DeepLearning論文をスムーズに読むためのデータセット&評価指標を俯瞰するセミナー #1
2019/07/14(日)13:00
〜
15:30
開催
ブックマーク
参加枠 | 申込形式 | 参加費 | 参加者 |
---|---|---|---|
セミナー参加者枠
|
先着順 |
4,000円
現金支払い
|
0人 / 定員6人 |
イベント内容
内容概要
DeepLearningを読むにあたってまず重要なのは構成を掴むことです。
基本的には、Abstractと提案手法について読めば研究の差分箇所について把握することが
できます。
次に気になる、実験と評価のところを読むにあたってはデータセットやベンチマークが
基本的に既知のように書かれ、表形式で精度が比較されています。
これらのデータセットを出てくる度に調べるとなると大変で、有名なデータセットを
予め知っておく方が読むのが楽になるのではということで、今回のセミナーを企画させて
いただきました。
DeepLearningの論文で用いられている様々なデータセットやベンチマークについて
重要だと思われたものをいくつかピックアップしてお伝えできればと思います。
これを機に、実験や評価のところを早く理解できるようになりましょう!!
開催日程
7/14(日)
受付: 12:50〜13:00
講義: 13:00〜15:30
※
途中で適宜休憩時間を挟む予定です。
アジェンダ
・前提の確認、データセットについて知っておくとどう役に立つのか(20分)
・有名データセットと有名論文での参照のされ方(80分)
PASCAL VOC
ImageNet
COCO(Common Object in Context)
GLUE(General Language Understanding Evaluation) etc
↓下記のような形で確認を行っていくイメージです。
https://lib-arts.hatenablog.com/entry/dataset_ml1
https://lib-arts.hatenablog.com/entry/dataset_ml2
https://lib-arts.hatenablog.com/entry/dataset_ml3
・質疑応答(15分)
・論文輪読会の紹介(10分)
https://reading-innovation.connpass.com/event/132549/
自分で読む力をつけるにあたって良い会になるようにしていますので、内容紹介と多少宣伝も兼ねます。
※
時間配分は目安なので、少々変更になる可能性があります。
(取り扱うデータセットは全体バランスを見てもう2~3ほど増やす予定です)
途中で適宜休憩を設けます。
会場
水道橋駅、神保町駅、九段下駅周辺
千代田区西神田2-7-14 YS西神田ビル2F
想定参加者
・arXivなどに上がっている論文を実際に自分で読めるようになりたい方
・DeepLearningの研究における問題定義について詳しい知見が欲しい方
・論文のExperimentsを早く読めるスキルを身につけたい方
講師プロフィール
東大工学部卒。
データ分析/AI開発の仕事の経験は7年ほどで、理論/開発/ビジネスのどれも経験があり強い。
また、多くの業界のプロジェクトに関わったためドメイン知識も豊富。
初心者向けの指導実績も多く、1,000名近い。
費用
・4,000円 (2.5時間)
※ 領収書発行の際は法人参加と見なし、追加1,000円とさせていただければと思います。
定員
6名(人数に合わせて調整します、別媒体でも募集していますので申し込み人数は当日参加者数を反映しません)
ご参加にあたってのお願い
無断欠席や前日以降のキャンセルに関しては当日人数読めなくなり非常に迷惑なので
基本的に行わないようにお願いします。(直前参加は定員的に問題なければ歓迎です!)
体調不良、職務都合、ご家庭の事情などどうしてものケースは別途ご連絡いただくか、
イベントへのお問い合わせよりご連絡いただけますと嬉しいです。
上記がひどいアカウントに関してはブラックリスト処理を行い以後の参加をお断りさせて
いただきますので、その点だけ予めご了承ください
(7割以上来れる前提でのお申し込みと前日以降のキャンセルはメッセージでのご連絡を
いただくということだけ気をつけていただければ大丈夫だと思います)
モチベーションの高い参加者の方を重視する運営としていきたいと考えています。
ご協力のほど、よろしくお願いいたします。
新規会員登録
このイベントに申し込むには会員登録が必要です。
アカウント登録済みの方はログインしてください。
※ ソーシャルアカウントで登録するとログインが簡単に行えます。
※ 連携したソーシャルアカウントは、会員登録完了後にいつでも変更できます。