Lock in $30 Savings on PRO—Offer Ends Soon! ⏳
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
初めての研究発表を成功させよう! スライド作成の基本
Search
Ayako Sato
June 13, 2024
Research
11
4.9k
初めての研究発表を成功させよう! スライド作成の基本
Ayako Sato
June 13, 2024
Tweet
Share
Other Decks in Research
See All in Research
論文紹介: COSMO: A Large-Scale E-commerce Common Sense Knowledge Generation and Serving System at Amazon (SIGMOD 2024)
ynakano
1
120
テキストマイニングことはじめー基本的な考え方からメディアディスコース研究への応用まで
langstat
1
140
第79回 産総研人工知能セミナー 発表資料
agiats
2
170
SNLP2024:Planning Like Human: A Dual-process Framework for Dialogue Planning
yukizenimoto
1
350
メールからの名刺情報抽出におけるLLM活用 / Use of LLM in extracting business card information from e-mails
sansan_randd
2
150
The Fellowship of Trust in AI
tomzimmermann
0
150
文化が形作る音楽推薦の消費と、その逆
kuri8ive
0
180
「並列化時代の乱数生成」
abap34
3
860
Weekly AI Agents News!
masatoto
26
28k
機械学習による言語パフォーマンスの評価
langstat
6
760
RSJ2024「基盤モデルの実ロボット応用」チュートリアルA(河原塚)
haraduka
3
670
クロスセクター効果研究会 熊本都市交通リノベーション~「車1割削減、渋滞半減、公共交通2倍」の実現へ~
trafficbrain
0
270
Featured
See All Featured
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
42
9.3k
Navigating Team Friction
lara
183
15k
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
232
17k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
356
29k
VelocityConf: Rendering Performance Case Studies
addyosmani
326
24k
Why You Should Never Use an ORM
jnunemaker
PRO
54
9.1k
The Art of Programming - Codeland 2020
erikaheidi
53
13k
How to train your dragon (web standard)
notwaldorf
88
5.7k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
126
18k
Fantastic passwords and where to find them - at NoRuKo
philnash
50
2.9k
YesSQL, Process and Tooling at Scale
rocio
169
14k
The MySQL Ecosystem @ GitHub 2015
samlambert
250
12k
Transcript
初めての研究発表を成功させよう! スライド作成の基本 M2 佐藤郁子 2024/06/12 1
はじめに • 研究室配属されたての新入生向け ◦ 玄人の方々には当たり前のレベルかも ◦ 慣れたら自分流にアレンジしてみよう • 注意事項 ◦
凝ったデザイン・プレゼンの仕方は今回触れない ◦ 分野や研究室で独自のルールがある場合はそれに従った方が良い 2
前提 • 自分自身の研究についての発表 ◦ 論文紹介スライドの場合でもデザイン面など参考になるかも • 国内学会や大学内向けに日本語で発表 ◦ 英語の場合は適切なフォントや色が異なるので注意 •
聴衆は自分の研究内容を初めて聞く不特定多数 3
良い研究発表スライドとは? • 聴衆の理解の助けとなるもの 4 発表時間内で 理解できる情報量 伝えたいことが 明確
STEP 1 構成を決める 5 参考:国際会議論文の読み方・書き方 - Graham Neubig(http://www.phontron.com/slides/neubig15nlptutorial.pdf)
