Lock in $30 Savings on PRO—Offer Ends Soon! ⏳

初めての研究発表を成功させよう! スライド作成の基本

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

Other Decks in Research

Transcript

  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
  2. 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
  3. 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
  4. 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
  5. 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.
  6. 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.
  7. 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)
  8. 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)
  9. 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)
  10. 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)
  11. 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
  12. 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
  13. 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
  14. 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
  15. 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