1. NIPS2017概要
Shohei Hido
VP of Research
Preferred Networks

2. Neural Information Processing Systems
 機械学習・計算論的神経科学のトップ会議
 2017年で第30回目
 毎年12月上旬に行われる
 今年は温暖なカリフォルニア開催
（普段は北米・欧州の寒冷地で開催）

3. 参加者数＝8,000人以上
 機械学習・深層学習ブームをう過去最大の参加者数
ポスターセッション会場

4. NIPSに参加するメリットと今回の論文読み会の趣旨
 メリット
━ 機械学習の各分野の最新動向がまとめてわかる
• チュートリアル、ポスター発表、シンポジウム
━ 業界の著名人の講演を数多く聞くことができる
• 特にワークショップの尖った講演の多くは録画・配信・スライド配布されていない
 論文読み会の位置づけ
━ 通常：各発表者の興味ある論文を紹介するｘ10本程度
• 機械学習の応用広がりすぎて興味を共有することが段々と難しくなっている
━ 今回：＋会議参加者のテーマ発表では特定の分野を俯瞰できるように
Andrej Kaparthy, Telsa

5. 画像認識から画像生成へ
 ImageNetの成功により物体検出の精度は成熟しつつある
 GANをはじめとするリアルな画像生成手法の研究が盛んに
 DeNA濱田さん：Generative Adversarial Networks @ NIPS 2017
[Fader Networks, Lample+] [Fisher GAN, Mroueh+]

6. 画像以外の分野での深層学習応用
 DeNA森さん: Speech and Audio @ NIPS2017
 PFN大野さん: Machine Learning for Molecules and Materials ワークショップ
ML4Audioワークショップ ML for Molecules and Materials ワークショップ

7. 強化学習
 Meta-learning・ロボット応用含めて数多くのRL関連・講演
 DeNA甲野さん: Hierarchical Reinforcement Learning @ NIPS2017
 PFN藤田さん: Model-based RL (or Deep RL Symposium)
Pieter Abbeelの基調講演 Hierarchical RL ワークショップ

8. 機械学習を支えるシステム
 機械学習の実応用が広がるにつれてそれを実現するシステムの話題も重要に
 ＋深層学習における大規模化・高速化のための分散学習の技術が進展
 PFN秋葉さん: Deep learning at supercomputer-scale ワークショップ
ML Systemsワークショップの活況 DL + HPCなワークショップ

9. 企業スポンサーの増加と採用活動の活発化
 NIPS2006の9社から10倍以上に増加
 米国・中国の大手スポンサーブースが立ち並ぶ
 大企業主催の学生向けパーティが連夜行われる

10. ヒト増えすぎ問題：チケットが光速で売り切れた
 DLブーム＆カリフォルニア開催でインダストリー参加者が増えた
 ワークショップの論文投稿結果待ち、という人は間に合わない、不健全

11. NIPS 2018: カナダ・モントリオール開催
 2014年、2015年と同会場
 論文投稿締め切り：5月中旬（推測）
 参加登録開始：9月（推測）