概要

マジ卍

某データ分析会社の有志によるプライベート論文読み会です。ルノアールの会議室（5人~12人）を使ってゆるふわ論文紹介をします。なので社外の方はいったん想定していませんが、参加者の知り合いで参加希望の方がいれば検討します。

また、give and takeな状況にしたいので、参加者は基本発表する、という考えでいます。

場所

• 喫茶室ルノアール　飯田橋西口（カフェ物理御用達の場所）
• 13:50分に近くのファミリーマート集合です

進め方

• 対象論文はNIPS2017（とはいえ別のものでもよい）
• NIPS 2017 : https://nips.cc/
• 一人15分でスライドを発表して、適宜質疑応答
• プロジェクターのケーブルはD-sub, HDMI, USBあるそうです。そこそこ前のMac使いは変換ケーブル必要
• とりあえず司会はtekenuko、タイムキーバーは誰かお願いー

発表内容

1. skroot：AIDE: An algorithm for measuring the accuracy of probabilistic inference algorithms(http://papers.nips.cc/paper/6893-aide-an-algorithm-for-measuring-the-accuracy-of-probabilistic-inference-algorithms.pdf)
2. tekenuko：CatBoost: gradient boosting with categorical features　support(http://learningsys.org/nips17/assets/papers/paper_11.pdf)
3. mendo：Attention Is All You Need(https://papers.nips.cc/paper/7181-attention-is-all-you-need.pdf)
4. Shinya kouda：Premise Selection for Theorem Proving by Deep Graph Embedding(https://papers.nips.cc/paper/6871-premise-selection-for-theorem-proving-by-deep-graph-embedding.pdf)
5. RyojiTsuji：Learning Active Learning From Data(https://papers.nips.cc/paper/7010-learning-active-learning-from-data.pdf)
6. atkmt：Wasserstein Learning of Deep Generative Point Process Models(https://papers.nips.cc/paper/6917-wasserstein-learning-of-deep-generative-point-process-models.pdf)
7. goushu：Sparse Embedded k-Means Clustering(http://papers.nips.cc/paper/6924-sparse-embedded-k-means-clustering.pdf)
8. nkabeyama：DropoutNet: Addressing Cold Start in Recommender Systems（https://papers.nips.cc/paper/7081-dropoutnet-addressing-cold-start-in-recommender-systems.pdf）

経費

• 合計10180円

内訳

• 会議室：3390円
• プロジェクター：2470円
• コーヒー一人540円×8

打ち上げ

• 肉バルブッチャーズ 八百八 飯田橋店 （https://tabelog.com/tokyo/A1309/A130905/13185999/）