Sho Sakai

👨‍🎓Ph.D. student | 🎙️Podcast: #DataScienceLG | 日本語HP: | EN: | English posts available on LinkedIn

[Kei NAKAGAWA @keeeeei0315]

8/7(金)〜10/16(金) にAIクオンツトレード講座が開催されます！
学生は無料、かつJPX総研様のデータを使用できる実践的なコンペもあり、大変充実した内容かと思います。
僭越ながら最終回の講義を担当します。またクオンツや運用会社、キャリアなどなど自由に質問できるような形式にする予定なので是非参加してください🙏

[richwomanbtc @richwomanbtc]

今回は内容を刷新し、主に日本株を対象としたクオンツトレードの入門講座となりました🎉
そしてなんとJPX総研様からデータのご提供をいただいております！
みなさまぜひご受講くださいませ〜

[Nospare @Nospare_Inc]

📢【新着セミナー】

7/21(火) 19時より、ミシガン大学より​白糸 裕輝先生をお迎えして、「少数のラベルで実現する高精度なテキスト分類〜確率モデルと能動学習の組み合わせ〜」というセミナーを開催いたします。
【申込・詳細ページ】
https://t.co/4thDWNcZiI

【学習ポイント】
・能動学習（Active Learning）を、単なる機械学習の一技術としてではなく、テキスト分類におけるラベリングコストを削減するための統計的枠組みとして整理し、不確実性サンプリングと分類器の効率的な学習という観点から基本的な仕組みを理解します。
・ラベルあり・ラベルなし両方のデータを活用する半教師あり学習（確率的混合モデルとEMアルゴリズム）と能動学習を組み合わせることで、なぜ少数のラベルだけで深層学習に匹敵する分類精度を低い計算コストで達成できるのかを説明できるようになります。
・Rパッケージ「activeText」を用いた実装チュートリアルを通じて、自身の研究データに能動学習によるテキスト分類を適用するための入口を身につけます。

【講義の流れ】
1. 能動学習の一般的な枠組みを紹介し、ラベルなしデータの活用と「分類が難しい文書」に注力する利点を解説する
2. 確率モデル（ラベルあり・なしの両方を用いる半教師あり学習）と能動学習を組み合わせた手法の仕組みを解説する
3. 既存研究の再現結果を用いて、わずかなラベル数でも高い分類精度を低い計算コストで達成できることを示す
4. Rパッケージ「activeText」を用いた実装のチュートリアル（デモ）を行う

[Yuto Kitano @yukkun000]

白糸先生第2弾ということで、ActixTextでお願いしました。迷惑メールの分類やら何やらでテキストデータを分類する必要があるすべての方に送ります！

[Alexia Jolicoeur-Martineau @jm_alexia]

GANs are back!

"Scalable GANs with Transformers" shows that GANs are finicky but with the right setup, they can be scaled.

https://t.co/rmmfmJtJK7

[日本銀行 @Bank_of_Japan_j]

（金融研究所DPS）AIエージェントを用いて契約の締結等を自動化する場面が登場している。本稿は、わが国におけるAIエージェント利用に伴う私法上の論点の議論に貢献すべく、海外で提案されたルールから得られる日本法への示唆を検討する。
https://t.co/Xdac0KjDJl

[Nospare @Nospare_Inc]

【観察データから因果効果を推定するには？】

疫学・医学研究において観察データを用いた因果推論を適切にデザインすることは容易ではありません。
標的試験エミュレーションは理想的なランダム化試験をベンチマークにして適切な観察データ分析をデザインするための強力なフレームワークです。

7/6(月)の19時から京都大学の井上先生をお招きして、標的試験エミュレーションを習得するためのセミナーを開催します。
▼詳細・申込はこちら
https://t.co/zB4R2NV8G5

[辻陽行 TSUJI HARUYUKI @AAA_TSUJI0310]

COROKOを利用いただいている三井不動産様のインタビューを公開させていただきましたー！！
これからも現場作業における課題をAIエージェントで解決する営みを続けていきます
https://t.co/9obM068DEF

[株式会社ブレインパッド @BrainPad_PR]

《まもなく放送！ 22:58〜》
テレビ東京 #夢遺産 に #ブレインパッド 代表の関口が登場！

10代の頃は「F1のエンジンをつくること」が夢だった関口が、今どのような信念や夢を持って代表を務めているのか？

その半生と、内に秘める熱い想いに迫ります！
https://t.co/9nVnKlAEmQ

[佐々木辰 | Shin SASAKI（投資のコンシェルジュ編集長） @sin19880120]

