SlideShare ist ein Scribd-Unternehmen logo
1 von 36
Downloaden Sie, um offline zu lesen
2012/11/27@MLABネットワークリサーチフォーラム
                                    東京⼤大学駒場リサーチキャンパス




 21世紀の研究・企業・個⼈人のあり⽅方
   〜~ICTがもたらす新しい世界〜~

                             岡野原  ⼤大輔


              株式会社Preferred  Infrastructure  
                      取締役副社⻑⾧長
                 hillbig@preferred.jp
⾃自⼰己紹介・会社紹介




2
⾃自⼰己紹介

l  名前:岡野原  ⼤大輔
l  経歴:
    l  福島県いわき市⽣生まれ、磐城⾼高校(ラグビー部)

    l  東京⼤大学理理科⼀一類→同情報理理⼯工学研究科コンピュータ科学博⼠士課程

        2010年年3⽉月修了了、情報理理⼯工学博⼠士(辻井研)
          l    その間未踏2本、未踏ユース1本
l    株式会社Preferred Infrastructure 2006年年創業
      l  経営・研究開発・営業・企画・何でも



l    twitter @hillbig
これまでの興味分野の遍歴
1992	
         データ圧縮       小5〜 Nifty Serve, DO++

2003	

         ⾃自然⾔言語処理理       ⼤大規模情報検索索     未踏  &  OSS
2004	
               未踏  &  
               辻井研
2005	
                      簡潔データ構造
                                               バイオベンチャーで
           機械学習                                のバイト経験
         データマイニング             Googleでの
2006	
                        インターン,  PFI創業 バイオインフォ
                                             マティクス
                                    経営
会社概要
株式会社  Preferred  Infrastructure
l    略略称    PFI
l    代表者 ⻄西川  徹
l    設⽴立立   2006年年3⽉月
l    社員数 26名
l    所在地 〒113-‐‑‒0033  東京都⽂文京区本郷2-‐‑‒40-‐‑‒1
l    事業概要
      l    検索索/分析分野での製品開発,  販売,  サービス提供
      l    ⼤大規模分散分析エンジンの共同研究開発


                最先端の技術を最短路路で実⽤用化
             リサーチとエンジニアリングの融合
      世の中に必要とされる中で特に重要で困難な課題に対し解を提供

                               5
Preferred  Infrastructure
メンバー構成
l    フルタイム26⼈人中23⼈人がエンジニア/研究者
      l  以下の情報/理理/⼯工学博⼠士

            l    ⾃自然⾔言語処理理/機械学習/計算量量理理論論/データマイニング/⽂文字列列解析
      l    ICPCプログラミングコンテスト  世界⼤大会(=⽇日本代表)  7名
      l    未踏プロジェクト  5名
      l    TopCoder世界上位や、世界プログラミングコンテスト優勝者など
l    各種コミュニティへの働きかけ
      l  ⽇日本Hadoopユーザー会,  ⾃自然⾔言語処理理若若⼿手の会

      l  ⽇日本語⼊入⼒力力本,  Haskel本,  各種雑誌記事,  専⾨門書



      その他、データ圧縮、UI/UX、セキュリティ、分散システム、
      ソフトウェア⼯工学など様々な分野の専⾨門家

                                  6
Jubatus  :  ビッグデータのリアルタイム解析
l  NTT  SIC*とPreferred  Infrastructureによる共同開発
l  2011年年10⽉月よりOSSで公開  http://jubat.us/




      リアルタイム  
       ストリーム         分散並列列               深い解析
  *  NTT研究所  サイバーコミュニケーション研究所
    ソフトウェアイノベーションセンタ
                            7
Jubatus Demo(実際に画⾯面で)
大規模  +  リアルタイム処理  +  機械学習

•  イベント情報/地域情報
•  ユーザーの属性情報
•  各企業/ブランド/製品に
   ついての⼝口コミ分析
•  災害情報のリアルタイム
   解析




                        8
ICTがもたらす
        新しい世界




9
ICTがもたらす新しい世界

l    ICTは既に世界を⼤大きく変えてきたが、これからさらに加速度度的
      に世界を変えていく


l    今後「研究」「企業」「個⼈人」のあり⽅方はどう変わっていくのか
      、変わるべきなのかをいくつか考えてみたい




                     10
データ中⼼心の研究へ




11
研究は第四世代 (Fourth paradigm)へ
  [Jim Gray 2007]

l  第⼀一世代:数学的⼿手法と経験的⼿手法            1000〜2000年前	
    l  ⾃自然現象などの観察を通して

    l  アリストテレス

l  第⼆二世代:理理論論に基づく研究               数百年前	
    l  モデル化、⼀一般化を通して

    l  ライプニッツ

l  第三世代:シミュレーションに基づく研究            数十年前	
    l  シミュレーションを通して

    l  フォン・ノイマン
                                   今	
l  第四世代:データ探索索に基づく研究
      l    センシングや得られたデータの解析を通して
      l    ??

                         12
研究の中⼼心がデータへと変わる

l  これまで
    l  論論⽂文を出した場合、その元になったデータや実験コードなどは

        蔑ろにされ、共有化されず⾮非効率率率的であった
    l  現在、研究費の多くがデータ⽣生成、それを扱うカスタムソフトウ

        ェアの開発・システム運⽤用にかかっている
l  これから
    l  データが研究成果の中⼼心となり共有化される

            l    既に物理理、宇宙学、地球科学、バイオ、⽣生命科学、化学、製薬な
                  ど広い分野でデータ中⼼心の研究が進められている
            l    それに関連する論論⽂文やツールなどの研究成果が有機的に結びつく
            l    全く関連しないような他分野の知識識が結び合う
      l    データを⽀支えるソフトウェア/サービス/コミュニティが重要となる

