2017年の振り返り

2017年も色々ありました。 皆様ありがとうございます

2017年を振り返る

  • 忙しかった
  • 出資を受ける
  • オフィス引っ越し(2回目)

って感じでした。 (なんか脈絡ありませんが、、、、)

忙しかった

とにかく忙しかったです。正直心がおれる瞬間もなんどかあり、もう立ち直れないかと思うこともありましたが、皆様の支えがありなんとかなりました。ありがとうございます。

仕事

案件が多く色々なお客様と仕事をさせてもらいました。また、いろんなデータを見る機会があり、きれいな世界を目指しながら現実を知る1年だったなと思います。
また機械学習人工知能ということばを正しくかつ期待を裏切らないように説明するスキルも少しずつですが学んできました。 出資も受けることができ、株主としての仕事もすこしやりました。株主って大変だなー、取締役って大変だなーと肌で感じました。 VC出身の同僚に話を聞いたりmPFNの大型調達件など身近なと所でお金が動くのをみて、いままで調達とか出資が遠すぎた所から一気に近くなりました。

人数も一気に増えて正直手が回らなくなりました。そのためいままでやらなかったことが増えました。自分のなかでの立場の変化もありました。

Chainer関連

PFIから独立したことにより、こちらの立場も大きく変化しました。 1年かけて外部の方も増えてきて来年こそろはもっといろんなことができたらなと思います。

名刺やPPTのイメージなどつくってくれた友人に感謝

主催イベント

以下のイベントを主催、運営しました。 数えてみたら結構やってて忙しい中よくがんばったと思う

chainer.connpass.com

chainer.connpass.com

chainer.connpass.com

chainer.connpass.com

techplay.jp

techplay.jp

登壇

3つのイベントに登壇をしました。

ainow.ai

gdlc.connpass.com

daml.connpass.com

正直よくやってたなと思う。。。(あんな忙しい中)

オフィス引っ越し(2回目)

本郷3丁目→大手町→飯田橋と1年間に2回引っ越しをしました。正直大変でしたが、2回目に引っ越しとあったし、1回目のひっこしの時点で2回目も確定してたので、荷物があまりかさばらずすみました

来年は、もう少しやることを絞ろうと思います。(毎年ゆっくりしたいとしかいってない)確実にできることを増やしていきたい (結婚もしたい)

【2017年編】Chainer Meetupなどのイベント活動報告

Chainer Advent Calender 10日目です。)

昨年と同様にChainer Meetupなどのイベント活動報告をしたいと思います。 昨年と大きく変わった点は、自分がPFIからレトリバに転籍したので、1社員ではなくコミュニティメンバーとして、活動しました。

  • Chainer イベント
  • Slackチームの作成
  • Awesome Chainerの作成

Chainerイベント

今年は忙しくて報告記事が書けなかったので、こちらでまとめて書きます。 今年はMeetup3回とハンズオンを2回(1回は今月)行いました。 招待講演者、LTの方々について改めてお礼を申し上げます。

Chainer Meetup #04

今年初めてのイベントであり、Chainer2の話やPaints Chainerの話をしました。 詳細は以下の通りです。

Chainer v2.0 αで拡張された機能とは?──ニューラルネットワークを実装するためのライブラリ「Chainer」を学ぼう!|CodeIQ MAGAZINE

Chainer Beginner's Hands-on #01

今年初めてのハンズオンイベントです。さくらインターネットの方にさくら高火力をお借りしてハンズオンを行いました。

資料は以下の通りです。

github.com

github.com

Chainer 3.0.0にも対応しているので、ぜひやってみてください!

Chainer Meetup #05

Microsoftさんにオフィスをお借りして、Meetupを行いました。 以下が動画です。

www.youtube.com

Chainerのライブラリ群が増えてきたので、その発表は大半になります。

ChainerCV: a Library for Deep Learning in Computer Vision

LT

Chainer Meetup #06

今回は趣向を変えて、Chainerだけでなく、他のフレームワークを使ってる方を呼び、他のフレームワークを使用している人を招待しました。

www.youtube.com

Slackチームの作成

コミュニケーション用にSlackチームを作成しました。 - en - ja)

開発陣はenのほうでコミュニケーションをとったりしてます。

Awesome Chainerの作成

Awesome Chainer  をつくりました。こちらで情報を集めていきたいと思います。 GitHub - chainer-community/awesome-chainer

まとめ

昨年より活動ができたのはよかったのと思います。 また、Chainerの公式エバンジェリストの梅澤さんと共に一年間活動をしてきました。 メンバーも少しずつ増えてき、今後もう少し大きな事ができそうな気がしてます。

興味のある方はSlack-jpの#meetup-managementにjoinしてください!

また、引き続きChainerのイベントについては、こちらから発信する予定ですので、 フォローをお願いします!

chainer.connpass.com

2016年 の振り返り

今年は本当に色々なことがありました。 人生でここまで色々なことやったのは初めてなのでまとめたかこうと思います。

今年のやったこと

  1. 言語処理学会に参加
  2. オフィスの引っ越し
  3. Chainer Meetup開催 * 2
  4. PyCon JP スタッフおよび参加
  5. レトリバの起業
  6. PFI→レトリバへの転籍
  7. DL勉強会の主催

言語処理学会に参加

言語処理学会第22回年次大会(NLP2016) @ 仙台 に行ってきました。学会に初めて参加をしましたし、自分の名前が載っている論文をみるとすごくうれしい気分になりました。COLING 2016 でも同様の内容の論文が採択されて、国際学会デビューもしました。本当にこのような体験をさせていただくことに感謝しています。

オフィスの引っ越し

事務所移転は人生でなかったので貴重な体験ができました。(1月にもまた移転が控えていますが...) 2回も移転に携われるのもないなと思います、

Chainer Meetup開催 * 2

Chainer のイベントは2回行いました。

PyCon JP スタッフおよび参加

カンファレンスの参加とスタッフを初めてやりました。本当に勉強させてもらいました。Chainerなどに活かせることはたくさんあると思いました。

レトリバの起業  PFI→レトリバへの転籍

これだけで一個ブログ書けそうなので、今回はあまり触れませんが、本当に大変でした。大変でした。 また、どこかで書こうと思います。

DL勉強会の主催

初めてDLの勉強会を主催しました。 eventdots.jp

1回で終わらないように続けていきたいと思います。

Twitterでみてみると

色々な人と話しながら、(oiwa-kunsanが一番多いっぽい) Chainerのことをつぶやいてたみたい

来年は

そういえば、旅行にいってない(仙台出張と大阪へのライブ参戦はあったけど)ので、来年こそは旅行に行きたいなと思います。 また、いままでやったことに華開けるよう努力を続けていきたいと思います。

微分を理解するために数列をやりなおす

本投稿は機械学習に必要な高校数学やり直しアドベントカレンダー Advent Calendar 2016の15日目です! 近年、機械学習が物凄く話題になっており、それに付随して数学を学ぼないとやばいという強迫観念にいます。

数学のやりなおし方法

同僚に数学科出身の人がいたので、相談したことがあってすごく感慨深い言葉がありました。 「学校数学は歴史である。小学校1年生で習うが一番古くて段々近代になる」

ということは、「中学からやり直してみよう!」と思い数学の本をぱらぱら読んでました。 中学は余裕だったのですが、数IAの数列で詰まってしまいました。。。 同僚曰く、「数列」ができないと微分にいけず、微分ができないと線形代数にいけないとのことなので、 数列を再勉強しています。(センター試験はBasicで受けたのを思い出した)

数列とは

Wikipediaによると

数学において数列(すうれつ、英: numerical sequence)とは、数が列になったもの (sequence of numbers) を言う。

ちなみになぜ数列が必要かというと、

  • 微積分を行う上で「極限」理解する必要がある
  • 「極限」理解するためには数列が必要

ということらしい。

等差数列

任意の自然数 n に対して、隣り合う 2 項 an と an + 1 の差が一定のものを等差数列または算術数列という。その一定である二項間の差を公差という。

初項 1、公差 2の場合

1,3, 5, 7, 9, 11, 13, ...

となる

等差数列の和の計算

等差数列の和の計算は以下のようになる

初めの数+公差×(N-1)

初めの数が5、公差が7の等差数列の場合

5+7×(85-1)
=5+7×84
=5+588
=593

となる

等比数列

任意の自然数 n に対して、隣り合う 2 項 an と an + 1 の比が一定のものを等比数列または幾何数列という。その任意の 2 項間で一定となる比を公比という。

初項 1、公比 2の場合

1, 2, 4, 8, 16, 32, ...

となる

等比数列の和の計算

f:id:hidetomasuoka:20161231221013p:plain

例)「公比が-3・a3=9」となる等比数列をanを用いて一般のnについての式で表しなさい。

公比が-3なので an = ?・(-3)n の形 a3=9になるように?の値を考えると an = (-3)n-1  となる

感想

等差数列はわかるけど、等比数列の計算ミスが多かったのを思い出した。 来年はもうすこし突っ込んだ内容をができるようにしたいと思います。

参考文献

高校/受験数学~数列の覚え方と基礎:ビジュアル数学(数学B:数列)

Amazon CAPTCHA

数列 - Wikipedia

mathtrain.jp

Chainer Meetupなどのイベント活動報告

Chainer Advent Calender 4日目です。)

私が担当した以下のChainer関係のイベントについて記載したいと思います。

  • Chainer 公式イベント
  • PyCon JP 2016 の招待講演

Chainer 公式イベント

ChainerチームとしてChainer Meetupというイベントを行っております。 過去4回行いました。 (#02 のときは忙しくてブログを書く余裕がなく....) 4半期に1回イベントを行い、ユーザーの方との接点をもつことをテーマにおいて行いました。

Chainer Meetup #0 を開催しました。 | Preferred Research

Chainer Meetup #01 を開催しました | Preferred Research

Chainer Meetup #02 - connpass

Chainer MeetUP #03 を開催しました | Preferred Research

Chainer イベントの構成

Chainerのイベントは以下の構成でやっておりました。

  • 開発陣
    • Chainer,Cupyとは?
    • Chainerのアップデートについて
    • 特別セクション
  • 招待講演
    • 研究者
    • 企業・サービスエンジニア
  • スポンサーセッション
  • LT

招待講演者、LTの方々について改めてお礼を申し上げます。 また、毎回ドーナツを提供いただくNVIDIAさま、藤山さんもありがとうございます。

PyCon JP 2016 の招待講演

Chainerチームのだれかと雑談をしてたときに、「PyCon JP 出たいよね!」という会話から スタッフになり、招待講演の担当となりました。この件はどこかでブログを書こうと思います。

こちらが当日の得居さんの発表およびレポートです

pycon.jp

gihyo.jp

アンケートを読みましたが、かなり高い評価も頂き担当者として、とても満足いく結果になりました。

今後のイベントについて

Chainerのメンバーと色々議論する中で、現在のmeetupの形式だと様々な人を対象にしているため、 すべてのコンテンツを満足してもらうことは難しいという結論になりました。

そのため今後は、以下の3つのような切り分けにできればいいなと考えております。
(あくまで筆者の考えであり、Chainerのcommunityの見解ではありません)

  1. ChainerやCupyのコアに対してPRを送るような人
  2. 上記の人ほどではないが、Chainerを使って開発をしている人
  3. DeepLearningをこれから勉強したいひと、コードは書かないけど事例を知りたい人

いままで行っていたChainer Meetupを 2. のような位置づけに、
1. は、もっとクローズに行いたいなと考えています。

3 については、Chainer communityではなく、筆者個人のイベントとしてやろうと考えています。 その第一弾として以下を企画しました! ぜひご参加いただければと思います。

eventdots.jp

また、引き続きChainerのイベントについては、こちらから発信する予定ですので、 フォローをお願いします!

chainer.connpass.com

Chainer Meetup #03 を行いました

7/2(土)にChainer Meetup #03を行いました!

Chainerとは?

Chainerはディープラーニング用に開発されたオープンソースフレームワークです。Pythonで動作し、実行にはCUDAが使われるため、NvidiaGPUが必要です。Chainerは複雑なグラフ構造を持つニューラルネットワークを自由に構築し、高速に動作することができます。

Chainer Meetupでの資料(7/5時点で公開されてるもの)

Chainer, CuPy入門 @unnonouno

www.slideshare.net

Chainer Update v1.8.0 -> v1.10.0+ @beam2d

www.slideshare.net

シンパーセプション研究におけるChainer活用事例 @n_hidekey

www.slideshare.net

Chainerを使って細胞を数えてみた @samacoba

www.slideshare.net

ヤフー音声認識サービスでのディープラーニングGPU利用事例

資料公開待ち

NVIDIA更新情報: Tesla P100 PCIe/cuDNN 5. NVIDIA 井﨑さん

www.slideshare.net

俺のtensorが全然flowしないのでみんなchainer使おう @hidesuke

www.slideshare.net

深層学習ライブラリの環境問題 @yutakashino

www.slideshare.net

Peephole connectionsを実装してChainerのcontributorになった話 @Kotaro_Setoyama

www.slideshare.net

Chainerを使って白黒アニメの彩色実験をしてみた @Eiji_Kb

Real-Time Style Transferについて @_mayfa

www.slideshare.net

On the benchmark of Chainer @delta2323_

www.slideshare.net

ドーナツスポンサー

今回も エヌビディア合同株式会社様に、ドーナツスポンサーになって頂きました!

毎回準備していただく @yukofujiさんには感謝しております!

次回は

次回は10月ぐらいにできたらいいなーと思っています!