研究内容を要約してみよう(1/4) 1. 研究の目的・解決したい課題 ◯◯というタスクで従来手法は◯◯の問題が残る。 2. 提案手法の概要 本発表では◯◯を提案する。 3. 提案手法の詳細・利点 ◯◯に基づいた処理によって◯◯の問題を緩和する。
4. 提案手法の効果 実験的評価により◯◯という結果を示す。 6
研究内容を要約してみよう(2/4) 1. 研究の目的・解決したい課題 ◯◯というタスクで従来手法は◯◯の問題が残る。 2. 提案手法の概要 本発表では◯◯を提案する。 3. 提案手法の詳細・利点 ◯◯に基づいた処理によって◯◯の問題を緩和する。
4. 提案手法の効果 実験的評価により◯◯という結果を示す。 7
研究内容を要約してみよう(3/4) 1. 研究の目的・解決したい課題 ◯◯というタスクで従来手法は◯◯の問題が残る。 2. 提案手法の概要 本発表では◯◯を提案する。 3. 提案手法の詳細・利点 ◯◯に基づいた処理によって◯◯の問題を緩和する。
4. 提案手法の効果 実験的評価により◯◯という結果を示す。 8
研究内容を要約してみよう(4/4) 1. 研究の目的・解決したい課題 ◯◯というタスクで従来手法は◯◯の問題が残る。 2. 提案手法の概要 本発表では◯◯を提案する。 3. 提案手法の詳細・利点 ◯◯に基づいた処理によって◯◯の問題を緩和する。
4. 提案手法の効果 実験により◯◯という結果を示す。 9
チェックリスト①:要約を見直してみよう ◻ 研究の立ち位置が伝わるか • 従来手法との違いや新規性は明示されてる? ◻ 研究の目的と得られた結果が適合するか • 本当に最初の問題を解決できてる? ◻
伝える内容が絞り込まれているか • たくさんの実験のうち1番伝えたいのはどれ? 10
要約から構成を決めよう • 論文と同じ構成でなくても OK • 1 番伝えたいことが印象に残るストーリー展開 11 構成例: 概要
従来手法 提案手法 実験の目的 実験条件 結果・考察 研究の目的 背景 まとめ
STEP 2 内容を埋める 12
1 スライド 1 メッセージ • タイトルは必ず 1 枚ごとに変える ◦ タイトルを見れば主張がひと目でわかるのが理想
• 情報を詰め込みすぎない ◦ 8 行以内を目安に ◦ 箇条書きは 2 段まで ◦ それ以上になる場合は別スライドに分けよう 13
トップダウンに書こう • 抽象 → 具体 • 結論 → 理由 14
図は https://www.slideshare.net/slideshow/ss-89422938/89422938 より引用
数式はなるべく言葉や図で説明しよう 15 横井さんのスライド https://speakerdeck.com/eumesy/optimal-transport-for-natural-language-processing より引用
チェックリスト②:本文を見直してみよう ◻ 用語や略称の定義は漏れてない? ◻ 単語表記の揺らぎはない? ◻ 引用元を記載している? ◻ カンマやピリオドは統一されている? ◻
箇条書きの粒度が揃っている? ◻ 数字や英単語の前後に半角スペース入ってる? 16
STEP 3 図表を入れる 17
ひと目見てわかる図表に • 縦軸・横軸のラベル,凡例を忘れずに • 識別しやすい色の組み合わせ 18 Multi-Dimensional Evaluation of Text
Summarization with In-Context Learning (Jain et al., Findings 2023)
実験条件と結果をなるべく 1 枚に • 条件を説明しなくてもわかる手法名で書く 19 Auto-Instruct: Automatic Instruction Generation
and Ranking for Black-Box Language Models (Zhang et al., Findings 2023)
図表と一緒に結果の解釈も載せる 20 Cold-Start Data Selection for Better Few-shot Language
Model Fine-tuning: A Prompt-based Uncertainty Propagation Approach (Yu et al., ACL 2023) 選択サンプルが 集中している 提案手法適用で 多様性が改善
チェックリスト③:図表を見直してみよう ◻ 評価の目的が書かれているか? ◻ グラフの種類は目的に適しているか? ◻ 図表の見方がひと目でわかるか? ◻ 数値の単位はあるか? ◻
グラフの最大値と最小値は適切? 21
STEP 4 デザインを工夫する 22
デザインの 4 原則 23 近接 整列 反復 対比
近接:関連項目をグループ化(1/2) • このままでは対応関係がわかりづらい🙅 24 Aleatoric Uncertainty • データの不確実性 • ノイズや境界値が原因
Epistemic Uncertainty • モデルの不確実性 • 学習不足が原因 Gawlikowski, J., Tassi, C.R.N., Ali, M. et al. A survey of uncertainty in deep neural networks.
近接:関連項目をグループ化(2/2) • 関連するもの同士を近くに配置すると見やすい 25 Aleatoric Uncertainty • データの不確実性 •
ノイズや境界値が原因 Epistemic Uncertainty • モデルの不確実性 • 学習不足が原因 Gawlikowski, J., Tassi, C.R.N., Ali, M. et al. A survey of uncertainty in deep neural networks.
整列:見えない線で揃える(1/2) • バラバラで順番がわかりづらい & 見づらい🙅 26 要素1 要素2 要素3 要素4
整列:見えない線で揃える(2/2) • グリッド表示機能や整列機能を使って整える 27 要素1 要素2 要素3 要素4 要素1 要素2
要素3 要素4
反復:デザインを繰り返す(1/4) 28 手法まとめ 画像劣化 • 視覚ベクトルのユニットをベルヌーイ分布に従い ランダムに選択し、 0でマスク 最終的な損失関数
• αとβは [0, 1] のハイパーパラメータ • |s| はシーケンスの平均長 Increasing Visual Awareness in Multimodal Neural Machine Translation from an Information Theoretic Perspective (Ji et al., EMNLP 2022)
反復:デザインを繰り返す(2/4) 29 手法まとめ 画像劣化 • 視覚ベクトルのユニットをベルヌーイ分布に従い ランダムに選択し、 0でマスク 最終的な損失関数
• αとβは [0, 1] のハイパーパラメータ • |s| はシーケンスの平均長 xをzと近づけて、xの負例集合と 遠ざけるように学習 Increasing Visual Awareness in Multimodal Neural Machine Translation from an Information Theoretic Perspective (Ji et al., EMNLP 2022)
反復:デザインを繰り返す(3/4) 30 手法まとめ 画像劣化 • 視覚ベクトルのユニットをベルヌーイ分布に従い ランダムに選択し、 0でマスク 最終的な損失関数
• αとβは [0, 1] のハイパーパラメータ • |s| はシーケンスの平均長 元画像と劣化画像を入力した時の 確率の差を最大化するように学習 Increasing Visual Awareness in Multimodal Neural Machine Translation from an Information Theoretic Perspective (Ji et al., EMNLP 2022)
反復:デザインを繰り返す(4/4) 31 手法まとめ 画像劣化 • 視覚ベクトルのユニットをベルヌーイ分布に従い ランダムに選択し、 0でマスク 最終的な損失関数
• αとβは [0, 1] のハイパーパラメータ • |s| はシーケンスの平均長 差分を認識しやすくなる! 元画像と劣化画像を入力した時の 確率の差を最大化するように学習 Increasing Visual Awareness in Multimodal Neural Machine Translation from an Information Theoretic Perspective (Ji et al., EMNLP 2022)
対比:強調する(1/2) • どこが重要なポイントかわからない🙅 32 • 話者認識の分類 ◦ 話者識別 : 候補者の中から話者を探索する1対nの推定問題
◦ 話者照合 : 2 つの音声が同一話者かを推定する1対1の照合問題
対比:強調する(2/2) • 色・フォントサイズ・太字で重要箇所を強調 33 • 話者認識の分類 ◦ 話者識別 : 候補者の中から話者を探索する1対nの推定問題
