しましまのKDD2015まとめ

しましま @shima__shima

固有表現抽出のチュートリアル research.microsoft.com/en-us/people/c… 固有表現は，特定の何かについて言明している節とかを抽出して，それが人物名とか場所名であるとかの型に分類すること

しましま @shima__shima

その他，ラベルの少ない weakly 教師ありや，別目的のタクソノミ・オントロジを使う遠距離教師ありなども紹介．基本は曖昧なところを仮にラベル付けして，仮定や弱い情報でチェックして再ラベル付けするNLPでのブートストラッピング

Masashi Toyoda 豊田正史 @toyodam

@toyodam 鈴村さん司会でパネル中。Leskovecは、スケールさせることは良いが、それによるインパクト（新たな発見や知見）があることが重要だとフォロー。

Flora Salim @flosalim

KDD 2015 slide of the day 1 (1): Yu Zheng's cross domain data fusion #ML #KDD2015 #bigdata #similarity #urban pic.twitter.com/JVu6GSZ3vw

拡大

Flora Salim @flosalim

KDD 2015 slide of the day 1 (2): Eric Xing's overcrowded tutorial- distributed machine learning #KDD2015 #ML #BigData pic.twitter.com/4KznNxVddR

拡大

Flora Salim @flosalim

KDD 2015 Slides of the day 1 (3): Eric Xing - data or model parallel? #BigData #ML #KDD2015 pic.twitter.com/2MIXOL2aau

拡大

Flora Salim @flosalim

KDD 2015 slides of the day 1 (4): Eric Xing's parallel coord descent for faster convergence #KDD2015 #ML #BigData pic.twitter.com/KubC3by55G

拡大

Flora Salim @flosalim

KDD 2015 Day 1 (6): Profiling passengers from Smart card data #datamining #KDD2015 #BigData #ML #urbancomputing pic.twitter.com/FZ24OMpx6F

拡大

拡大

Naz @pennyroyallus

Was a great talk by Eric Xing from CMU on distributed machine learning algorithms #KDD2015 pic.twitter.com/3QbW2tp6Wr

拡大

Aris Gionis @gionis

@kdd_news: slides from the #KDD2015 tutorial on "dense subgraph discovery", ow.ly/QGPti, with @Tsourolampis

Masashi Toyoda 豊田正史 @toyodam

IDEAというWSでもLeskovecさん招待講演。USでは逮捕された容疑者を裁判まで留置しようにも場所がないので1度リリースしなくてはならない。裁判に現れない人や新たに犯罪を犯す人はロックしたい。誰を選べばよいか機械学習したいがリリースしたことない人は訓練データにできない。

Masashi Toyoda 豊田正史 @toyodam

@toyodam さあどうすればよいか、と言うところまで聴いたがその後は記憶が途絶えている… #KDD2015

Dirk Van den Poel @dirkvandenpoel

P. Reutemann (@waikato) presents cool #opensource project @TheAdamsFlow #MOA for #Streaming #datamining at #KDD2015 pic.twitter.com/DfIxMvEhYm

拡大

Masashi Toyoda 豊田正史 @toyodam

@toyodam しかしまあ色々やっておられる。逮捕からのリリースからの犯罪歴とかかなり機微な情報だと思うけど、よく触らせてもらえるものだ

しましま @shima__shima

機械学習の並列計算のチュートリアル petuum.org/kdd2015_tutori… （資料は後で掲載らしい）Petuum というプラットフォームを開発している人達だけど，GraphLab や Spark など他のプラットフォームについても俯瞰できた．

しましま @shima__shima

データを分割するデータ並列とパラメータ空間を分割して計算する並列計算についての基本に始まって，GraphLab などのデータ間の依存関係を考えてうまく分割する方法とか，パラメータの収束性にばらつきがあるので更新の優先順位を変えるとかいろいろ考えられてることが分かった．

しましま @shima__shima

複数のスレッドで返事の遅いパラメータを無視するのをstaleというらしいが，無視するスレッドの割合に依存したレグレットの上界とかの理論も出てきてるとか．

しましま @shima__shima

ML系の人はシステムの同期コストとかを無視しがちで，システム系の人はモデリングの変更に伴う書き換えコストを無視するという比較は '`,､('∀`) '`,､ だった．

Enrique Garcia @engarpe

At #kdd2015 pic.twitter.com/DyVMr3Kxu1

拡大

しましま @shima__shima

いつもと違って，ボランティアの着ているTシャツが長袖だ

Michael Zeller @michaelzeller

Big program at #bigdata #kdd2015 conference - opening session kdd.org/kdd2015/progra… pic.twitter.com/1Cwd9Uhx2r

拡大

しましま @shima__shima

オープニング：現在の参加者：1182 (←2014:2134+←2013:1176)，39ヶ国（米：382，豪：292，中：115）（アカデミア：533，学生：249，インダストリ：502，政府：120），スポンサー：27（金額 USD 350K は過去最大）

しましま @shima__shima

日本の方は20人ぐらいはお会いした．30人ぐらいは確実に参加してそう．去年の50人ぐらいからは減ってるかも．

しましま @shima__shima

バンケットとかレセプションで翌日に影響がでないようにというのを optimize enjoyment と言っていてウケをとってる

SIGKDD 2023 @kdd_news

Research track chairs discussing review process at #kdd2015 pic.twitter.com/s1TQsKsK6C

拡大