Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
東海高校OBが語るマスコミでのデータサイエンティストの仕事 / data scientist ...
Search
Shotaro Ishihara
February 24, 2021
Education
1.9k
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
東海高校OBが語るマスコミでのデータサイエンティストの仕事 / data scientist in news media at satprogram38
中止となった「第38回サタデープログラム」で発表予定だった資料を、一般公開用に編集しました。
https://www.satprogram.net/list.html
Shotaro Ishihara
February 24, 2021
More Decks by Shotaro Ishihara
See All by Shotaro Ishihara
大規模言語モデルは誰を覚えているか / Who Do Large Language Models Memorize?
upura
0
61
[ACL 2026 Demo] Fast-MIA: Efficient and Scalable Membership Inference for LLMs
upura
0
50
Fast-MIA: Efficient and Scalable Membership Inference for LLMs
upura
0
34
JAPAN AI CUP Prediction Tutorial
upura
2
1.2k
情報技術の社会実装に向けた応用と課題:ニュースメディアの事例から / appmech-jsce 2025
upura
0
390
日本語新聞記事を用いた大規模言語モデルの暗記定量化 / LLMC2025
upura
0
700
Quantifying Memorization in Continual Pre-training with Japanese General or Industry-Specific Corpora
upura
1
120
JOAI2025講評 / joai2025-review
upura
0
1.6k
AI エージェントを活用した研究再現性の自動定量評価 / scisci2025
upura
1
250
Other Decks in Education
See All in Education
偶然のチャンスを掴みに行けるのは君だ!
kotomin_m
2
120
「機械学習と因果推論」入門 ⑤ 因果効果推定の一般化
masakat0
0
110
2026年度春学期 統計学 第2回 統計資料の収集と読み方 (2026. 4. 16)
akiraasano
PRO
0
170
共感から、つくる: 変わり続ける自分と、誰かのための創造
micknerd
1
380
JAWS-UG初心者支部#81 GWにEduJAWSと何か作ろうもくもく会!
otsuki
0
130
Stardy 会社紹介資料
stardy
0
330
Liberalism's Last Man and Asia
vyadav
0
150
生成AI時代のエンジニア育成について考えてみた
akasan