◦ 話者照合 : 2 つの音声が同一話者かを推定する1対1の照合問題 • 話者認識の分類 ◦ 話者識別 : 候補者の中から話者を探索する1対nの推定問題 ◦ 話者照合 : 2 つの音声が同一話者かを推定する1対1の照合問題
色の選び方 • 3色以内を目安に • 色に意味を持たせる ◦ OK / NG ◦
提案手法 / 従来手法 • 配色のバリアフリーを意識 ◦ 寒色同士や暖色同士を避ける ◦ 明度に差をつける 34
フォントの選び方 • 本文は 24 pt,図表は 18 pt 以上推奨 ◦ 会場・発表形式(対面/オンライン)に適した大きさにしよう
• ゴシック体推奨 ◦ 明朝体は見づらい ◦ Windows:メイリオ/游ゴシック ◦ Mac:ヒラギノ角ゴシック ◦ このスライドは Zen Kaku Gothic New 35
テキストの強調 • 太字(Bold) ◦ タイトルや限定的に強調したい箇所がある場合に使う • 斜体(Italic) ◦ 欧文で強調したい箇所がある場合に使う •
下線(Underline) ◦ 本文や比較的長い文章を強調したい場合に使う 36
チェックリスト④:デザインを見直してみよう ◻ ページ番号ついてる? ◻ 日付は記載されている? ◻ フォントは統一されている? ◻ 本文は 24
pt,図表は 18 pt 以上? ◻ 行間は詰まっていない? ◻ スクリーンにうつした時に色が消えない? 37
具体例を見ていこう 38 ↑同期の過去スライド (本人と一緒に良い点 & 改善点を見直してみた) 元スライド: https://speakerdeck.com/rudorudo11/yi-wei-bian-hua-fen-xi-nixiang-ketadan-yu-mai-meip-minoshi-xi-lie-patanfen-xi
概要のスライド(1/4) 39
概要のスライド(2/4) 40 目的と貢献が明確🥰
概要のスライド(3/4) 41 全て太字なので どれが重要かわからない😭
概要のスライド(4/4) 42 ここにインパクトのある 結果を載せても良い
背景のスライド(1/3) 43
背景のスライド(2/3) 44 具体例の図があって 分かりやすい🥰
背景のスライド(3/3) 45 文字量もう少し 減らせそう
提案手法のスライド(1/3) 46
提案手法のスライド(2/3) 47 手順説明は文章より 図の方がわかりやすい🥰 研究の立ち位置が明確🥰
提案手法のスライド(3/3) 48 色数が多くて ごちゃついた印象😭
実験条件・結果のスライド(1/4) 49
実験条件・結果のスライド(2/4) 50 実験の目的が明確に 示されている🥰
実験条件・結果のスライド(3/4) 51 図の説明の文字数が多い😭
実験条件・結果のスライド(4/4) 52 薄い青はスクリーンに 映らない場合もあるから注意
まとめのスライド(1/3) 53
まとめのスライド(2/3) 54 概要の再掲 + 評価結果が 簡潔にまとまっている🥰
まとめのスライド(3/3) 55 質問しやすいように このページを最後に (ご清聴スライドは不要)
良い研究発表スライドとは?(再掲) • 聴衆の理解の助けとなるもの 56 発表時間内で 理解できる情報量 伝えたいことが 明確
おわりに • 好みのスライドを見つけて真似しよう ◦ 推し研究者や先輩の発表資料を参考に • 他の人に添削してもらおう ◦ 自分で気づかない点を指摘してもらえるのでとても嬉しい •
プレゼンの仕方やデザインの工夫まだまだある ◦ 参考資料も是非見てみてください 57
参考資料 • 研究発表のためのプレゼンテーション技術 • 要点を聞いてもらえるプレゼンを作ろう • 見やすいプレゼン資料の作り方 • メッセージとストーリーのない発表はカスだ アカデ
ミック・プレゼンテーションのコツ • 伝わるデザイン|研究発表のユニバーサルデザイン • 国際会議論文の読み方・書き方 58
謝辞 • 本資料の作成にあたり,木山朔さん(@rudo_halo)と 中島京太郎さん(@kyotaro_tea)に助言 & 実例の提供 を頂きました。 59