                               13
データ中⼼心の例例:Entrez ⽣生命科学分野の横断検索索の例例




                 14
データ共有における囚⼈人のジレンマ

l    全員がデータを共有すれば全員の研究は進むが、⼀一⼈人だけが先に
      提供するとその⼈人のみが損をする
      l  ビジネスの世界においても同じ現象がみられる

      l  “このデータ(ソース)があれば論論⽂文を量量産できる”



l    個⼈人・研究組織の良良⼼心に任せても進まない


l    仕組み・システムを作っていくことが重要
      l  オープンソース・オープンデータ




                      15
誰もが専⾨門知識識を得られる
   時代に必要な⼈人材




16
学習コストの著しい低下に伴う競争激化

l    教材や最新の研究資料料は誰でも⼿手に⼊入るようになった
      l  最近のジャーナルはフリーかつ⾃自由に⼊入⼿手可能

            l    c.f. JMLR(機械学習), PLOS(科学・医学)
      l    ウェブ上の資料料やオンライン授業などによる学習
      l    Twitterなどを介して専⾨門家に直接聞く、専⾨門家が話す


l    専⾨門知識識を得るためのコストは急速に⼩小さくなっている
      l  “分野の先端までの⾼高速道路路が通っている” [将棋での⽻羽⽣生]



l    社会⼈人向けの学習の機会
      l    勉強会、英会話、社会⼈人向け教育機関


                                  17
例例:coursera.com

l    2012年年4⽉月にStanford⼤大のコンピュータ科学の教授であるAndrew Ng
      とDaphene Kolleerによって設⽴立立
       l  無料料のオンライン授業をいつでも受けられる

       l  2012年年11⽉月現在, 196カ国, 190万⼈人の学⽣生が

       l  各分野のトップの教授による100を超えるコース

         l    コンピュータ、薬学、バイオ、社会学、数学、統計、⾦金金融、ビジネス




                            18
このような時代に必要な⼈人材は

l    専⾨門知識識を得る機会が誰にでも平等に与えられると同時に、専⾨門
      知識識を持っていることの優位性は急速に失われていく可能性がある


l    何を持って差別化できるのか?  


1.  知識識を活⽤用する技術
     l 複数の分野をまたぎ新しい分野を切切り開く能⼒力力

2.  “⾼高速道路路”で辿り着けない先に進める
     l (これまで)データを持っている

     l データを他の⼈人とは違う⾒見見⽅方で扱える




                      19
求められる新しいタイプの⼈人材

l  専⾨門知識識を持っていること⾃自体に価値はなくなってきている
l  専⾨門知識識を必要に応じていつでも付けられるかが重要
                求められる⼈人材の変遷

      幅広さ



深
さ



            T型人材
      π型人材
I型人材
       周辺分野も
                               オンデマンド型人材	
一つの分野を                 複数の分野   必要に応じて分野を

            広く浅く知って
突き詰める
                 を突き詰め   いつでも突き詰められる
            いるし、1つの
	
                     ている	
   人材
            分野を突き詰
            めている
未来を⾒見見据えた
       研究をするには




21
10年年後に役に⽴立立つ研究を⽬目指すためには

l  今から5〜~10年年後を想像し,その時に必要とされる技術を考える
    l  10年年後を考える時は、狂っていると思うぐらいがちょうどよい

    l  技術開発は加速しているのでそれも考慮した上で想像する

l  歴史から学べることは多い
    l  新しい技術の爆発的普及は突然ではなく、爆発する10年年前にも

        「冴えない」技術として存在している
    l  90年年代後半には、情報検索索は終わり,ポータルの時代と⾔言われてい

        た ⇒ Googleの登場
    l  ニューラルネットは下⽕火に ⇒ 現在のディープニューラルネット



l    冴えない技術に対して,どのような妄想をし、それを信じて投資
      し続けられるか

                    22
現在の研究組織の問題点と提案

l    雑⽤用が多すぎて研究ができない⼈人が多い
      l  特に働き盛りの⼈人が書類作り、学⽣生サポートで忙しすぎる

      ⇒ 柔軟に予算を使えないか, 研究室の単位を⼤大きくして、
           組織で学⽣生をサポートできるようにできないか


l    社会経験を積みにくい
      l  数年年間、会社/別組織にいけないか

      ⇒サバティカル制度度・アカデミックと企業の交流流, インターン


l    分野別の蛸壺化は深刻
      l    隣隣の研究室で何をやっているのか、説明できないし興味もない
      ⇒ ⼈人単位・組織単位の交流流, インターン

                         23
ITを中⼼心とする企業の形




24
ITがもたらす企業の変化

l    はじめから世界をマーケットにみすえた製品・サービス開発が可能
      l  資本がなく⼯工場を作れなくてもアイディアがあれば勝負できる時代

      l  無から1年年で数千万⼈人のユーザー獲得が可能な時代  (c.f. LINE)

      l  ネット以外の領領域でも広がる    c.f. 製造業における3Dプリンター



l    どの業種もITを中⼼心技術として勝負しつつある
      l  ITとは全く関係無いように思える企業も⾃自社でITを育てている

            l    ⼩小売・製造・医療療・⾦金金融・農業・教育
      l    ITが企業の競争⼒力力の源泉になりつつある
      l    各企業が必要とするデータを集められるか、それを活⽤用できるか
      ⇒ 「ビッグデータ」という名の元に各企業が競争⼒力力を育てている


                                 25
業界の壁がなくなりつつある

l  業界毎の壁が消え業界の強みが無くなっている
     l  情報通信技術が壁を打ち破った

l  アップル・アマゾン・グーグルがこれからどれだけの業界
    を破壊するのか
     l  ⾃自分の業界のみを⾒見見ていると、突然⿊黒船が外からやってくる

     l  気づいた時はもう既に遅く、相⼿手は10年年以上投資している

l  例例:スマートフォン
     l  電話・PC・⾳音楽・地図・TV・カーナビ・スケジューラー・・



l    危機でもあり、チャンスでもある
      l    ⾃自分たちも他の分野に攻め込むことができるはず
      l    ⾃自分の強みがどこにあり、どの分野で⽣生かせるのかの視野が重要

                          26
ITは職を奪うのか




27
ITは職を奪うのか

l    ⼈人間にしかできない仕事が急速に減少しつつある
       l  産業⽤用ロボット、⾃自動運転、⾃自動警備、教育、医療療、(政治も?)



l    過去に無い速度度で社会・産業が変化している
      l  ⼈人・組織の学習スピードが追いついていない

      l  企業の変化速度度が追いついていない



l    「持続的イノベーションは職をなくすが、破壊的イノベーション
      は職を⽣生み出す」(Christensen)