0
140
면접관 눈에 띄는 데이터 분석 포트폴리오 만드는 법 | 2026년 5월 세미나
datarian
0
640
「機械学習と因果推論」入門 ③ 漸近効率な推定量と二重機械学習
masakat0
0
670
[2026前期火5] 論理学(京都大学文学部 前期 第6回)「かつとまたはの規則」
yatabe
0
270
LinkedIn
matleenalaakso
0
4.3k
Featured
See All Featured
Darren the Foodie - Storyboard
khoart
PRO
3
3.4k
CoffeeScript is Beautiful & I Never Want to Write Plain JavaScript Again
sstephenson
162
16k
The SEO Collaboration Effect
kristinabergwall1
1
480
Agile Leadership in an Agile Organization
kimpetersen
PRO
0
160
Done Done
chrislema
186
16k
A Tale of Four Properties
chriscoyier
163
24k
How to build a perfect <img>
jonoalderson
1
5.6k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
34
2.8k
Chrome DevTools: State of the Union 2024 - Debugging React & Beyond
addyosmani
10
1.2k
10 Git Anti Patterns You Should be Aware of
lemiorhan
PRO
659
62k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
31
10k
SEO for Brand Visibility & Recognition
aleyda
0
4.6k
Transcript
౦ւߴߍ0#͕ޠΔ ϚείϛͰͷ σʔλαΠΤϯςΟετͷࣄ ੴݪↅଠ ౦ւߴߍճଔʢʣ ୈճαλσʔϓϩάϥϜʢதࢭʣ ˞ൃද༧ఆͩͬͨࢿྉΛɺҰൠެ։༻ʹฤू ݄
ٕज़ֵ৽ͰมΘΔϚείϛ σʔλαΠΤϯςΟετ l"*z͕ͨΒ͢՝ͱઓ z"*z࣌Λੜ͖͍ͯ͘
χϡʔεϝσΟΞ º σʔλαΠΤϯε
໊ݹͰੜ·ΕΔ த৽ฉ ಡച৽ฉ ΛಡΜͰҭͭ ౦ւߴߍʹೖֶ ౦େ ཧᶗ ʹೖֶˍ ެӹࡒஂ๏ਓ౦ژେֶ৽ฉࣾʹೖࣾ
౦ژେֶ৽ฉࣾʹͯ • هऀɺ൛ɺฤू • σδλϧ൛ͷ্ཱͪ͛ • Πϕϯτओ࠵ • ࠂӦۀ
౦େͰֶ෦ʹਐֶ͠ɺσʔλੳ ΛςʔϚʹݚڀ ଔɿίϛϡχςΟͷಛΛߟྀͨ͠ ݟकΓαʔϏεઃܭख๏ͷ։ൃ ˞ֶ෦ͷଔ༏लΛड
⚔χϡʔεϝσΟΞºσʔλαΠΤϯε • ࠃࡍχϡʔεϝσΟΞڠձʹΑΔ ʮੈքͷࡀҎԼਓʯʹબग़ • ੳͷੈքେձͰ༏উ • ʰ,BHHMFελʔτϒοΫʱग़൛
ٕज़ֵ৽ͰมΘΔ χϡʔεϝσΟΞ
ຊͷ৽ฉͷൃߦ෦ͷਪҠ IUUQTXXXQSFTTOFUPSKQEBUBDJSDVMBUJPODJSDVMBUJPOQIQ ੈଳ୯Ґ
