SlideShare uma empresa Scribd logo
1 de 32
Baixar para ler offline
自然言語処理の沼へようこそ
NLPの未解決(?)問題達
-実用で残る課題-
株式会社ウェザーニューズ
AIイノベーションセンター
萩行 正嗣
2
● 萩行 正嗣 (はんぎょう まさつぐ)
● 2014年に京都大学黒橋・河原研究室で
博士(情報学)取得
– 日本語ゼロ照応解析の研究
● 2014年4月から株式会社ウェザーニューズに勤務
– 実サービス向けのシステム開発
– NLPの基礎研究
– 機械学習の気象予測への応用
● Twitter: @mhangyo
● 個人HP: https://mhangyo-wni.github.io/
自己紹介
3
天気予報原稿生成システム
(S) から (E) まで
(S) から (E) にかけ
て
…
(S) から (E) は
(MIN) パーセントから
(MAX) パーセントとなって
います
(MIN) パーセントから
(MAX) パーセントです
予報表
テンプレー
ト
1.原稿候補生成(数百-数千候補)
降水確率です。正午から夕方6時まで中予・大
洲・愛南は50パーセントです。
推薦原稿(10件)
降水確率です。正午から夕方6時にかけて中予と
大洲と愛南で50パーセントとなっています。
降水確率です。正午から夕方6時までは南予や中
予を中心に40パーセント前後の所が多くなって
います。
降水確率です。正午から夕方6時は南予や中予を
中心に40パーセント前後の所が多くなっていま
す。その後深夜0時までは各地で10パーセント
です。
-8.5
-15.5
-14.9
-30.9
2.原稿評価システム
(構造化パーセプトロ
ン)
降水確率です。正午から夕方6時まで中予・大洲・
愛南は50パーセントです。
降水確率です。正午から夕方6時は南予や中予を中
心に40パーセント前後の所が多くなっています。
その後深夜0時までは各地で10パーセントです。
3.推薦原稿決定システ
ム
(劣モジュラ最適化)
原稿に採用
4.フィード
バック
原稿ライ
1
位
2
位
4
実際の画面
5
● ウェザーリポートとは?
– ウェザーニューズが運営するお天気SNS
(http://weathernews.jp/)
– 天気に関連する内容を中心に一般のユーザーが投稿
– 一日1万〜2万近い写真付き投稿
– 99%に位置情報付き
– ウェザーニューズの予報チームが予報を作成する際
に参考にしている
• 従来の観測器では分からない現象が捉えられる
– AIを活用した処理に取り組んでいる
• 冠水の有無の自動判定
• 積乱雲の発達度の自動判定
ウェザーリポートのAI処理
6
● 機械学習により冠水の有無を判定
(首都大学東京小町研究室と共同研究)
冠水判定
多少道路の冠水が
あったけど、被害は
なし
自宅付近は、風が強
いが冠水などの被害
は今の所ありません
台風🌀被害です😰流
木が道路に流れて来
て、まだ道路は冠水
してます。
東北地方では☔💦で
冠水して被害が出て
居ましたね(><)
Results in TY1610
Red: flood, Blue: not floo
d
7
ゲリラ雷雨防衛隊
http://weathernews.jp/s/topics/201607/280045/
3ヶ月で50万
通
大気の不安定度など
8
● 自然言語処理のプロダクトって…
「mecabやword2vecを使えば基礎的な処理は全
部やってくれるんでしょ?」
って思ってませんか?
● 当然そんなことはなく…
NLPを志す学生にありがちな流れ…(誇張あり)
ここからが本題…
対話とか翻訳
面白そう!!
思ったような
結果が出ない
NLPは人類には
早過ぎたんだ…
基礎解析の誤り
多過ぎ!!
扱えてない言語
現象多過ぎ!!
基礎解析から
取り組まない
形態素とは…
意味とは…
9
● 様々なNLPの問題を紹介
– タスクとして広く取り組まれているもの
– 実用の際に課題となるもの
● 発表に数式は出てきません
– 紹介する問題の解決手法としては機械学習や統計的
なモデルが多数提案されている
– 複雑なモデルや数式も解くべき問題への理解がなく
ては意味がない
今日の発表は……
10
● mecabなどの形態素解析器は
「1文を入力とする」ことを前提にしている
● 1文を正確に切り出してくるのは意外と難しい
– 句点(。)以外でも文が切れる場合がある
– 句点があっても文が切れるとは限らない
● …つまりどういうこと?
モーニング娘。問題
ハロー!プロジェクトのモ一ニング娘。って今
はツン
ク♂がプロデュ━スしてないって知ってた?20
14年
までだったんだって
ところで最近話題の映画といえば、君の名
記号だけど切れな
い
句点だけど切れな
い
記号で切れ
る
実はここに改
行が入ってる
(HTMLとか
メールでよく
ある)
固有表現の一部だけど、文が切れ
る
意味のある改行
11
● 絵文字の使い方が自由過ぎる
– 前処理で消してしまうと、形態素解析に影響しそう
な使い方もあり
● 文末記号型: この後の懇親会楽しみですね
● おまけ型: 誠意って寿司 の形をしてるって言いますよね
● 置き換え型: が飲みたい
● 絵面連想型: が上陸して風が強いから電車止まるかも
絵文字問題
台風なのに時計周り!!
http://unicode.org/emoji/charts/full-emoji-list.html
12
● -−—─━ー一(左からハイフン、マイナス、ダッ
シュ、罫線、太い罫線、長音、漢数字の1)
● タ夕、ケヶ、АA(左はキリル文字)、 ѹoy(左はキ
リル文字(1字))
● どういう時に起きる?
– ギャル字、スラング
– 検索避け (特許でヒドいらしい)
– OCRの誤りで生成される
見た目同じ字問題
ハロー!プロジェクトのモ一ニング娘。って今はツン
ク♂がプロデュ━スしてないって知ってた?2014年
までだったんだって
ところで最近話題の映画といえば、君の名は。当然皆さんも
見ましたよね?
13
● 色々な語義曖昧性解消の手法が提案されている
……が、そもそも語義の定義が曖昧かつ連続的
– 全然意味が違う語
• トラック (truck)  (track)
• マック (マッキントッシュ)  (マクドナルド)
– 派生だけど、語義として完全に分かれてしまった語
• マウス (鼠)  (PC機器)
– 語義が分かれきっていない語(辞書では「転じて…」
書かれていたりする)
• ごはん (食事)  (白米)
– 文脈で意味が全然変わってしまう言葉
• ヤバい、ハマる
多義語問題
14
とあるペンタブのマニュアル
何こ
れ?
15
意味が真逆になってしまった例
Takashipom Please take a look at this image.
When I saw the post of this amazingly cool L
V x Supreme collaboration bag that was rele
ased yesterday (I want one!), I wrote “KOR
EWA YABAI!” in Japanese. I jus
t found out that my comment had been aut
o-translated as “This isn’t goo
d!” for those reading in English through tran
slation. It has apparently been circulating and
creating a buzz, spreading the rumor in Paris
that Murakami is negative toward this collabo
ration. “Korewa” is in fact “this is,” but “yabai”
in this context means “COOL!”―it’s the w
ord that we use for an ultimate positive reacti
on. So the translation gave my comment a co
mplete opposite meaning. Sigh… The inferior
technology cause such a grave misunderstan
ding that I almost ruined my good relationshi
ps. Thank you for bringing this to my attentio
n, Loic! @places_and_spaces
16
17
● 国語辞書の見出しを使う
– 辞書によってバラバラ
● Wikipediaの曖昧性解消ページを使う
– 一貫性にかける
– 細かすぎる気も…
● Wordnet Project
– synsetという単位で語義を定義
• 03793489-n:マウス:…コンピュータスクリーンのカーソルの座標を
コントロールする手動の電子機器; 装置の底に…転がる球はある
• 05302499-n :マウス, 口, 口腔:そこを通して食物が取り入れられ、発
声が生じる開口部
– ある単語に複数のsynsetが対応する場合に多義語
 Synsetごとに画像を集めてきたのがImageNet
語義を整理する挑戦
18
ちなみにGoogleは?
19
御飯の語義を比べてみると
米派 食事派
両方派
20
Wikipediaだと細か過ぎる場合も…
21
Wordnetもよく分からない語義あり
22
● 君の名は
– ラジオドラマ
– ラジオドラマの主題歌
– 映画
– 映画の主題歌
– 舞台(宝塚)
– テレビドラマ×4
● 君の名は。
– 映画
– 漫画
– 小説×3
● 「Name〜君の名は〜」という曲も…
固有表現はさらにややこしい
23
● 暗喩(メタファー):
– メモリを食べる、AI最前線に「宇宙人」
● 換喩(メトニミー):
– 僕はバッハを聞いた、ホワイトハウスの決定
● 慣用句も色々な程度がある
 字面のまま使うこともある慣用句
• 骨が折れる、足元を見る、沼にハマる
• 汗水をたらす、頭が古い、口が重い
• さじを投げる、Kick the bucket
 想像できない慣用句
● 慣用句からの派生も
– 尻を拭う=> ケツをふく
比喩(暗喩、換喩)や慣用句も…
http://mainichi.jp/articles/20170115/ddm/001/020/121000c
24
本当にメモリを食べてる人も…
25
係り受けも色々難しい
@nkmr_aki さんのTwitterより 黒い目の大きな男の
娘
黒い目のきれいな女の子が18人いる!?
http://d.hatena.ne.jp/yosikazuf/20120513/p1
おとこのむす
め
おとこの
こ
26
実際の解析例(KNP)
頭が──┐
赤い──┐
魚を──┐
食べた──┐
猫。
黒い──┐
目の──┐
きれいな──┐
女の子
黒い──┐
目の──┐
大きな──┤
男の──┐
娘。
望遠──┐
鏡で──┐
泳ぐ──┐ │
女の子を──┤
見た。
双眼鏡で──┐
泳ぐ──┐
女の子を──┐
見た。
27
述語項構造解析
太郎は──┐
パンを──┐ │
買って──┤
家で──┤
食べた。
太郎は──┐
パソコンを──┐ │
買ったが──┤
電気を──┐ │
食うので──┤
止めている。
(太郎が)パンを買っ
て
太郎が(パンを)食べ
た
係り受けでは分からな
い
(太郎が)パソコンを買っ
た
(パソコンが)電気を食う
(太郎が)パソコンを止めてい
る
電力を──┐
食べる──┐
パソコンは──┐
止めている。
(パソコンが)電力を食べ
る
(パソコンを)止めている
https://gist.github.com/mhangyo-wni/7578e6e339294538b5bfaeeb576014c3も参考
に。
“文中にない[著者]が”
28
時制・アスペクト・否定表現
2030年、地球温暖化の影響で日本の沿岸部は海の底
だ。その時、日本の経済はどうなっているのだろう。
表層は現在形だが、未来の仮定の
話。
冠水する心配はなさそうだ。
冠水した事実はない。
「冠水する」「冠水した」
と書いてあるが冠水はな
い。
昨日、暴動が起こったが、明日には鎮圧されそうだ。
過去だが、まだ継続してい
る。
萩行は過去にアルバイトをしている。
萩行は会社で働いている。
萩行は結婚している。
←経験を表す
←現在進行形
←経験?進行形?
29
● 個別の問題設定をきちんと考えないとDeep
Learningでもどうしようもない
● 一方で…E2Eの機械翻訳モデルは、隠れ層で文法
構造などを学習している可能性
[Shi et al. EMNLP2016]
– 態(受動、能動)、時制、構文
を識別できる
● E2Eで問題設定できるなら
細かいことは気にしなくてよくなる?
– 応用ではこれら問題の出力が必要になることも
– 対話のE2E学習でも同じ結果が得られるかは不明
Deep Learningでどうなるの?
30
● NLPにはまだまだ面白い課題が多く残されている
– 実際に立ち向かうには数学の知識やプログラミング
の能力も必要
● Deep Learning(特にE2E手法)の登場で今後どのよ
うに変化していくかは未知数
– 言語現象とDLの関係の解明も研究のチャンスあり
● (私見ですが)今後は画像認識の世界も「画像を認識す
るとは?」みたいな深い沼にハマっていく可能
性は十分にある
– 現在のDLによる画像認識はタスクが分かりやすく設
定されていることが多い
まとめ
31
もしNLPに興味を持ったなら…
今日の話題をより深く知りたい人や
NLPの基礎を知りたい人向け
応用について知りたい人向
け
全脳アーキテクチャ若手の会20170131

Mais conteúdo relacionado

Mais procurados

言語資源と付き合う
言語資源と付き合う言語資源と付き合う
言語資源と付き合うYuya Unno
 
深層学習時代の自然言語処理
深層学習時代の自然言語処理深層学習時代の自然言語処理
深層学習時代の自然言語処理Yuya Unno
 
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
 
情報抽出入門 〜非構造化データを構造化させる技術〜
情報抽出入門 〜非構造化データを構造化させる技術〜情報抽出入門 〜非構造化データを構造化させる技術〜
情報抽出入門 〜非構造化データを構造化させる技術〜Yuya Unno
 
形態素解析の過去・現在・未来
形態素解析の過去・現在・未来形態素解析の過去・現在・未来
形態素解析の過去・現在・未来Preferred Networks
 
ピーFIの研究開発現場
ピーFIの研究開発現場ピーFIの研究開発現場
ピーFIの研究開発現場Yuya Unno
 
自然言語処理における意味解析と意味理解
自然言語処理における意味解析と意味理解自然言語処理における意味解析と意味理解
自然言語処理における意味解析と意味理解Kanji Takahashi
 
自然言語処理分野の最前線(ステアラボ人工知能シンポジウム2017)
自然言語処理分野の最前線(ステアラボ人工知能シンポジウム2017)自然言語処理分野の最前線(ステアラボ人工知能シンポジウム2017)
自然言語処理分野の最前線(ステアラボ人工知能シンポジウム2017)STAIR Lab, Chiba Institute of Technology
 
Deep Learningと自然言語処理
Deep Learningと自然言語処理Deep Learningと自然言語処理
Deep Learningと自然言語処理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
 
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
 
予測型戦略を知るための機械学習チュートリアル
予測型戦略を知るための機械学習チュートリアル予測型戦略を知るための機械学習チュートリアル
予測型戦略を知るための機械学習チュートリアルYuya Unno
 
Visualizing and understanding neural models in NLP
Visualizing and understanding neural models in NLPVisualizing and understanding neural models in NLP
Visualizing and understanding neural models in NLPNaoaki Okazaki
 
最先端NLP勉強会 “Learning Language Games through Interaction” Sida I. Wang, Percy L...
最先端NLP勉強会“Learning Language Games through Interaction”Sida I. Wang, Percy L...最先端NLP勉強会“Learning Language Games through Interaction”Sida I. Wang, Percy L...
最先端NLP勉強会 “Learning Language Games through Interaction” Sida I. Wang, Percy L...Yuya Unno
 
ICML2013読み会 ELLA: An Efficient Lifelong Learning Algorithm
ICML2013読み会 ELLA: An Efficient Lifelong Learning AlgorithmICML2013読み会 ELLA: An Efficient Lifelong Learning Algorithm
ICML2013読み会 ELLA: An Efficient Lifelong Learning AlgorithmYuya Unno
 
Facebookの人工知能アルゴリズム「memory networks」について調べてみた
Facebookの人工知能アルゴリズム「memory networks」について調べてみたFacebookの人工知能アルゴリズム「memory networks」について調べてみた
Facebookの人工知能アルゴリズム「memory networks」について調べてみた株式会社メタップスホールディングス
 

Mais procurados (16)

言語資源と付き合う
言語資源と付き合う言語資源と付き合う
言語資源と付き合う
 
深層学習時代の自然言語処理
深層学習時代の自然言語処理深層学習時代の自然言語処理
深層学習時代の自然言語処理
 
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
 
情報抽出入門 〜非構造化データを構造化させる技術〜
情報抽出入門 〜非構造化データを構造化させる技術〜情報抽出入門 〜非構造化データを構造化させる技術〜
情報抽出入門 〜非構造化データを構造化させる技術〜
 
形態素解析の過去・現在・未来
形態素解析の過去・現在・未来形態素解析の過去・現在・未来
形態素解析の過去・現在・未来
 
ピーFIの研究開発現場
ピーFIの研究開発現場ピーFIの研究開発現場
ピーFIの研究開発現場
 
自然言語処理における意味解析と意味理解
自然言語処理における意味解析と意味理解自然言語処理における意味解析と意味理解
自然言語処理における意味解析と意味理解
 
自然言語処理分野の最前線(ステアラボ人工知能シンポジウム2017)
自然言語処理分野の最前線(ステアラボ人工知能シンポジウム2017)自然言語処理分野の最前線(ステアラボ人工知能シンポジウム2017)
自然言語処理分野の最前線(ステアラボ人工知能シンポジウム2017)
 
Deep Learningと自然言語処理
Deep Learningと自然言語処理Deep Learningと自然言語処理
Deep Learningと自然言語処理
 
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
 
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
 
予測型戦略を知るための機械学習チュートリアル
予測型戦略を知るための機械学習チュートリアル予測型戦略を知るための機械学習チュートリアル
予測型戦略を知るための機械学習チュートリアル
 
Visualizing and understanding neural models in NLP
Visualizing and understanding neural models in NLPVisualizing and understanding neural models in NLP
Visualizing and understanding neural models in NLP
 
最先端NLP勉強会 “Learning Language Games through Interaction” Sida I. Wang, Percy L...
最先端NLP勉強会“Learning Language Games through Interaction”Sida I. Wang, Percy L...最先端NLP勉強会“Learning Language Games through Interaction”Sida I. Wang, Percy L...
最先端NLP勉強会 “Learning Language Games through Interaction” Sida I. Wang, Percy L...
 
ICML2013読み会 ELLA: An Efficient Lifelong Learning Algorithm
ICML2013読み会 ELLA: An Efficient Lifelong Learning AlgorithmICML2013読み会 ELLA: An Efficient Lifelong Learning Algorithm
ICML2013読み会 ELLA: An Efficient Lifelong Learning Algorithm
 
Facebookの人工知能アルゴリズム「memory networks」について調べてみた
Facebookの人工知能アルゴリズム「memory networks」について調べてみたFacebookの人工知能アルゴリズム「memory networks」について調べてみた
Facebookの人工知能アルゴリズム「memory networks」について調べてみた
 

Semelhante a 全脳アーキテクチャ若手の会20170131

Interop2017
Interop2017Interop2017
Interop2017tak9029
 
第8回Language and Robotics研究会20221010_AkiraTaniguchi
第8回Language and Robotics研究会20221010_AkiraTaniguchi第8回Language and Robotics研究会20221010_AkiraTaniguchi
第8回Language and Robotics研究会20221010_AkiraTaniguchiAkira Taniguchi
 
大規模言語モデルとChatGPT
大規模言語モデルとChatGPT大規模言語モデルとChatGPT
大規模言語モデルとChatGPTnlab_utokyo
 
キーワード推定を内包したオーディオキャプション法
キーワード推定を内包したオーディオキャプション法キーワード推定を内包したオーディオキャプション法
キーワード推定を内包したオーディオキャプション法Yuma Koizumi
 
DeepLearning 中心に見る最近の論文事情
DeepLearning 中心に見る最近の論文事情DeepLearning 中心に見る最近の論文事情
DeepLearning 中心に見る最近の論文事情Yuta Yamashita
 
GhostTweet
GhostTweetGhostTweet
GhostTweetayatsuka
 
音声認識超比較、各社コグニティブサービス全部入り
音声認識超比較、各社コグニティブサービス全部入り音声認識超比較、各社コグニティブサービス全部入り
音声認識超比較、各社コグニティブサービス全部入りtakuino
 
F#の基礎(嘘)
F#の基礎(嘘)F#の基礎(嘘)
F#の基礎(嘘)bleis tift
 
日本語学習者属性別の言語行為の対話自動生成への適用に関する 一考察 太田博三
日本語学習者属性別の言語行為の対話自動生成への適用に関する 一考察 太田博三日本語学習者属性別の言語行為の対話自動生成への適用に関する 一考察 太田博三
日本語学習者属性別の言語行為の対話自動生成への適用に関する 一考察 太田博三博三 太田
 
人狼知能合宿 自然言語部門 2016/10/10
人狼知能合宿 自然言語部門 2016/10/10人狼知能合宿 自然言語部門 2016/10/10
人狼知能合宿 自然言語部門 2016/10/10Hiroaki Sugiyama
 
深層ニューラルネットワーク による知識の自動獲得・推論
深層ニューラルネットワークによる知識の自動獲得・推論深層ニューラルネットワークによる知識の自動獲得・推論
深層ニューラルネットワーク による知識の自動獲得・推論Naoaki Okazaki
 

Semelhante a 全脳アーキテクチャ若手の会20170131 (13)

Interop2017
Interop2017Interop2017
Interop2017
 
第8回Language and Robotics研究会20221010_AkiraTaniguchi
第8回Language and Robotics研究会20221010_AkiraTaniguchi第8回Language and Robotics研究会20221010_AkiraTaniguchi
第8回Language and Robotics研究会20221010_AkiraTaniguchi
 
Ibis2016okanohara
Ibis2016okanoharaIbis2016okanohara
Ibis2016okanohara
 
大規模言語モデルとChatGPT
大規模言語モデルとChatGPT大規模言語モデルとChatGPT
大規模言語モデルとChatGPT
 
キーワード推定を内包したオーディオキャプション法
キーワード推定を内包したオーディオキャプション法キーワード推定を内包したオーディオキャプション法
キーワード推定を内包したオーディオキャプション法
 
DeepLearning 中心に見る最近の論文事情
DeepLearning 中心に見る最近の論文事情DeepLearning 中心に見る最近の論文事情
DeepLearning 中心に見る最近の論文事情
 
GhostTweet
GhostTweetGhostTweet
GhostTweet
 
音声認識超比較、各社コグニティブサービス全部入り
音声認識超比較、各社コグニティブサービス全部入り音声認識超比較、各社コグニティブサービス全部入り
音声認識超比較、各社コグニティブサービス全部入り
 
F#の基礎(嘘)
F#の基礎(嘘)F#の基礎(嘘)
F#の基礎(嘘)
 
日本語学習者属性別の言語行為の対話自動生成への適用に関する 一考察 太田博三
日本語学習者属性別の言語行為の対話自動生成への適用に関する 一考察 太田博三日本語学習者属性別の言語行為の対話自動生成への適用に関する 一考察 太田博三
日本語学習者属性別の言語行為の対話自動生成への適用に関する 一考察 太田博三
 
人狼知能合宿 自然言語部門 2016/10/10
人狼知能合宿 自然言語部門 2016/10/10人狼知能合宿 自然言語部門 2016/10/10
人狼知能合宿 自然言語部門 2016/10/10
 
Wikipedia からの大規模な汎用オントロジー構築
Wikipedia からの大規模な汎用オントロジー構築Wikipedia からの大規模な汎用オントロジー構築
Wikipedia からの大規模な汎用オントロジー構築
 
深層ニューラルネットワーク による知識の自動獲得・推論
深層ニューラルネットワークによる知識の自動獲得・推論深層ニューラルネットワークによる知識の自動獲得・推論
深層ニューラルネットワーク による知識の自動獲得・推論
 

Último

TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdfTaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdfMatsushita Laboratory
 
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也harmonylab
 
Summary of "ChatDoctor: A Medical Chat Model Fine-Tuned on a Large Language M...
Summary of "ChatDoctor: A Medical Chat Model Fine-Tuned on a Large Language M...Summary of "ChatDoctor: A Medical Chat Model Fine-Tuned on a Large Language M...
Summary of "ChatDoctor: A Medical Chat Model Fine-Tuned on a Large Language M...yoshidakids7
 
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦Sadao Tokuyama
 
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-LoopへTetsuya Nihonmatsu
 
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)ssuser539845
 
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~arts yokohama
 
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見Shumpei Kishi
 
2024 01 Virtual_Counselor
2024 01 Virtual_Counselor 2024 01 Virtual_Counselor
2024 01 Virtual_Counselor arts yokohama
 
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法ssuser370dd7
 

Último (13)

TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdfTaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
 
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也
 
Summary of "ChatDoctor: A Medical Chat Model Fine-Tuned on a Large Language M...
Summary of "ChatDoctor: A Medical Chat Model Fine-Tuned on a Large Language M...Summary of "ChatDoctor: A Medical Chat Model Fine-Tuned on a Large Language M...
Summary of "ChatDoctor: A Medical Chat Model Fine-Tuned on a Large Language M...
 
What is the world where you can make your own semiconductors?
What is the world where you can make your own semiconductors?What is the world where you can make your own semiconductors?
What is the world where you can make your own semiconductors?
 
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
 
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
 
2024 03 CTEA
2024 03 CTEA2024 03 CTEA
2024 03 CTEA
 
2024 04 minnanoito
2024 04 minnanoito2024 04 minnanoito
2024 04 minnanoito
 
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
 
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
 
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
 
2024 01 Virtual_Counselor
2024 01 Virtual_Counselor 2024 01 Virtual_Counselor
2024 01 Virtual_Counselor
 
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
 

全脳アーキテクチャ若手の会20170131