                        28
雇⽤用はなくなるのか(続)

l    実際の問題は、必要なところに良良い経済モデルが⽴立立ち上がってい
      ないのが問題
      l  ⼀一部の雇⽤用はむしろ⾜足りない(特に⽇日本は)

      l  介護 / 医療療 / 教育



l    ⼈人の⽣生活を⽀支える社会インフラを⽀支えるためのIT技術はこれから
      ますます重要


l    今後必要となるのは
      l  新しい産業にあったベンチャー育成(社内でも、新企業でも)

      l    前述のような新しい専⾨門知識識を短期間で⾝身につけられる教育機会


                          29
新しい企業・組織が育ち続けないといけない

l  シリコンバレーでは年年間2万社が創業されている
    l  これだけのアイディアがそもそも⽇日本で創出されるのか

l  アメリカでは新しい会社が毎年年300万⼈人の雇⽤用を⽣生み出し、古い
    会社は100万⼈人を失っている


l    「新しい価値観」を持った組織がスピードを持って⾏行行動しないと
      いけない
      l  研究職が種をもってきて、「後はこれを使ってください」

      l  営業職がニーズをもってきて、「これを解決してください」

      ではうまくいかない、複数のスキルを持った⼩小さい混合チーム
       による速い仮説検証・ビジネス化が必要となる


                     30
個⼈人はより⾃自由になり
⾃自分で考えることが求められる




31
個⼈人の働き⽅方

l    変化はより激しく
      l  業種や職、役割が変わることが普通となる

      l  次々と新しい専⾨門スキルを⾝身につけることが求められる



l    個⼈人間のつながりがより⼤大切切に
      l  個⼈人の能⼒力力よりも、誰と知り合いか、どんな情報をいち早く知っ

          ているか、それをどのように解釈するかのスキルが重要に




                       32
機会がより平等に与えられる

l  ⾼高いレベルの教育が平等に与えられる
l  男⼥女女が共に働ける
l  国を問わず働ける


l    何が必要とされているのか、⾃自分をどうアピールするのか
      何をしたいのかを考えないといけない




                    33
最後に




34
最後に (1/2)  

こうした世界で⾯面⽩白い仕事をするための⼼心がけ

1.    挑戦⼼心を常に持ち続け、成⻑⾧長し続ける
2.    多様性を尊重し、チームとしての成果を最⼤大化する
3.    ⾼高い品質の製品・サービスを提供し、⾼高い価値を⽣生み出す
4.    顧客を⼤大切切にする
5.    プロとして⾏行行動し、⾃自⽴立立⼼心を持つ
6.    世の中の問題を考え、社会に貢献する
7.    ⼀一流流の⼈人が集まる場を⽬目指す




(Preferred Infrastructureの文化のドラフトバージョンより)
最後に(2/2)
技術は世界を変えられる
l    技術者⾃自⾝身が「技術が⽣生活を変えられる」ことを
      信じていない場合が多くなった
      l  技術の差異異は関係なく、他の要因が重要と思っている



l    実際はそうではない
      l  技術は⼈人の⽣生活を変えられる

            l    ⾞車車、電話、無線、インターネット
      l    ⼈人の⽣生活は変わらないと100年年前から⾔言われているが変わっている


l    技術者の世界を変えたいという強い意志が必要
      l    可能性を追求する
      l    ⼈人の話は聞くが何が必要になるかは⾃自分の頭で考える

                               36

Weitere ähnliche Inhalte

Was ist angesagt?

基調講演:「多様化する情報を支える技術」/西川徹
基調講演:「多様化する情報を支える技術」/西川徹基調講演:「多様化する情報を支える技術」/西川徹
基調講演:「多様化する情報を支える技術」/西川徹Preferred Networks
 
最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に
最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に
最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心にtmprcd12345
 
さらば!データサイエンティスト
さらば!データサイエンティストさらば!データサイエンティスト
さらば!データサイエンティストShohei Hido
 
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門Shohei Hido
 
Jubatusの紹介@第6回さくさくテキストマイニング
Jubatusの紹介@第6回さくさくテキストマイニングJubatusの紹介@第6回さくさくテキストマイニング
Jubatusの紹介@第6回さくさくテキストマイニングYuya Unno
 
今年のKDDベストペーパーを実装・公開しました
今年のKDDベストペーパーを実装・公開しました今年のKDDベストペーパーを実装・公開しました
今年のKDDベストペーパーを実装・公開しましたShohei Hido
 
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会Yuya Unno
 
Jubatusが目指すインテリジェンス基盤
Jubatusが目指すインテリジェンス基盤Jubatusが目指すインテリジェンス基盤
Jubatusが目指すインテリジェンス基盤Shohei Hido
 
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方Shohei Hido
 
Jubatus Casual Talks #2 Jubatus開発者入門
Jubatus Casual Talks #2 Jubatus開発者入門Jubatus Casual Talks #2 Jubatus開発者入門
Jubatus Casual Talks #2 Jubatus開発者入門Shuzo Kashihara
 
ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術Shohei Hido
 
実世界の人工知能@DeNA TechCon 2017
実世界の人工知能@DeNA TechCon 2017 実世界の人工知能@DeNA TechCon 2017
実世界の人工知能@DeNA TechCon 2017 Preferred Networks
 
Chainerのテスト環境とDockerでのCUDAの利用
Chainerのテスト環境とDockerでのCUDAの利用Chainerのテスト環境とDockerでのCUDAの利用
Chainerのテスト環境とDockerでのCUDAの利用Yuya Unno
 
「HOME'Sデータセット」提供を通じた不動産領域におけるオープンイノベーション促進の取り組み
「HOME'Sデータセット」提供を通じた不動産領域におけるオープンイノベーション促進の取り組み「HOME'Sデータセット」提供を通じた不動産領域におけるオープンイノベーション促進の取り組み
「HOME'Sデータセット」提供を通じた不動産領域におけるオープンイノベーション促進の取り組みYoji Kiyota
 
深層学習フレームワークChainerの特徴
深層学習フレームワークChainerの特徴深層学習フレームワークChainerの特徴
深層学習フレームワークChainerの特徴Yuya Unno
 
ビッグデータはどこまで効率化できるか?
ビッグデータはどこまで効率化できるか?ビッグデータはどこまで効率化できるか?
ビッグデータはどこまで効率化できるか?Shohei Hido
 

Was ist angesagt? (20)

tut_pfi_2012
tut_pfi_2012tut_pfi_2012
tut_pfi_2012
 
基調講演:「多様化する情報を支える技術」/西川徹
基調講演:「多様化する情報を支える技術」/西川徹基調講演:「多様化する情報を支える技術」/西川徹
基調講演:「多様化する情報を支える技術」/西川徹
 
最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に
最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に
最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に
 
さらば!データサイエンティスト
さらば!データサイエンティストさらば!データサイエンティスト
さらば!データサイエンティスト
 
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
 
Jubatusの紹介@第6回さくさくテキストマイニング
Jubatusの紹介@第6回さくさくテキストマイニングJubatusの紹介@第6回さくさくテキストマイニング
Jubatusの紹介@第6回さくさくテキストマイニング
 
今年のKDDベストペーパーを実装・公開しました
今年のKDDベストペーパーを実装・公開しました今年のKDDベストペーパーを実装・公開しました
今年のKDDベストペーパーを実装・公開しました
 
Jubatus使ってみた
Jubatus使ってみたJubatus使ってみた
Jubatus使ってみた
 
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
 
Jubatusが目指すインテリジェンス基盤
Jubatusが目指すインテリジェンス基盤Jubatusが目指すインテリジェンス基盤
Jubatusが目指すインテリジェンス基盤
 
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
 
Jubatus Casual Talks #2 Jubatus開発者入門
Jubatus Casual Talks #2 Jubatus開発者入門Jubatus Casual Talks #2 Jubatus開発者入門
Jubatus Casual Talks #2 Jubatus開発者入門
 
ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術
 
一般向けのDeep Learning
一般向けのDeep Learning一般向けのDeep Learning
一般向けのDeep Learning
 
実世界の人工知能@DeNA TechCon 2017
実世界の人工知能@DeNA TechCon 2017 実世界の人工知能@DeNA TechCon 2017
実世界の人工知能@DeNA TechCon 2017
 
jubatus pressrelease
jubatus pressreleasejubatus pressrelease
jubatus pressrelease
 
Chainerのテスト環境とDockerでのCUDAの利用
Chainerのテスト環境とDockerでのCUDAの利用Chainerのテスト環境とDockerでのCUDAの利用
Chainerのテスト環境とDockerでのCUDAの利用
 
「HOME'Sデータセット」提供を通じた不動産領域におけるオープンイノベーション促進の取り組み
「HOME'Sデータセット」提供を通じた不動産領域におけるオープンイノベーション促進の取り組み「HOME'Sデータセット」提供を通じた不動産領域におけるオープンイノベーション促進の取り組み
「HOME'Sデータセット」提供を通じた不動産領域におけるオープンイノベーション促進の取り組み
 
深層学習フレームワークChainerの特徴
深層学習フレームワークChainerの特徴深層学習フレームワークChainerの特徴
深層学習フレームワークChainerの特徴
 
ビッグデータはどこまで効率化できるか?
ビッグデータはどこまで効率化できるか?ビッグデータはどこまで効率化できるか?
ビッグデータはどこまで効率化できるか?
 

Andere mochten auch

Comprehensive analysis of transcriptome andmetabolome analysis in Intrahepati...
Comprehensive analysis of transcriptome andmetabolome analysis in Intrahepati...Comprehensive analysis of transcriptome andmetabolome analysis in Intrahepati...
Comprehensive analysis of transcriptome andmetabolome analysis in Intrahepati...Y-h Taguchi
 
Succinct Data Structure for Analyzing Document Collection
Succinct Data Structure for Analyzing Document CollectionSuccinct Data Structure for Analyzing Document Collection
Succinct Data Structure for Analyzing Document CollectionPreferred Networks
 
オンライン凸最適化と線形識別モデル学習の最前線_IBIS2011
オンライン凸最適化と線形識別モデル学習の最前線_IBIS2011オンライン凸最適化と線形識別モデル学習の最前線_IBIS2011
オンライン凸最適化と線形識別モデル学習の最前線_IBIS2011Preferred Networks
 
LCCC2010:Learning on Cores, Clusters and Cloudsの解説
LCCC2010:Learning on Cores,  Clusters and Cloudsの解説LCCC2010:Learning on Cores,  Clusters and Cloudsの解説
LCCC2010:Learning on Cores, Clusters and Cloudsの解説Preferred Networks
 
ウェーブレット木の世界
ウェーブレット木の世界ウェーブレット木の世界
ウェーブレット木の世界Preferred Networks
 
MapReduceによる大規模データを利用した機械学習
MapReduceによる大規模データを利用した機械学習MapReduceによる大規模データを利用した機械学習
MapReduceによる大規模データを利用した機械学習Preferred Networks
 
Development and Experiment of Deep Learning with Caffe and maf
Development and Experiment of Deep Learning with Caffe and mafDevelopment and Experiment of Deep Learning with Caffe and maf
Development and Experiment of Deep Learning with Caffe and mafKenta Oono
 
Chainer meetup20151014
Chainer meetup20151014Chainer meetup20151014
Chainer meetup20151014Jiro Nishitoba
 
Chainer Meetup LT (Alpaca)
Chainer Meetup LT (Alpaca)Chainer Meetup LT (Alpaca)
Chainer Meetup LT (Alpaca)Jun-ya Norimatsu
 
A Chainer MeetUp Talk
A Chainer MeetUp TalkA Chainer MeetUp Talk
A Chainer MeetUp TalkYusuke Oda
 
Chainer meetup
Chainer meetupChainer meetup
Chainer meetupkikusu
 
Towards Chainer v1.5
Towards Chainer v1.5Towards Chainer v1.5
Towards Chainer v1.5Seiya Tokui
 
Lighting talk chainer hands on
Lighting talk chainer hands onLighting talk chainer hands on
Lighting talk chainer hands onOgushi Masaya
 
Chainer meetup lt
Chainer meetup ltChainer meetup lt
Chainer meetup ltAce12358
 
Chainer Contribution Guide
Chainer Contribution GuideChainer Contribution Guide
Chainer Contribution GuideKenta Oono
 
PFN Spring Internship Final Report: Autonomous Drive by Deep RL
PFN Spring Internship Final Report: Autonomous Drive by Deep RLPFN Spring Internship Final Report: Autonomous Drive by Deep RL
PFN Spring Internship Final Report: Autonomous Drive by Deep RLNaoto Yoshida
 

Andere mochten auch (20)

Comprehensive analysis of transcriptome andmetabolome analysis in Intrahepati...
Comprehensive analysis of transcriptome andmetabolome analysis in Intrahepati...Comprehensive analysis of transcriptome andmetabolome analysis in Intrahepati...
Comprehensive analysis of transcriptome andmetabolome analysis in Intrahepati...
 
Succinct Data Structure for Analyzing Document Collection
Succinct Data Structure for Analyzing Document CollectionSuccinct Data Structure for Analyzing Document Collection
Succinct Data Structure for Analyzing Document Collection
 
オンライン凸最適化と線形識別モデル学習の最前線_IBIS2011
オンライン凸最適化と線形識別モデル学習の最前線_IBIS2011オンライン凸最適化と線形識別モデル学習の最前線_IBIS2011
オンライン凸最適化と線形識別モデル学習の最前線_IBIS2011
 
LCCC2010:Learning on Cores, Clusters and Cloudsの解説
LCCC2010:Learning on Cores,  Clusters and Cloudsの解説LCCC2010:Learning on Cores,  Clusters and Cloudsの解説
LCCC2010:Learning on Cores, Clusters and Cloudsの解説
 
ウェーブレット木の世界
ウェーブレット木の世界ウェーブレット木の世界
ウェーブレット木の世界
 
bigdata2012ml okanohara
bigdata2012ml okanoharabigdata2012ml okanohara
bigdata2012ml okanohara
 
MapReduceによる大規模データを利用した機械学習
MapReduceによる大規模データを利用した機械学習MapReduceによる大規模データを利用した機械学習
MapReduceによる大規模データを利用した機械学習
 
bigdata2012nlp okanohara
bigdata2012nlp okanoharabigdata2012nlp okanohara
bigdata2012nlp okanohara
 
Development and Experiment of Deep Learning with Caffe and maf
Development and Experiment of Deep Learning with Caffe and mafDevelopment and Experiment of Deep Learning with Caffe and maf
Development and Experiment of Deep Learning with Caffe and maf
 
Chainer meetup20151014
Chainer meetup20151014Chainer meetup20151014
Chainer meetup20151014
 
Chainer Meetup LT (Alpaca)
Chainer Meetup LT (Alpaca)Chainer Meetup LT (Alpaca)
Chainer Meetup LT (Alpaca)
 
A Chainer MeetUp Talk
A Chainer MeetUp TalkA Chainer MeetUp Talk
A Chainer MeetUp Talk
 
Chainer meetup
Chainer meetupChainer meetup
Chainer meetup
 
LT@Chainer Meetup
LT@Chainer MeetupLT@Chainer Meetup
LT@Chainer Meetup
 
音声認識と深層学習
音声認識と深層学習音声認識と深層学習
音声認識と深層学習
 
Towards Chainer v1.5
Towards Chainer v1.5Towards Chainer v1.5
Towards Chainer v1.5
 
Lighting talk chainer hands on
Lighting talk chainer hands onLighting talk chainer hands on
Lighting talk chainer hands on
 
Chainer meetup lt
Chainer meetup ltChainer meetup lt
Chainer meetup lt
 
Chainer Contribution Guide
Chainer Contribution GuideChainer Contribution Guide
Chainer Contribution Guide
 
PFN Spring Internship Final Report: Autonomous Drive by Deep RL
PFN Spring Internship Final Report: Autonomous Drive by Deep RLPFN Spring Internship Final Report: Autonomous Drive by Deep RL
PFN Spring Internship Final Report: Autonomous Drive by Deep RL
 

Ähnlich wie mlabforum2012_okanohara

Toward Research that Matters
Toward Research that MattersToward Research that Matters
Toward Research that MattersRyohei Fujimaki
 
ソフト業界生き残りの条件
ソフト業界生き残りの条件ソフト業界生き残りの条件
ソフト業界生き残りの条件Katsuhide Hirai
 
Data Science Summit 2012 レポート
Data Science Summit 2012 レポートData Science Summit 2012 レポート
Data Science Summit 2012 レポートnagix
 
Sapporo Open Seminar 2
Sapporo Open Seminar 2Sapporo Open Seminar 2
Sapporo Open Seminar 2Hiro Yoshioka
 
人工知能学会誌 2015年5月号 特集「イノベーションとAI研究」
人工知能学会誌 2015年5月号 特集「イノベーションとAI研究」人工知能学会誌 2015年5月号 特集「イノベーションとAI研究」
人工知能学会誌 2015年5月号 特集「イノベーションとAI研究」Yoji Kiyota
 
201107 Crossing borders in multiple communities to create your own role
201107 Crossing borders in multiple communities to create your own role201107 Crossing borders in multiple communities to create your own role
201107 Crossing borders in multiple communities to create your own roleJunya Ishioka
 
デジタルが切り開く未来ビジネス
デジタルが切り開く未来ビジネスデジタルが切り開く未来ビジネス
デジタルが切り開く未来ビジネスOsaka University
 
Oss magic2
Oss magic2Oss magic2
Oss magic2K5_sem
 
20141212 オープン教育の現状と調査・政策ニーズ
20141212 オープン教育の現状と調査・政策ニーズ20141212 オープン教育の現状と調査・政策ニーズ
20141212 オープン教育の現状と調査・政策ニーズTomoaki Watanabe
 
20131213 itサービスに求められる人材像
20131213 itサービスに求められる人材像20131213 itサービスに求められる人材像
20131213 itサービスに求められる人材像jun_suto
 
東工大 工学院 情報通信系 大学院説明会2020
東工大 工学院 情報通信系 大学院説明会2020東工大 工学院 情報通信系 大学院説明会2020
東工大 工学院 情報通信系 大学院説明会2020Tokyo Institute of Technology
 
エンジニアのキャリアを考える
エンジニアのキャリアを考えるエンジニアのキャリアを考える
エンジニアのキャリアを考えるMKT International Inc.
 
東工大 工学院 情報通信系 大学院説明会2021
東工大 工学院 情報通信系 大学院説明会2021東工大 工学院 情報通信系 大学院説明会2021
東工大 工学院 情報通信系 大学院説明会2021Tokyo Institute of Technology
 
知識が生まれる場の作り方
知識が生まれる場の作り方知識が生まれる場の作り方
知識が生まれる場の作り方Masahiko Shoji
 
Dr. Katsurai's slide
Dr. Katsurai's slideDr. Katsurai's slide
Dr. Katsurai's slidemiraikenkyu
 
地球研「知の橋かけ」コアFS説明資料
地球研「知の橋かけ」コアFS説明資料地球研「知の橋かけ」コアFS説明資料
地球研「知の橋かけ」コアFS説明資料Yasuhisa Kondo
 
Oss magic
Oss magicOss magic
Oss magicK5_sem
 
テキストアナリティクスの知見を社会に活かすには? -シーズ指向の視点とニーズ指向の視点-
テキストアナリティクスの知見を社会に活かすには? -シーズ指向の視点とニーズ指向の視点-テキストアナリティクスの知見を社会に活かすには? -シーズ指向の視点とニーズ指向の視点-
テキストアナリティクスの知見を社会に活かすには? -シーズ指向の視点とニーズ指向の視点-Yoji Kiyota
 

Ähnlich wie mlabforum2012_okanohara (20)

Toward Research that Matters
Toward Research that MattersToward Research that Matters
Toward Research that Matters
 
ソフト業界生き残りの条件
ソフト業界生き残りの条件ソフト業界生き残りの条件
ソフト業界生き残りの条件
 
Data Science Summit 2012 レポート
Data Science Summit 2012 レポートData Science Summit 2012 レポート
Data Science Summit 2012 レポート
 
Sapporo Open Seminar 2
Sapporo Open Seminar 2Sapporo Open Seminar 2
Sapporo Open Seminar 2
 
人工知能学会誌 2015年5月号 特集「イノベーションとAI研究」
人工知能学会誌 2015年5月号 特集「イノベーションとAI研究」人工知能学会誌 2015年5月号 特集「イノベーションとAI研究」
人工知能学会誌 2015年5月号 特集「イノベーションとAI研究」
 
201107 Crossing borders in multiple communities to create your own role
201107 Crossing borders in multiple communities to create your own role201107 Crossing borders in multiple communities to create your own role
201107 Crossing borders in multiple communities to create your own role
 
デジタルが切り開く未来ビジネス
デジタルが切り開く未来ビジネスデジタルが切り開く未来ビジネス
デジタルが切り開く未来ビジネス
 
Oss magic2
Oss magic2Oss magic2
Oss magic2
 
20141212 オープン教育の現状と調査・政策ニーズ
20141212 オープン教育の現状と調査・政策ニーズ20141212 オープン教育の現状と調査・政策ニーズ
20141212 オープン教育の現状と調査・政策ニーズ
 
20131213 itサービスに求められる人材像
20131213 itサービスに求められる人材像20131213 itサービスに求められる人材像
20131213 itサービスに求められる人材像
 
東工大 工学院 情報通信系 大学院説明会2020
東工大 工学院 情報通信系 大学院説明会2020東工大 工学院 情報通信系 大学院説明会2020
東工大 工学院 情報通信系 大学院説明会2020
 
エンジニアのキャリアを考える
エンジニアのキャリアを考えるエンジニアのキャリアを考える
エンジニアのキャリアを考える
 
東工大 工学院 情報通信系 大学院説明会2021
東工大 工学院 情報通信系 大学院説明会2021東工大 工学院 情報通信系 大学院説明会2021
東工大 工学院 情報通信系 大学院説明会2021
 
知識が生まれる場の作り方
知識が生まれる場の作り方知識が生まれる場の作り方
知識が生まれる場の作り方
 
Dr. Katsurai's slide
Dr. Katsurai's slideDr. Katsurai's slide
Dr. Katsurai's slide
 
地球研「知の橋かけ」コアFS説明資料
地球研「知の橋かけ」コアFS説明資料地球研「知の橋かけ」コアFS説明資料
地球研「知の橋かけ」コアFS説明資料
 
kaneko202304.pptx
kaneko202304.pptxkaneko202304.pptx
kaneko202304.pptx
 
Oss magic
Oss magicOss magic
Oss magic
 
テキストアナリティクスの知見を社会に活かすには? -シーズ指向の視点とニーズ指向の視点-
テキストアナリティクスの知見を社会に活かすには? -シーズ指向の視点とニーズ指向の視点-テキストアナリティクスの知見を社会に活かすには? -シーズ指向の視点とニーズ指向の視点-
テキストアナリティクスの知見を社会に活かすには? -シーズ指向の視点とニーズ指向の視点-
 
Google plus
Google plusGoogle plus
Google plus
 

Mehr von Preferred Networks

PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57Preferred Networks
 
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3Preferred Networks
 
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...Preferred Networks
 
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...Preferred Networks
 
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55Preferred Networks
 
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2Preferred Networks
 
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2Preferred Networks
 
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2Preferred Networks
 
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演Preferred Networks
 
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)Preferred Networks
 
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)Preferred Networks
 
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)Preferred Networks
 
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語るKubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語るPreferred Networks
 
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張Preferred Networks
 
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会Preferred Networks
 
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2Preferred Networks
 
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...Preferred Networks
 
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...Preferred Networks
 
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...Preferred Networks
 
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50Preferred Networks
 

Mehr von Preferred Networks (20)

PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
 
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
 
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
 
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
 
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
 
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
 
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
 
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
 
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
 
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
 
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
 
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
 
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語るKubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
 
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
 
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
 
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
 
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
 
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
 
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
 
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
 

mlabforum2012_okanohara

  • 1. 2012/11/27@MLABネットワークリサーチフォーラム                                     東京⼤大学駒場リサーチキャンパス 21世紀の研究・企業・個⼈人のあり⽅方 〜~ICTがもたらす新しい世界〜~ 岡野原  ⼤大輔 株式会社Preferred  Infrastructure   取締役副社⻑⾧長 hillbig@preferred.jp
  • 3. ⾃自⼰己紹介 l  名前:岡野原  ⼤大輔 l  経歴: l  福島県いわき市⽣生まれ、磐城⾼高校(ラグビー部) l  東京⼤大学理理科⼀一類→同情報理理⼯工学研究科コンピュータ科学博⼠士課程 2010年年3⽉月修了了、情報理理⼯工学博⼠士(辻井研) l  その間未踏2本、未踏ユース1本 l  株式会社Preferred Infrastructure 2006年年創業 l  経営・研究開発・営業・企画・何でも l  twitter @hillbig
  • 4. これまでの興味分野の遍歴 1992 データ圧縮 小5〜 Nifty Serve, DO++ 2003 ⾃自然⾔言語処理理 ⼤大規模情報検索索 未踏  &  OSS 2004 未踏  &   辻井研 2005 簡潔データ構造 バイオベンチャーで 機械学習 のバイト経験 データマイニング Googleでの 2006 インターン,  PFI創業 バイオインフォ マティクス 経営
  • 5. 会社概要 株式会社  Preferred  Infrastructure l  略略称   PFI l  代表者 ⻄西川  徹 l  設⽴立立   2006年年3⽉月 l  社員数 26名 l  所在地 〒113-‐‑‒0033  東京都⽂文京区本郷2-‐‑‒40-‐‑‒1 l  事業概要 l  検索索/分析分野での製品開発,  販売,  サービス提供 l  ⼤大規模分散分析エンジンの共同研究開発 最先端の技術を最短路路で実⽤用化 リサーチとエンジニアリングの融合 世の中に必要とされる中で特に重要で困難な課題に対し解を提供 5
  • 6. Preferred  Infrastructure メンバー構成 l  フルタイム26⼈人中23⼈人がエンジニア/研究者 l  以下の情報/理理/⼯工学博⼠士 l  ⾃自然⾔言語処理理/機械学習/計算量量理理論論/データマイニング/⽂文字列列解析 l  ICPCプログラミングコンテスト  世界⼤大会(=⽇日本代表)  7名 l  未踏プロジェクト  5名 l  TopCoder世界上位や、世界プログラミングコンテスト優勝者など l  各種コミュニティへの働きかけ l  ⽇日本Hadoopユーザー会,  ⾃自然⾔言語処理理若若⼿手の会 l  ⽇日本語⼊入⼒力力本,  Haskel本,  各種雑誌記事,  専⾨門書 その他、データ圧縮、UI/UX、セキュリティ、分散システム、 ソフトウェア⼯工学など様々な分野の専⾨門家 6
  • 7. Jubatus  :  ビッグデータのリアルタイム解析 l  NTT  SIC*とPreferred  Infrastructureによる共同開発 l  2011年年10⽉月よりOSSで公開  http://jubat.us/ リアルタイム   ストリーム 分散並列列 深い解析 *  NTT研究所  サイバーコミュニケーション研究所   ソフトウェアイノベーションセンタ 7
  • 8. Jubatus Demo(実際に画⾯面で) 大規模  +  リアルタイム処理  +  機械学習 •  イベント情報/地域情報 •  ユーザーの属性情報 •  各企業/ブランド/製品に ついての⼝口コミ分析 •  災害情報のリアルタイム 解析 8
  • 9. ICTがもたらす 新しい世界 9
  • 10. ICTがもたらす新しい世界 l  ICTは既に世界を⼤大きく変えてきたが、これからさらに加速度度的 に世界を変えていく l  今後「研究」「企業」「個⼈人」のあり⽅方はどう変わっていくのか 、変わるべきなのかをいくつか考えてみたい 10
  • 12. 研究は第四世代 (Fourth paradigm)へ [Jim Gray 2007] l  第⼀一世代:数学的⼿手法と経験的⼿手法 1000〜2000年前 l  ⾃自然現象などの観察を通して l  アリストテレス l  第⼆二世代:理理論論に基づく研究 数百年前 l  モデル化、⼀一般化を通して l  ライプニッツ l  第三世代:シミュレーションに基づく研究 数十年前 l  シミュレーションを通して l  フォン・ノイマン 今 l  第四世代:データ探索索に基づく研究 l  センシングや得られたデータの解析を通して l  ?? 12
  • 13. 研究の中⼼心がデータへと変わる l  これまで l  論論⽂文を出した場合、その元になったデータや実験コードなどは 蔑ろにされ、共有化されず⾮非効率率率的であった l  現在、研究費の多くがデータ⽣生成、それを扱うカスタムソフトウ ェアの開発・システム運⽤用にかかっている l  これから l  データが研究成果の中⼼心となり共有化される l  既に物理理、宇宙学、地球科学、バイオ、⽣生命科学、化学、製薬な ど広い分野でデータ中⼼心の研究が進められている l  それに関連する論論⽂文やツールなどの研究成果が有機的に結びつく l  全く関連しないような他分野の知識識が結び合う l  データを⽀支えるソフトウェア/サービス/コミュニティが重要となる 13
  • 15. データ共有における囚⼈人のジレンマ l  全員がデータを共有すれば全員の研究は進むが、⼀一⼈人だけが先に 提供するとその⼈人のみが損をする l  ビジネスの世界においても同じ現象がみられる l  “このデータ(ソース)があれば論論⽂文を量量産できる” l  個⼈人・研究組織の良良⼼心に任せても進まない l  仕組み・システムを作っていくことが重要 l  オープンソース・オープンデータ 15
  • 16. 誰もが専⾨門知識識を得られる 時代に必要な⼈人材 16
  • 17. 学習コストの著しい低下に伴う競争激化 l  教材や最新の研究資料料は誰でも⼿手に⼊入るようになった l  最近のジャーナルはフリーかつ⾃自由に⼊入⼿手可能 l  c.f. JMLR(機械学習), PLOS(科学・医学) l  ウェブ上の資料料やオンライン授業などによる学習 l  Twitterなどを介して専⾨門家に直接聞く、専⾨門家が話す l  専⾨門知識識を得るためのコストは急速に⼩小さくなっている l  “分野の先端までの⾼高速道路路が通っている” [将棋での⽻羽⽣生] l  社会⼈人向けの学習の機会 l  勉強会、英会話、社会⼈人向け教育機関 17
