある方は、こ のページの「イベントへのお問い合わせ」よりお気軽 にお問い合わせください。\nフィードからのお問い合 わせには気付かずに返信ができない場合がありますの でご了承ください。\n機械学習名古屋Discord（下記参照 ）でのお問い合わせもOKです。\nその他お知らせ\nDiscord サーバ建てました！（本会と一緒です）\n勉強会の感 想や質疑・資料の共有、主催者側からの連絡、その他 雑談など、色々な利用法を想定しています。\n以下のUR Lからご参加ください。\nhttps://discord.gg/NqyhtTfC3r\nFAQ\nど うまとめたらいいか分からない\nまとめの章立ての例 や、論文まとめテンプレートは、 落合陽一氏の論文ま とめ方（あるスライドの65ページ目） を参考に作成し たものです。\n考え方やコツは、これまでのまとめ（ 例えば、第1回論文まとめディレクトリ）や、以下に挙 げる参考サイトなどを参考にしてください。\n参考\n\n 高速で論文がバリバリ読める落合先生のフォーマット がいい感じだったのでメモ - 書架とラフレンツェ\nパ ワポ版の落合先生流論文要旨のテンプレートを作った ので配布する - 一人ぼっちのライフハック生活\n\nGitHu b の使い方（プルリクエストのやり方）が分からない\n プルリクエストには GitHub のアカウントが必要です。 プルリクエストの方法は次の記事が参考になります。\ n\n【GitHub】Pull Requestの手順\nGitHubでFork/cloneしたリポジ トリを本家リポジトリに追従する\n\n最新論文でないで すが大丈夫ですか\n会の趣旨から大きく離れていなけ れば大丈夫です。\n画像を入れたい\n外部サイトに画像 を置く以外にも、20xxxxxx_reports/{発表との対応が分かる ディレクトリ名}/xx.pngのようなパスに画像を置く方法 をおすすめします。\n論文が被っても大丈夫ですか\n大 丈夫です。\n過去に扱っていても、読む人や読む時期 によって見方が変わるため、得るものがあると思いま す。\nまた、発表や論文を読むのに慣れていない人は 、過去に発表されたものを自分でも読んでみて発表す るのも良い勉強になると思うので、是非チャレンジし てほしいです。\n途中までしか読めませんでした\n読め たところまで発表するのでもOKです。2回に分けても大 丈夫です。\n少しでもチャレンジして勉強することは 良いことで、この勉強会ではそれを応援したいです。\ n差分\n第62回より\n\n機械学習名古屋Discordについての記 載を追加した。\n\n第28回より\n\nURLの通知方法を新機能 の「参加者への情報」へ変更した。\n\n第25回より\n\nCOV ID-19対策にリモートのみとした。\n\n第24回より\n\nリモ ート枠をリモート発表枠とリモート一般枠に分けた（ 発表者人数把握のため）。\n\n第14回より\n\nアンケート を無くした。\n現地発表者は読む論文が決まっていな くても最初から現地発表枠で申し込む方式に変更した 。\n\n第13回より\n\n論文以外にも技術ブログも可とした 。\n発表しなくても可とした。ただし、枠は発表者優 先。\nリモート参加を可とした。\n\nオープニング用カ ンペ\n機械学習名古屋研究会は、機械学習に関する論 文・技術ブログを読み、その内容をLTの形で発表しあ う勉強会です。\nこの勉強会を通して、新しい知識や 論文を読む習慣をいっしょに身に着けていきたいと考 えています。\n勉強会の進め方の説明をします。\n発表 者は事前にまとめを作成し、githubのmlnagoya/surveysリポジ トリにプルリクを出します。\nプルリクの順を目安に 順に発表をします。\n発表は発表者数によりますが、10 分程度を想定します。\n発表後は質問やコメントの時 間になります。\n他の人の発表中など、発言しない方 はマイクをオフにしてください。\nこの勉強会では発 表者を歓迎しています。\n機械学習を業務で使ってい る人だけでなく、チュートリアルレベルからステップ アップしたい人や、機械学習を使ったビジネスのネタ を探している人の参加も歓迎しています。\n発表や論 文に慣れていない人は、過去に発表があったものを自 分でも読んで発表してみたり、読めたところまで発表 して複数回に分けるといったことも良いと思います。\ nまた、機械学習名古屋のDiscordができました。本会と の共有です。そちらでのコミュニケーションも是非。 LOCATION:開始直前にURLを通知します オンライン URL:https://techplay.jp/event/932837?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR