SlideShare uma empresa Scribd logo
1 de 27
Baixar para ler offline
再⽣生医療分野でのデータ分析
⼤大野健太(oono@preferred.jp)
2013/4/11
⼤大野健太(@delta2323_)

http://preferred.jp/company/member_detail/#130
•  数学科修⼠士課程(微分幾何) → PFI
• 

プロフェッショナルアンドサポートサービス
• 

お客様への製品導⼊入・質問・サポート対応

•  Jubatusプロジェクト → 2013年1⽉月から:バイオプロジェクト
• 

J:近傍探索・グラフアルゴリズムデザイン

• 

B:曖昧検索・Epigeneticな情報を⽤用いた細胞評価

• 

近似照合検索・レセプトデータのマイニング・関連解析

•  バイオプロジェクト・ビジョン
70億⼈人の多様性をデータ解析
と理論を元に捉え医療・健康にイノ
ベーションを起こす
2

オミックス・診療・ライフログを
結びつけるインフラを構築する
アジェンダ
•  再⽣生医療とは?
•  iPS細胞と再⽣生医療での利⽤用⽤用途
•  再⽣生医療分野の最近の動き
•  再⽣生医療分野のデータ解析・データ分析

3
再⽣生医療とは?
iPS細胞と再⽣生医療での利⽤用⽤用途
再⽣生医療分野の最近の動き
再⽣生医療分野のデータ解析・データ分析

再⽣生医療とは?
再⽣生医療とは
•  使えなくなったり⽼老老化したりした体の⼀一部を⾔言葉の通り、「再⽣生」さ
せて蘇らせようという医療のこと
•  再⽣生医療の例
• 

⽪皮膚移植:やけどした⽪皮膚を移植する

• 

⾻骨髄移植・造⾎血幹細胞移植:⽩白⾎血病患者の静脈に⾻骨髄を移植する

• 

美容外科(しわ取り)

⼤大阪府ウェブサイトより
http://www.pref.osaka.jp/shijonawatehoken/chiiki/kotsuzui.html
5
幹細胞の分化能

分化細胞1

分化細胞2

分化細胞3

幹細胞

6

国⽴立立がん研究センター  中央病院
http://www.ncc.go.jp/jp/ncch/division/
lecture/20041127b.html
再⽣生医療の枠組み

例:⾻骨髄移植・輸⾎血

⼈人体

幹細胞
分化

組織
形成
分化した細胞
7

移植
臓器・組織
組織⼯工学(Tissue Engineering)

•  細胞から組織や臓器を作る学問分野

Wikipediaより

•  1980年代、⽶米国のランガーとバカンティによって提唱される
• 

“Vacanti Mouse”:背中に⽿耳の⽣生えたマウス

•  現在、東京⼥女女⼦子医科⼤大学の岡野光夫教授が細胞シートの積層化技術を
⽤用いて⼼心筋細胞から拍動する細胞シートを作成
• 

現在FIRSTプログラムとして進⾏行行中

「FIRST研究開発⽀支援プログラム」より
8
http://first-pg.jp/about-us/okano-teruo.html
再⽣生医療とは?
iPS細胞と再⽣生医療での利⽤用⽤用途
再⽣生医療分野の最近の動き
再⽣生医療分野のデータ解析・データ分析

iPS細胞と再⽣生医療での利⽤用⽤用途
iPS細胞
inductive Pluripotent Stem Cell
•  ⼭山中研究グループ、分化済の成熟
細胞(線維芽細胞)に特定の遺伝
⼦子導⼊入・培養すると、ES細胞に似
た多能性を持つ幹細胞が樹⽴立立され
る事を発⾒見見
• 

2007年⾼高橋・⼭山中⽒氏ヒトiPS細胞
樹⽴立立技術を論⽂文発表

• 

2012年⼭山中教授ノーベル⽣生理
学・医学賞受賞

• 

再⽣生医療・難病疾患の原因解明・
創薬等に応⽤用される

「iPS細胞等研究ネットワーク iPSTrend」
http://www.ips-network.mext.go.jp/

10
iPS細胞により拒否反応のない臓器移植が可能
他者臓器移植は拒否反応が起こる
  → ⾃自分の細胞から臓器を作りたい
•  戦略1:他⼈人の受精卵からクローン技術を⽤用いてES細胞を作る
• 

問題:受精卵を使⽤用する点が、倫理⾯面・供給⾯面で課題

•  戦略2:体性幹細胞から作る
• 

問題:分化する組織が限定されている

• 

問題:体性幹細胞は半永久的には増殖しない

•  戦略3:ES細胞と似たような機能を持つ細胞を体細胞から作る
• 

問題:技術的に困難

→ iPS細胞の登場で実現可能に
11
再⽣生医療の枠組み

例:⾻骨髄移植・輸⾎血
脱分化
⼈人体

幹細胞
分化

iPS

分化

組織
形成
分化した細胞
12

移植
臓器・組織
再⽣生医療とは?
iPS細胞と再⽣生医療での利⽤用⽤用途
再⽣生医療分野の最近の動き
再⽣生医療分野のデータ解析・データ分析

iPS細胞と再⽣生医療での利⽤用⽤用途
再⽣生医療の将来市場予測
⽇日本
60
50

市場規模(兆円)

市場規模(兆円)

40
35
30
25
20
15
10
5
0
2000 2020 2040 2060
年度

世界

製品・加⼯工製品
周辺産業
合計

40
30
20
10
0
2000

2020 2040
年度

2060

経済産業省「再⽣生医療の実⽤用化・産業化に関する研究会」最終報告書
(2013年2⽉月25⽇日)
14
再⽣生医療最近のニュース
(基礎研究から臨床応⽤用・産業化へ)
13.3.1 →
⽇日本経済新聞

↓13.3.19 ⽇日本経済新聞

↑13.3.26 ⽇日本経済新聞

15
再⽣生医療最近のニュース
(基礎研究から臨床応⽤用・産業化へ)
ジェイス®(J-TEC)→
「医学のあゆみ」229巻9号
細胞医療Update
↓13.3.14 ⽇日経産業新聞
http://
www.ishiyaku.co.jp/
magazines/ayumi/
AyumiArticleDetail.aspx?
BC=286210&AC=8321

↑13.3.14 ⽇日経産業新聞

16
⽴立立法・⾏行行政側での推進体制
•  経済⾯面
• 

再⽣生医療分野に10年間で1100億円の⽀支援を表明(2013/1/10)

• 

京都⼤大学のCiRA:10年間27億円の⽀支援が決定(2013/3/25)

•  法律⾯面
• 

「再⽣生医療推進法案」(議員⽴立立法):成⽴立立の⾒見見通し

• 

「再⽣生医療新法」(厚⽣生労働省):今国会での提出を⽬目指す
• 

• 

⾃自由診療, 臨床研究の基準に関する法律

「薬事法」改正:委員会で議論開始
• 

再⽣生医療製品の承認/許可などの規定
17
⾏行行政側での推進体制
•  特許⾯面
• 

iPSアカデミアジャパン(⺠民間会社)の設⽴立立
• 

• 

業務内容:「iPS細胞を中⼼心とした幹細胞にかかる知的財産の管
理および実施権の許諾」
特定の企業がiPS関連の特許を独占するのを防ぐのが⽬目的

•  ⾏行行政⾯面
• 

「再⽣生医療の実現化プロジェクト」:研究・臨床試験・治験⽀支援
• 

• 

⽂文部科学省・厚⽣生労働省・経済産業省が連携

広報サイトの⽴立立ち上げ「iPS細胞等研究ネットワーク iPSTrend」

18
再⽣生医療とは?
iPS細胞と再⽣生医療での利⽤用⽤用途
再⽣生医療分野の最近の動き
再⽣生医療分野のデータ解析・データ分析

再⽣生医療分野のデータ解析・データ分析
再⽣生医療分野でのデータの特徴:N<<P
•  サンプル(N)が少ない
• 

難病疾患患者 → 患者数そのものが少ない

• 

ノックアウトマウス → 作成コスト⾼高

•  特徴数(P)は多い(多すぎて困る事も)
• 

SNPs(ヒト:数百万カ所)

• 

メチル化の度合い(ヒト:数万から数⼗十万カ所)

•  サンプル数(N)<<特徴数(P)の状態を「新NP問題」と呼んでいる
•  統計関連学会連合「我が国の統計科学振興への提⾔言」)
P

→ 特徴抽出、ARD
   主成分分析?

N

" 0.3 !0.7 ! ! ! ! ! ! ! !0.1 %
$
'
"
! ! ! ! ! ! !
" '
$ "
$ 0.3 !0.2 20! ! ! ! ! ! ! 0.9 '
#
&
再⽣生医療分野に⼤大量データはあるか?
•  iPS細胞備蓄事業

2013.3.19 ⽇日経産業新聞↓

• 

5年で⽇日本⼈人の3-5割(5-10種)、10年で

• 

9割(150種)をカバー

•  理研バイオリソースセンター(細胞バンク)
• 

iPS細胞:1株28000円(⾮非営利団体)

• 

主に研究⽤用途で使⽤用

21
再⽣生医療分野に⼤大量データはあるか?
収集コスト
労⼒力力
・データベースの充実
・⼤大量⽣生産のノウハウ

データ量

・機材の⾼高性能化
・⽣生産拠点の増加
・培養細胞数の増加

現在必要とされる分析技術
•  少数の貴重データの緻密に解析する技術
→ iPS細胞の⼤大量⽣生産、再⽣生医療製品の普及時に必要となるデータ解析は?
22
再⽣生医療技術分野での課題
•  同じ株の中でもiPS細胞の性質が異なる事がある
• 

「多様性がある」→ iPS細胞ごとの分析が必要

•  iPS細胞(幹細胞)の分化を解析・制御したい
• 

塩基配列情報だけでは(おそらく)不可能

• 

RNA情報をシーケンシングし⽤用いる解析が必要

•  再⽣生医療製品・iPS細胞の産業化
• 

安定供給・品質管理が必要

•  再⽣生医療技術を⽤用いて個別化医療を実現したい
• 

疾患治療時に再⽣生医療技術が使⽤用し検査時にデータを抽出

• 

プライバシー保護が課題
23
BigData Applications beyond Hadoop
[Depth of BigData Processing]

Hadoop
applications

Action

Analytics

Reporting

Collection

Decision
Speed

Coverage of
Data Scientists
24

Deep
Analysis
まとめ
•  再⽣生医療とは:機能を失った組織・臓器を再⽣生し機能を取り戻す医療
•  再⽣生医療の動向
• 

iPS細胞樹⽴立立成功を契機に爆発的に発展

• 

⾏行行政・⽴立立法・研究が連携、経済再⽣生の鍵として⽀支援

• 

基礎研究と共に臨床研究・産業化が今後の課題

•  再⽣生医療分野でのデータ解析
• 

データ収集に苦⼼心(新NP問題)⼤大量データ分析の困難は今後発⽣生?

• 

課題:分化制御、品質管理、産業化、個別化医療への応⽤用

• 

再⽣生医療分野のデータ解析・分析は未開拓領域?

•  今⽇日話せなかった事:海外の動向
25
Copyright © 2006-2013
Preferred Infrastructure All Right Reserved.
27

Mais conteúdo relacionado

Semelhante a regenerative_medicine

[All-in-one2016] JST/NBDC が提供するサービス及びプロジェクト概観
[All-in-one2016] JST/NBDC が提供するサービス及びプロジェクト概観[All-in-one2016] JST/NBDC が提供するサービス及びプロジェクト概観
[All-in-one2016] JST/NBDC が提供するサービス及びプロジェクト概観DNA Data Bank of Japan center
 
生物学史分科会シンポ 2017hayashi
生物学史分科会シンポ 2017hayashi生物学史分科会シンポ 2017hayashi
生物学史分科会シンポ 2017hayashiHAYASHI Makoto
 
オープンサイエンス〜情報と公共図書館の接点
オープンサイエンス〜情報と公共図書館の接点オープンサイエンス〜情報と公共図書館の接点
オープンサイエンス〜情報と公共図書館の接点Ui Ikeuchi
 
Jpg uosawa0525
Jpg uosawa0525Jpg uosawa0525
Jpg uosawa0525arosawa
 
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化Itaru Kaneko
 
単一事例研究法と統計的推測:ベイズ流アプローチを架け橋として
単一事例研究法と統計的推測:ベイズ流アプローチを架け橋として単一事例研究法と統計的推測:ベイズ流アプローチを架け橋として
単一事例研究法と統計的推測:ベイズ流アプローチを架け橋としてYoshitake Takebayashi
 
ライフサイエンスデータベースの現状
ライフサイエンスデータベースの現状ライフサイエンスデータベースの現状
ライフサイエンスデータベースの現状Takeru Nakazato
 
2024.02.17.永生会リハ部門研修「外部環境と内部環境分析とそのさき」.pdf
2024.02.17.永生会リハ部門研修「外部環境と内部環境分析とそのさき」.pdf2024.02.17.永生会リハ部門研修「外部環境と内部環境分析とそのさき」.pdf
2024.02.17.永生会リハ部門研修「外部環境と内部環境分析とそのさき」.pdfTsubasa Kambe
 
スマート健康・医療プラットフォームの課題を考える 「 認知症に関する事例と オープンデータ活用の観点」
スマート健康・医療プラットフォームの課題を考える 「認知症に関する事例とオープンデータ活用の観点」スマート健康・医療プラットフォームの課題を考える 「認知症に関する事例とオープンデータ活用の観点」
スマート健康・医療プラットフォームの課題を考える 「 認知症に関する事例と オープンデータ活用の観点」Masahiko Shoji
 
Rsj2013 01 hirukawa
Rsj2013 01 hirukawaRsj2013 01 hirukawa
Rsj2013 01 hirukawarobotcare
 
統計学勉強会#2
統計学勉強会#2統計学勉強会#2
統計学勉強会#2Hidehisa Arai
 
[DL輪読会]How to develop machine learning models for healthcare
[DL輪読会]How to develop machine learning models for healthcare[DL輪読会]How to develop machine learning models for healthcare
[DL輪読会]How to develop machine learning models for healthcareDeep Learning JP
 
シリコンバレー比較20171030小柳
シリコンバレー比較20171030小柳シリコンバレー比較20171030小柳
シリコンバレー比較20171030小柳奨 山崎
 
ビッグデータとは
ビッグデータとはビッグデータとは
ビッグデータとはTakafumi Nakanishi
 
ヘルスケア領域でのDeep Learnigの動向
ヘルスケア領域でのDeep Learnigの動向ヘルスケア領域でのDeep Learnigの動向
ヘルスケア領域でのDeep Learnigの動向Naoji Taniguchi
 
RiakでつくるHealthcare Database
RiakでつくるHealthcare DatabaseRiakでつくるHealthcare Database
RiakでつくるHealthcare DatabaseNaomi Kawashima
 
JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点
JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点
JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点Yasuyuki Okumura
 

Semelhante a regenerative_medicine (17)

[All-in-one2016] JST/NBDC が提供するサービス及びプロジェクト概観
[All-in-one2016] JST/NBDC が提供するサービス及びプロジェクト概観[All-in-one2016] JST/NBDC が提供するサービス及びプロジェクト概観
[All-in-one2016] JST/NBDC が提供するサービス及びプロジェクト概観
 
生物学史分科会シンポ 2017hayashi
生物学史分科会シンポ 2017hayashi生物学史分科会シンポ 2017hayashi
生物学史分科会シンポ 2017hayashi
 
オープンサイエンス〜情報と公共図書館の接点
オープンサイエンス〜情報と公共図書館の接点オープンサイエンス〜情報と公共図書館の接点
オープンサイエンス〜情報と公共図書館の接点
 
Jpg uosawa0525
Jpg uosawa0525Jpg uosawa0525
Jpg uosawa0525
 
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
 
単一事例研究法と統計的推測:ベイズ流アプローチを架け橋として
単一事例研究法と統計的推測:ベイズ流アプローチを架け橋として単一事例研究法と統計的推測:ベイズ流アプローチを架け橋として
単一事例研究法と統計的推測:ベイズ流アプローチを架け橋として
 
ライフサイエンスデータベースの現状
ライフサイエンスデータベースの現状ライフサイエンスデータベースの現状
ライフサイエンスデータベースの現状
 
2024.02.17.永生会リハ部門研修「外部環境と内部環境分析とそのさき」.pdf
2024.02.17.永生会リハ部門研修「外部環境と内部環境分析とそのさき」.pdf2024.02.17.永生会リハ部門研修「外部環境と内部環境分析とそのさき」.pdf
2024.02.17.永生会リハ部門研修「外部環境と内部環境分析とそのさき」.pdf
 
スマート健康・医療プラットフォームの課題を考える 「 認知症に関する事例と オープンデータ活用の観点」
スマート健康・医療プラットフォームの課題を考える 「認知症に関する事例とオープンデータ活用の観点」スマート健康・医療プラットフォームの課題を考える 「認知症に関する事例とオープンデータ活用の観点」
スマート健康・医療プラットフォームの課題を考える 「 認知症に関する事例と オープンデータ活用の観点」
 
Rsj2013 01 hirukawa
Rsj2013 01 hirukawaRsj2013 01 hirukawa
Rsj2013 01 hirukawa
 
統計学勉強会#2
統計学勉強会#2統計学勉強会#2
統計学勉強会#2
 
[DL輪読会]How to develop machine learning models for healthcare
[DL輪読会]How to develop machine learning models for healthcare[DL輪読会]How to develop machine learning models for healthcare
[DL輪読会]How to develop machine learning models for healthcare
 
シリコンバレー比較20171030小柳
シリコンバレー比較20171030小柳シリコンバレー比較20171030小柳
シリコンバレー比較20171030小柳
 
ビッグデータとは
ビッグデータとはビッグデータとは
ビッグデータとは
 
ヘルスケア領域でのDeep Learnigの動向
ヘルスケア領域でのDeep Learnigの動向ヘルスケア領域でのDeep Learnigの動向
ヘルスケア領域でのDeep Learnigの動向
 
RiakでつくるHealthcare Database
RiakでつくるHealthcare DatabaseRiakでつくるHealthcare Database
RiakでつくるHealthcare Database
 
JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点
JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点
JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点
 

Mais de Kenta Oono

Minimax statistical learning with Wasserstein distances (NeurIPS2018 Reading ...
Minimax statistical learning with Wasserstein distances (NeurIPS2018 Reading ...Minimax statistical learning with Wasserstein distances (NeurIPS2018 Reading ...
Minimax statistical learning with Wasserstein distances (NeurIPS2018 Reading ...Kenta Oono
 
Deep learning for molecules, introduction to chainer chemistry
Deep learning for molecules, introduction to chainer chemistryDeep learning for molecules, introduction to chainer chemistry
Deep learning for molecules, introduction to chainer chemistryKenta Oono
 
Overview of Machine Learning for Molecules and Materials Workshop @ NIPS2017
Overview of Machine Learning for Molecules and Materials Workshop @ NIPS2017Overview of Machine Learning for Molecules and Materials Workshop @ NIPS2017
Overview of Machine Learning for Molecules and Materials Workshop @ NIPS2017Kenta Oono
 
Comparison of deep learning frameworks from a viewpoint of double backpropaga...
Comparison of deep learning frameworks from a viewpoint of double backpropaga...Comparison of deep learning frameworks from a viewpoint of double backpropaga...
Comparison of deep learning frameworks from a viewpoint of double backpropaga...Kenta Oono
 
深層学習フレームワーク概要とChainerの事例紹介
深層学習フレームワーク概要とChainerの事例紹介深層学習フレームワーク概要とChainerの事例紹介
深層学習フレームワーク概要とChainerの事例紹介Kenta Oono
 
20170422 数学カフェ Part2
20170422 数学カフェ Part220170422 数学カフェ Part2
20170422 数学カフェ Part2Kenta Oono
 
20170422 数学カフェ Part1
20170422 数学カフェ Part120170422 数学カフェ Part1
20170422 数学カフェ Part1Kenta Oono
 
情報幾何学の基礎、第7章発表ノート
情報幾何学の基礎、第7章発表ノート情報幾何学の基礎、第7章発表ノート
情報幾何学の基礎、第7章発表ノートKenta Oono
 
GTC Japan 2016 Chainer feature introduction
GTC Japan 2016 Chainer feature introductionGTC Japan 2016 Chainer feature introduction
GTC Japan 2016 Chainer feature introductionKenta Oono
 
On the benchmark of Chainer
On the benchmark of ChainerOn the benchmark of Chainer
On the benchmark of ChainerKenta Oono
 
Tokyo Webmining Talk1
Tokyo Webmining Talk1Tokyo Webmining Talk1
Tokyo Webmining Talk1Kenta Oono
 
VAE-type Deep Generative Models
VAE-type Deep Generative ModelsVAE-type Deep Generative Models
VAE-type Deep Generative ModelsKenta Oono
 
Common Design of Deep Learning Frameworks
Common Design of Deep Learning FrameworksCommon Design of Deep Learning Frameworks
Common Design of Deep Learning FrameworksKenta Oono
 
Introduction to Chainer and CuPy
Introduction to Chainer and CuPyIntroduction to Chainer and CuPy
Introduction to Chainer and CuPyKenta Oono
 
Stochastic Gradient MCMC
Stochastic Gradient MCMCStochastic Gradient MCMC
Stochastic Gradient MCMCKenta Oono
 
Chainer Contribution Guide
Chainer Contribution GuideChainer Contribution Guide
Chainer Contribution GuideKenta Oono
 
2015年9月18日 (GTC Japan 2015) 深層学習フレームワークChainerの導入と化合物活性予測への応用
2015年9月18日 (GTC Japan 2015) 深層学習フレームワークChainerの導入と化合物活性予測への応用 2015年9月18日 (GTC Japan 2015) 深層学習フレームワークChainerの導入と化合物活性予測への応用
2015年9月18日 (GTC Japan 2015) 深層学習フレームワークChainerの導入と化合物活性予測への応用 Kenta Oono
 
Introduction to Chainer (LL Ring Recursive)
Introduction to Chainer (LL Ring Recursive)Introduction to Chainer (LL Ring Recursive)
Introduction to Chainer (LL Ring Recursive)Kenta Oono
 
日本神経回路学会セミナー「DeepLearningを使ってみよう!」資料
日本神経回路学会セミナー「DeepLearningを使ってみよう!」資料日本神経回路学会セミナー「DeepLearningを使ってみよう!」資料
日本神経回路学会セミナー「DeepLearningを使ってみよう!」資料Kenta Oono
 
提供AMIについて
提供AMIについて提供AMIについて
提供AMIについてKenta Oono
 

Mais de Kenta Oono (20)

Minimax statistical learning with Wasserstein distances (NeurIPS2018 Reading ...
Minimax statistical learning with Wasserstein distances (NeurIPS2018 Reading ...Minimax statistical learning with Wasserstein distances (NeurIPS2018 Reading ...
Minimax statistical learning with Wasserstein distances (NeurIPS2018 Reading ...
 
Deep learning for molecules, introduction to chainer chemistry
Deep learning for molecules, introduction to chainer chemistryDeep learning for molecules, introduction to chainer chemistry
Deep learning for molecules, introduction to chainer chemistry
 
Overview of Machine Learning for Molecules and Materials Workshop @ NIPS2017
Overview of Machine Learning for Molecules and Materials Workshop @ NIPS2017Overview of Machine Learning for Molecules and Materials Workshop @ NIPS2017
Overview of Machine Learning for Molecules and Materials Workshop @ NIPS2017
 
Comparison of deep learning frameworks from a viewpoint of double backpropaga...
Comparison of deep learning frameworks from a viewpoint of double backpropaga...Comparison of deep learning frameworks from a viewpoint of double backpropaga...
Comparison of deep learning frameworks from a viewpoint of double backpropaga...
 
深層学習フレームワーク概要とChainerの事例紹介
深層学習フレームワーク概要とChainerの事例紹介深層学習フレームワーク概要とChainerの事例紹介
深層学習フレームワーク概要とChainerの事例紹介
 
20170422 数学カフェ Part2
20170422 数学カフェ Part220170422 数学カフェ Part2
20170422 数学カフェ Part2
 
20170422 数学カフェ Part1
20170422 数学カフェ Part120170422 数学カフェ Part1
20170422 数学カフェ Part1
 
情報幾何学の基礎、第7章発表ノート
情報幾何学の基礎、第7章発表ノート情報幾何学の基礎、第7章発表ノート
情報幾何学の基礎、第7章発表ノート
 
GTC Japan 2016 Chainer feature introduction
GTC Japan 2016 Chainer feature introductionGTC Japan 2016 Chainer feature introduction
GTC Japan 2016 Chainer feature introduction
 
On the benchmark of Chainer
On the benchmark of ChainerOn the benchmark of Chainer
On the benchmark of Chainer
 
Tokyo Webmining Talk1
Tokyo Webmining Talk1Tokyo Webmining Talk1
Tokyo Webmining Talk1
 
VAE-type Deep Generative Models
VAE-type Deep Generative ModelsVAE-type Deep Generative Models
VAE-type Deep Generative Models
 
Common Design of Deep Learning Frameworks
Common Design of Deep Learning FrameworksCommon Design of Deep Learning Frameworks
Common Design of Deep Learning Frameworks
 
Introduction to Chainer and CuPy
Introduction to Chainer and CuPyIntroduction to Chainer and CuPy
Introduction to Chainer and CuPy
 
Stochastic Gradient MCMC
Stochastic Gradient MCMCStochastic Gradient MCMC
Stochastic Gradient MCMC
 
Chainer Contribution Guide
Chainer Contribution GuideChainer Contribution Guide
Chainer Contribution Guide
 
2015年9月18日 (GTC Japan 2015) 深層学習フレームワークChainerの導入と化合物活性予測への応用
2015年9月18日 (GTC Japan 2015) 深層学習フレームワークChainerの導入と化合物活性予測への応用 2015年9月18日 (GTC Japan 2015) 深層学習フレームワークChainerの導入と化合物活性予測への応用
2015年9月18日 (GTC Japan 2015) 深層学習フレームワークChainerの導入と化合物活性予測への応用
 
Introduction to Chainer (LL Ring Recursive)
Introduction to Chainer (LL Ring Recursive)Introduction to Chainer (LL Ring Recursive)
Introduction to Chainer (LL Ring Recursive)
 
日本神経回路学会セミナー「DeepLearningを使ってみよう!」資料
日本神経回路学会セミナー「DeepLearningを使ってみよう!」資料日本神経回路学会セミナー「DeepLearningを使ってみよう!」資料
日本神経回路学会セミナー「DeepLearningを使ってみよう!」資料
 
提供AMIについて
提供AMIについて提供AMIについて
提供AMIについて
 

regenerative_medicine