しましまのNIPS2014まとめ

しましま @shima__shima

.@hiroshnakagawa3 理想的な状態を先に決めるか，可能な解空間を確定してから最良を選ぶかの方針の違いなんですが，合わないですよね

しましま @shima__shima

twitter.com/t3kcit/status/… ← 大規模機械学習で著名な Vowpal Wabbit のpythonラッパ pyvw のチュートリアルがあったらしい

Andreas Mueller (also at mastodon) @amuellerml

.@haldaume3 speaking about super fast sequence labeling using vw & python. link to full talk in the image. #NIPS2014 pic.twitter.com/JOX2lccwKr

2014-12-13 04:17:24

Gunnar Rätsch @gxr

Slides for my talk at the Transfer & Multitask Learning Workshop (sites.google.com/site/multitask…) are ready: raetschlab.org/lectures/slide… #NIPS2014

NeurIPS Conference @NeurIPSConf

As of tweeting, 2116 workshop registrations at #NIPS2014. Celebrate during the farewell dinner at 7pm tonight nips.cc/Conferences/20…

Andrew Ng @AndrewYNg

Deep Learning at #NIPS2014! pic.twitter.com/w4yYgXqBB7

拡大

Misha Denil @notmisha

Pybo is a new python package for bayesian optimization and hyperparameter tuning #NIPS2014 goo.gl/KKxJfM

はがわーな @Kathy_Dec1st

昨日の写真。右から順に、質問待ちのBengio先生、LeCun先生、質問中のHinton先生、困った顔のオーガナイザーNg先生。多分この会議のハイライト。#NIPS2014 pic.twitter.com/4ZUiAMycw7

拡大

しましま @shima__shima

今日は Crowdsourcing and Machine Learning のワークショップ crowdwisdom.cc/nips2014/ に出たので報告：

しましま @shima__shima

Incentivizing High Quality Crowdwork：質の良いときだけボーナスを払う方式の有効性や，どういう払い方がよいのかについてのユーザ実験

しましま @shima__shima

Bayesian Models for Powerful Crowdsourced Data Analysis：ワーカ個々のラベル付けの正しさの個人ごとの事前分布に，共通の事前分布を導入するモデル．事前分布の時変化に対応する動的モデルと，モデルに基づくワーカへのタスク割当なども

しましま @shima__shima

World's Largest Online Workplace at Elance-oDesk：オンラインジョブマーケット．雇用・無視などの暗黙情報に基づく順位付けや，雇用確率の予測．雇用者の優先順位に基づくグループ分けなど．

しましま @shima__shima

Incentivizing Users for Balancing Bike Sharing Systems：自転車のシェアリングで配置の偏りをなくすために，ちょっと歩いて違う集積所を使ってもらう．ここでお金を払うが，それを最適化するために BP-UCB というバンディットを利用

しましま @shima__shima

ドイツのマインツで実際に実験してみたらしい．オファーを受理する回数は，回数と共に減少するが，非常に少数の利用者は頻繁に受理．歩く距離は700mでほぼなくなる．

しましま @shima__shima

Crowdsourcing the Facebook Entity Graph：Facebook Entity Graph：場所，映画，アーティストなどの知識ベース．編集を受け付けているので荒し対策などが必要に．

しましま @shima__shima

Elicitation for Aggregation：予測をクラウドで決めるとき，各個人の予測の重みを，ベイズ的な事後確率分布から決める方法．ガウスの場合の結果を一般化した(?)

Justin Basilico @JustinBasilico

Slides from my talk on building machine learning software at #Netflix from the #NIPS2014 SW4ML workshop slideshare.net/justinbasilico…

Neil Lawrence @lawrennd

Markov Chain Montreal Canadiens at #nips2014 Variational Workshop. One of best workshops I've attended! pic.twitter.com/0d1aoe17Mh

拡大

Olivier Grisel @ogrisel

Nice, personal overview of a slice of #NIPS2014 by @PaulMineiro: machinedlearnings.com/2014/12/nips-2… via @mdreid #machinelearning

Neil Lawrence @lawrennd

#NIPS2014 experiment: Here's a reminder of background and summary of some of the current and earlier speculation: inverseprobability.com/2014/12/16/the…

Carlo A. Furia @bugcounting@mastodon.acm.org @bugcounting

Looking forward to conferences in SE, PL, and FM replicating the #NIPS2014 experiment mrtz.org/blog/the-nips-… -- Know to deliberate

Anne Churchland @anne_churchland

Cool analysis: 1/2 of accepted abstracts at #NIPS2014 would be rejected if review process were rerun #peerreview pic.twitter.com/PlrIkG8qCr

拡大

Peter Goldey @PeterGoldey

Deep Learning : just the tip of the iceberg ow.ly/FYIy3 #NIPS2014 @Enlitic

Deep Learning Hub @DeepLearningHub

Nice overview blog post on #NIPS2014 by @PaulMineiro buff.ly/138gWcS

しましま @shima__shima

information related to #nips2014 exp. mrtz.org/blog/the-nips-…, dx.doi.org/10.1145/174354… slideshare.net/zukun/icde2010… wisdom.weizmann.ac.il/~oded/on-stocf…

AIatMSFT @AIatMSFT

.@Johnplattml shares his thoughts on #MachineLearning Trends from #NIPS2014 blogs.technet.com/b/machinelearn…