プレスリリースはこちらです。
https://t.co/SNh3SS7oPA

[佐々木辰 | Shin SASAKI（投資のコンシェルジュ編集長） @sin19880120]

大学時代からの仲間と進めてきた研究成果を、MONOのプロダクトに実装していきます。

当社技術顧問の中川慧さん@keeeeei0315を筆頭著者とする研究論文が、金融分野の査読付き学術誌 Finance Research Letters に採択されました。

[水田孝信 (Takanobu MIZUTA) @takanobu_mizuta]

生成AIシミュレーションと金融経済分析 https://t.co/F9Y3l8GXOc

[Kentaro Sakamaki @kent_sak]

佐藤先生@Shuntarooo3、藤井先生@Ryo_epidemiol、井上先生@ki_endoepiが翻訳された『疫学のデザイン入門』を献本いただきました。ありがとうございます。ざっと拝読した段階ですが、複雑な数式に頼らず、疫学の重要な概念を丁寧に解説した、考える力を養う本だと思います。勉強させていただきます。

[Nospare @Nospare_Inc]

【観察データから、本当に効果は言えるのか？】

本セミナーでは
・標的試験エミュレーションの基本
・Time 0 と Grace period の設定
・不死時間バイアス・交絡・選択バイアスへの対処

を体系的に整理します。

臨床・公衆衛生研究の実例も扱います。

▼詳細・申込はこちら
https://t.co/zB4R2NV8G5

[須山敦志 Suyama Atsushi @sammy_suyama]

データサイエンスアドバイザーとして携わっている、アポロ株式会社のイベントに登壇します。

36万件の需要予測プロジェクト。現場の暗黙知をどうロジックに変えたか、実装の裏側をその場で深掘りする予定です。

こういうリアルな事例の話はなかなか外には出てこないので、DS・機械学習に関わっている方はぜひ覗きにきてください。

7月30日（木）19:30〜20:45（無料）
登録ページ↓
https://t.co/Ez0asXoZA2

[白金鉱業 @shirokane_fm]

日程・テーマの変更の可能性はありますが、ここから1年の #白金鉱業 Meetupの予定です！

・9/17（木）効果検証
・10/15（木）データサイエンスカンパニー
・11/19（木）数理最適化
・2/18（木）未定（画像解析かも）
・4/22（木）未定（ベイズ統計かも）
・6/17（木）若手DS交流

[Preferred Networks @PreferredNetJP]

【記事】PFNは研究結果をどう現場で使えるようにしているか？3Dスキャン・3DCG再構築などを手がける次世代視覚ソリューション開発部のCG Worldインタビュー後編です。

関連ポジションも募集中です！
2D/3Dコンピュータビジョンエンジニア：
https://t.co/rp1ainuzr1
ビジネス開発：
https://t.co/xjbuLhsdE0

[Kohei Kawaguchi-Sunada @mixingale]

GitHub ActionをつかったAuto gradingは、gradingにつかうunit test群それ自体を配布しないとまわらず、それ自体を配布してしまうとそのテストが通るまでひたすらAIを自己再帰的に回されて学生の学習の役に立たないということが分かったので、unit testを配布せずに済む方法が確立できるまではボツ。

[SansanTech @SansanTech]

「Sansan Tech Radio」新エピソードを公開しました🎙️

今回は特別回として、Sansan独自の生成AI基盤モデル「Viola」と、国家プロジェクト「GENIAC」で生まれた後継の基盤モデル「Cello」の開発秘話をお届けします。

基盤モデル開発に挑んだ背景から、「Bill One」への実装、これからの展望まで聞きました。

ぜひお聴きください✨️#33tech #podcast
https://t.co/ZSuSudQq03

[Preferred Networks @PreferredNetJP]

【発表】国産フルスクラッチ開発の生成AI基盤モデルPLaMo 3.0 Primeの提供を開始しました。
1⃣API経由またはオンプレで利用可能
2⃣複雑なタスクに対応するReasoningモデル、応答速度の速いNon-reasoningモデルを提供
3⃣高い日本語性能とコストパフォーマンスを両立
4⃣コンテキスト長を64kから256kに拡張
5⃣危険情報に対する安全性向上
https://t.co/r7IeV3OdwC
AIエージェントや企業の実務利用を想定した機能強化がされていますのでおぜひ試しください