なんの勉強会？

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。

想定する参加者

機械学習 and/or 因果推論の基礎的な知識を持つことを想定します。

ブログ枠

参加後に発表内容やその感想などについてブログを書いてください。

会場と受付

会場：渋谷スクランブルスクエア 21F セミナールーム

来場方法 1. エレベーターで17Fまで上がる 2. 17Fに設置する受付でゲスト用のパスを受け取る 3. 17Fのゲートを通る 4. 21Fまでエレベーターで上がる 5. 21Fセミナールームで再度受付

受付の際にはスマートフォン等でconnpassの受付票の提示をお願いします。

注意事項

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。 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。 会場は禁煙となっております。

タイムテーブル

※ 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。

発表の詳細

タイトル：Delayed Feedback meets CFML

発表者：安井翔太（@housecat442）

プロフィール： Cyberagent AILab ADEconチームリーダー。 因果推論・計量経済学・機械学習を利用した意思決定技術の研究に取り組んでいます。

発表内容： 教師あり学習の応用において、正解データが遅れて観測されるというDelayed Feedbackと呼ばれる状況が存在します。これは例えば広告のクリックから売り上げの発生までに時間差が存在するような場合などが該当します。このような設定はCFMLでよく見られる設定と同様に、学習データと予測データでの分布が異なるという問題と解釈することが可能です。 この発表では、Delayed Feedbackの問題点の整理と傾向スコアを用いた学習の補正方法について紹介します。

タイトル：Unbiased Recommender Learning from Biased Implicit Feedback

発表者：齋藤優太 (@moshumoshu1205)

プロフィール： 東京工業大学経営工学系B4。 CyberAgent AILabとZOZO TechnologiesでCFML関連の研究に取り組む。 ブログ にてCFML関連の話題を発信。

発表内容： ユーザー体験を高める推薦を達成するために、推薦システムの学習や評価におけるバイアスの除去手法が盛んに議論され始めています。 この発表では主にimplicit feedbackに基づく推薦システムの学習に際して発生する問題をexplicit feedbackの場合と比較しながら整理します。特にExposure Modelというシンプルなfeedback発生モデルに基づき既存手法を複数の視点から解釈し直します。また既存研究が解決しきれていない問題に取り組んだ私自身の研究についても簡単に紹介します。

タイトル： Policy learning の研究最前線

発表者：上原雅俊

プロフィール： Harvard統計学科D3, 強化学習、因果推論、セミパラメトリック統計の研究をしています。

発表内容： Policy learning がここ数年、様々なコミュニティ（生物統計、学習理論、計量経済、データマイニング、強化学習etc）で流行しています。 今回は今、知られている重要な結果とopen questionについて説明します。

スポンサー

会場及び懇親会は株式会社サイバーエージェント AILabにスポンサーとして提供してもらいます。 https://cyberagent.ai/ailab