NVIDIA Deep Learning Day@高田馬場

NVIDIA Deep Learning Day@高田馬場に行ってきました
http://www.nvidia.co.jp/object/event-jp.html?id=280

NVIDIA Deep Learning Institute

エヌビディアが加速するディープラーニング~進化するニューラルネットワークとその開発方法について~」

(村上さん)

  • 【概要】ディープラーニングは近年、画像認識の分野で、その高い認識精度から大変注目を集めている技術です。音声認識や自動運転など画像認識の分野以外への応用が進んでおり大変期待されています。本セッションは、日々新しい構造のモデルが提案され進化しているディープラーニングの概要とGPUが必要とされている理由について簡単に説明します。 その後に、実際にディープラーニングの開発のイメージを持って戴けるように、いくつかの代表的なディープラーニングのフレームワークを使い、デモしながら各フレームワークの特徴を解説します。ディープラーニングの最新の状況が知りたい、実際の開発の際にどのフレームワークを使うべきか知りたい、開発を始める前に開発のイメージを持ちたいという方に最適です。

  • http://images.nvidia.com/content/APAC/events/deep-learning-day-2016-jp/NV-DL-Murakami-Session.pdf

内容

NVIDIA Deep Learning SDK を利用した画像認識」

(森野さん)

  • 【概要】ディープラーニング SDKコンポーネントの役割を説明し、ディープラーニング SDK を利用した Inference アプリケーションを画像認識の例を用いてご紹介します。

http://images.nvidia.com/content/APAC/events/deep-learning-day-2016-jp/NV-DL-Morino-Session.pdf

GTC 2016 基調講演からディープラーニング関連情報のご紹介

IBM

  • Watosonについて
    • 質問応答技術を使って、クイズ番組にチャレンジした
  • なぜこのような技術が必要なのか?
    • 情報の爆発
      • 医者は5時間ぐらいしか勉強する時間がないが、130時間ぐらいないと最新に技術をキャッチアップできない
  • どうやって構築してるか?
    • Bluemix
  • 応用先
    • ECサイトで対話をして、感情分析をしrecommendを行っている。
  • Watsin Robotics
    • プロフィールから感情を、会話から目的等を得ることで、より人間ぽい会話ができるようになる
  • IBM watsonでは、GPUを使っている。
    • GPUを使うことで8.5倍ほどはやく計算できるようになった
  • IBMの次期サーバーをつくった(pascalを使った)

    TOYOTA Research

  • 世界では120万人/年、交通事故で亡くなっている
  • 消費電力をもっと減らせるはず
  • TOYOTAの4つの
    • safety
    • Environment
    • Mobility for all
    • Fun to Drive
  • 研究所を作る
  • ソリューションも作っている

    NVIDIA

  • 2015-2016は大きな年だった
    • GTC2015は100人ぐらいしかいなかったのは、2016では、1200人程度になった。
    • image net 、バークレイロボット、ポップカルチャーへの影響があった
  • 従来のCV
    • 専門家のチューニングをしてた
  • DL
    • 一般な手法でいける
  • モダンAIの地平

f:id:hidetomasuoka:20160427211429p:plain

  • ベンチャー企業どんどん作ってる
    • PFN等大企業とコラボをしている
    • スピード感が変わっている
    • 50兆円の市場創出
  • 電力効率がよいGPUであり、色々な会社で使われている。
  • TESLA P100
    • 効率的な商品電力ではやく計算できる
    • 演算性能が3倍になり、3倍のメモリバンド
  • DGX-1 は、DL用のサーバー
  • Chainer等をすぐに使える
  • 学習時間が通常の1/75で計算できる(150時間→2時間)
  • セルフドライビング
    • NVIDIA DRIVE PX パーセプション
      • Driveネットに提供をしている。いろんな方法を使って欲しい
  • BBNET
    • 従来とはちがうやり方で行っている。
  • ロボレース
  • GTC JAPAN 2016開催決定
    • 2016/10/5@ヒルトンお台場

GTC リピートセッション

ここから下のセッションは業務都合により参加できず

Heterogeneous Learning for Multi-task Facial Analysis Using Single Deep Convolutional Network

www.slideshare.net

Chart Pattern Matching in Financial Trading Using RNN

資料なし

Chainer: A Powerful, Flexible, and Intuitive Deep Learning Framework

www.slideshare.net

www.slideshare.net

感想

Oracle Cloud daysなど遜色のない人と期待感もてる会だったと感じたい 今回のドーナツはポンデリングもあってよかった!

f:id:hidetomasuoka:20160427211618j:plainf:id:hidetomasuoka:20160427211616j:plain