  • 18. 例例:coursera.com l  2012年年4⽉月にStanford⼤大のコンピュータ科学の教授であるAndrew Ng とDaphene Kolleerによって設⽴立立 l  無料料のオンライン授業をいつでも受けられる l  2012年年11⽉月現在, 196カ国, 190万⼈人の学⽣生が l  各分野のトップの教授による100を超えるコース l  コンピュータ、薬学、バイオ、社会学、数学、統計、⾦金金融、ビジネス 18
  • 19. このような時代に必要な⼈人材は l  専⾨門知識識を得る機会が誰にでも平等に与えられると同時に、専⾨門 知識識を持っていることの優位性は急速に失われていく可能性がある l  何を持って差別化できるのか?   1.  知識識を活⽤用する技術 l 複数の分野をまたぎ新しい分野を切切り開く能⼒力力 2.  “⾼高速道路路”で辿り着けない先に進める l (これまで)データを持っている l データを他の⼈人とは違う⾒見見⽅方で扱える 19
  • 20. 求められる新しいタイプの⼈人材 l  専⾨門知識識を持っていること⾃自体に価値はなくなってきている l  専⾨門知識識を必要に応じていつでも付けられるかが重要 求められる⼈人材の変遷 幅広さ 深 さ T型人材 π型人材 I型人材 周辺分野も オンデマンド型人材 一つの分野を 複数の分野 必要に応じて分野を
 広く浅く知って 突き詰める を突き詰め いつでも突き詰められる いるし、1つの ている 人材 分野を突き詰 めている
  • 21. 未来を⾒見見据えた 研究をするには 21
  • 22. 10年年後に役に⽴立立つ研究を⽬目指すためには l  今から5〜~10年年後を想像し,その時に必要とされる技術を考える l  10年年後を考える時は、狂っていると思うぐらいがちょうどよい l  技術開発は加速しているのでそれも考慮した上で想像する l  歴史から学べることは多い l  新しい技術の爆発的普及は突然ではなく、爆発する10年年前にも 「冴えない」技術として存在している l  90年年代後半には、情報検索索は終わり,ポータルの時代と⾔言われてい た ⇒ Googleの登場 l  ニューラルネットは下⽕火に ⇒ 現在のディープニューラルネット l  冴えない技術に対して,どのような妄想をし、それを信じて投資 し続けられるか 22
  • 23. 現在の研究組織の問題点と提案 l  雑⽤用が多すぎて研究ができない⼈人が多い l  特に働き盛りの⼈人が書類作り、学⽣生サポートで忙しすぎる ⇒ 柔軟に予算を使えないか, 研究室の単位を⼤大きくして、 組織で学⽣生をサポートできるようにできないか l  社会経験を積みにくい l  数年年間、会社/別組織にいけないか ⇒サバティカル制度度・アカデミックと企業の交流流, インターン l  分野別の蛸壺化は深刻 l  隣隣の研究室で何をやっているのか、説明できないし興味もない ⇒ ⼈人単位・組織単位の交流流, インターン 23
  • 25. ITがもたらす企業の変化 l  はじめから世界をマーケットにみすえた製品・サービス開発が可能 l  資本がなく⼯工場を作れなくてもアイディアがあれば勝負できる時代 l  無から1年年で数千万⼈人のユーザー獲得が可能な時代  (c.f. LINE) l  ネット以外の領領域でも広がる    c.f. 製造業における3Dプリンター l  どの業種もITを中⼼心技術として勝負しつつある l  ITとは全く関係無いように思える企業も⾃自社でITを育てている l  ⼩小売・製造・医療療・⾦金金融・農業・教育 l  ITが企業の競争⼒力力の源泉になりつつある l  各企業が必要とするデータを集められるか、それを活⽤用できるか ⇒ 「ビッグデータ」という名の元に各企業が競争⼒力力を育てている 25
  • 26. 業界の壁がなくなりつつある l  業界毎の壁が消え業界の強みが無くなっている l  情報通信技術が壁を打ち破った l  アップル・アマゾン・グーグルがこれからどれだけの業界 を破壊するのか l  ⾃自分の業界のみを⾒見見ていると、突然⿊黒船が外からやってくる l  気づいた時はもう既に遅く、相⼿手は10年年以上投資している l  例例:スマートフォン l  電話・PC・⾳音楽・地図・TV・カーナビ・スケジューラー・・ l  危機でもあり、チャンスでもある l  ⾃自分たちも他の分野に攻め込むことができるはず l  ⾃自分の強みがどこにあり、どの分野で⽣生かせるのかの視野が重要 26
  • 28. ITは職を奪うのか l  ⼈人間にしかできない仕事が急速に減少しつつある l  産業⽤用ロボット、⾃自動運転、⾃自動警備、教育、医療療、(政治も?) l  過去に無い速度度で社会・産業が変化している l  ⼈人・組織の学習スピードが追いついていない l  企業の変化速度度が追いついていない l  「持続的イノベーションは職をなくすが、破壊的イノベーション は職を⽣生み出す」(Christensen) 28
  • 29. 雇⽤用はなくなるのか(続) l  実際の問題は、必要なところに良良い経済モデルが⽴立立ち上がってい ないのが問題 l  ⼀一部の雇⽤用はむしろ⾜足りない(特に⽇日本は) l  介護 / 医療療 / 教育 l  ⼈人の⽣生活を⽀支える社会インフラを⽀支えるためのIT技術はこれから ますます重要 l  今後必要となるのは l  新しい産業にあったベンチャー育成(社内でも、新企業でも) l  前述のような新しい専⾨門知識識を短期間で⾝身につけられる教育機会 29
  • 30. 新しい企業・組織が育ち続けないといけない l  シリコンバレーでは年年間2万社が創業されている l  これだけのアイディアがそもそも⽇日本で創出されるのか l  アメリカでは新しい会社が毎年年300万⼈人の雇⽤用を⽣生み出し、古い 会社は100万⼈人を失っている l  「新しい価値観」を持った組織がスピードを持って⾏行行動しないと いけない l  研究職が種をもってきて、「後はこれを使ってください」 l  営業職がニーズをもってきて、「これを解決してください」 ではうまくいかない、複数のスキルを持った⼩小さい混合チーム による速い仮説検証・ビジネス化が必要となる 30
  • 32. 個⼈人の働き⽅方 l  変化はより激しく l  業種や職、役割が変わることが普通となる l  次々と新しい専⾨門スキルを⾝身につけることが求められる l  個⼈人間のつながりがより⼤大切切に l  個⼈人の能⼒力力よりも、誰と知り合いか、どんな情報をいち早く知っ ているか、それをどのように解釈するかのスキルが重要に 32
  • 33. 機会がより平等に与えられる l  ⾼高いレベルの教育が平等に与えられる l  男⼥女女が共に働ける l  国を問わず働ける l  何が必要とされているのか、⾃自分をどうアピールするのか 何をしたいのかを考えないといけない 33
  • 35. 最後に (1/2)   こうした世界で⾯面⽩白い仕事をするための⼼心がけ 1.  挑戦⼼心を常に持ち続け、成⻑⾧長し続ける 2.  多様性を尊重し、チームとしての成果を最⼤大化する 3.  ⾼高い品質の製品・サービスを提供し、⾼高い価値を⽣生み出す 4.  顧客を⼤大切切にする 5.  プロとして⾏行行動し、⾃自⽴立立⼼心を持つ 6.  世の中の問題を考え、社会に貢献する 7.  ⼀一流流の⼈人が集まる場を⽬目指す (Preferred Infrastructureの文化のドラフトバージョンより)
  • 36. 最後に(2/2) 技術は世界を変えられる l  技術者⾃自⾝身が「技術が⽣生活を変えられる」ことを 信じていない場合が多くなった l  技術の差異異は関係なく、他の要因が重要と思っている l  実際はそうではない l  技術は⼈人の⽣生活を変えられる l  ⾞車車、電話、無線、インターネット l  ⼈人の⽣生活は変わらないと100年年前から⾔言われているが変わっている l  技術者の世界を変えたいという強い意志が必要 l  可能性を追求する l  ⼈人の話は聞くが何が必要になるかは⾃自分の頭で考える 36