എܠʹٕज़ֵ৽ • ΠϯλʔωοτɾεϚϗͷීٴ • 4/4ొʢ୭͕ൃ৴Ͱ͖Δ࣌ʣ • ʮϚείϛʯͷ่յ • ൃ৴ ༰ݕূ
ݸਓ࠷దԽ
ຖ͍ͬͯΔɾαʔϏεʁ✋ • εϚϗɾλϒϨοτɾύιίϯ ͳͲ • 4/4ɾಈը৴ ͳͲ • χϡʔεαΠτ •
ʢࢴͷʣ৽ฉ
ओઓΠϯλʔωοτ • Մॲ࣌ؒͷୣ͍߹͍ • ڝ߹4/4ɾಈը৴ ͳͲ • ৽ฉΠϯλʔωοτਐग़ • ΩʔϫʔυʮσδλϧԽɾࠃࡍԽʯ
৽ฉࣾͷࡏΓํ͕มΘͬͨ • ࢴͷ৽ฉΛ࡞Δਓ • 🆕 ిࢠ൛Λ࡞Δਓ • 🆕 ϢʔβͷԠΛݟΔਓ •
🆕 ϢʔβͷԠΛݟͯվળ͢Δਓ
σʔλαΠΤϯςΟετ ͱԿऀ͔
ࢴͷ৽ฉ͚ͩͩͬͨ࣌
Πϯλʔωοτ͕ීٴͨ࣌͠ 🆕 ిࢠ൛Λ࡞Δਓ 🆕 ϢʔβͷԠΛ ݟΔਓ 🆕 ϢʔβͷԠΛ ݟͯվળ͢Δਓ
ଟ͘ͷۀքͰى͖͍ͯΔྲྀΕ • ϢϏΩλε *OUFSOFUPG5IJOHT %JHJUBM5SBOTGPSNBUJPO • ͋ΒΏΔͷΛܭଌ͠׆༻͢Δ • ڭҭɾεϙʔπɾྲྀ௨ɾ ͳͲ
ʮσʔλʯ͕ՁΛ࢈Ή σʔλʢӳEBUBʣͱɺࣄ࣮ࢿྉΛ ͢͞ݴ༿ɻ ݴޠతʹෳܗͰ͋ΔͨΊɺ ݫີʹෳͷࣄͷू·Γͷ͜ͱ Λࢦ͠ɺ୯ܗ EBUVNʢσʔλϜʣͰ ͋Δɻ ຊޠXJLJQFEJBΑΓ
σʔλαΠΤϯςΟετͱ ʮσʔλ͔ΒՁΛग़͠ɺ Ϗδωε՝ʹ͑Λग़͢ ϓϩϑΣογϣφϧʯ σʔλαΠΤϯςΟετڠձ IUUQXXXEBUBTDJFOUJTUPSKQGJMFTOFXTQEG
खஈ • ͷઐࣝ • ֶɾ౷ܭͷࣝʢ࣌ʹʮ"*ʯʣ • ϓϩάϥϛϯάͷٕज़ ϓϩάϥϚɾ*5ΤϯδχΞͷҰछ
IUUQTICSPSHEBUBTDJFOUJTUUIFTFYJFTUKPCPGUIFTUDFOUVSZ ੈلɺ࠷ηΫγʔͳࣄ
IUUQTCMPHPTDPN BSUJDMF
۩ମతʹ͍ͬͯΔ͜ͱͷൈਮ • Ϣʔβͷߦಈੳ • هࣄاۀͷਪન • ۀͷࣗಈԽɾޮԽ
• σʔλऩूج൫ͷߏங • ར༻ಈͷੳ • ࢪࡦͷʮ"#ςετʯ • ݟग़͠ͷग़͚͠ʢڧԽֶशʣ
ࢪࡦͷʮ"#ςετʯ " ΫϦοΫ ΫϦοΫ
۩ମతʹ͍ͬͯΔ͜ͱͷൈਮ • Ϣʔβͷߦಈੳ • هࣄاۀͷਪન • ۀͷࣗಈԽɾޮԽ
هࣄاۀͷਪન աڈʹಡΜͩهࣄ ৽͍͠هࣄʢຊʣ Λֶश ਪન
จষΛʮϕΫτϧʯʹม աڈʹಡΜͩهࣄ Λֶश (𝒙, 𝒚) = (𝟕, 𝟐)
ϢʔβͷʮΈʯϕΫτϧΛࢉग़ աڈʹಡΜͩهࣄ Λֶश (𝒙, 𝒚) = (𝟕, 𝟐) ✗
ʮΈʯʹ͍ۙهࣄΛਪન աڈʹಡΜͩهࣄ Λֶश (𝒙, 𝒚) = (𝟕, 𝟐) ✗ (𝒙,
𝒚) = (𝟕, −𝟐) (𝒙, 𝒚) = (𝟑, 𝟔) ڑΛܭࢉ
จষΛʮϕΫτϧʯʹม ౦ւߴߍ0#͕ޠΔʂϚείϛʹ͓͚ΔσʔλαΠΤϯςΟ ετͷࣄ 𝑨 = (𝟏, 𝟏, 𝟏) ςϨϏہ͕౦ւߴߍʹऔࡐʹདྷͨΒ͍͠ 𝑨
= (𝟏, 𝟎, 𝟎) σʔλαΠΤϯςΟετʹͳΔͨΊʹ 𝑨 = (𝟎, 𝟎, 𝟏) ໊ݹʹདྷͨΒखӋઌͱϥʔϝϯͩ 𝑨 = (𝟎, 𝟎, 𝟎)
ϧʔϧ࡞Γқ͕ߴ͍ • Ͳͷ୯ޠΛ࠾༻͢Δʁ • Կݸͷ୯ޠΛج४ʹ͢Δʁ • ʮϚείϛʯʮςϨϏہʯҧ͏ʁ • ͲΕ͚͚ͩۙΕਪન͢Δʁ
ػցֶशʢڭࢣ͋Γֶशʣ
ʮܾఆڥքʯΛֶश աڈʹಡΜͩهࣄ Λֶश
ڭࢣ͋Γֶशͷ۩ମྫ • ը૾ೝࣝʢ(PPHMFը૾ݕࡧʣ • Իೝࣝʢ4JSJʣ • ໎ϝʔϧͷࣗಈྨʢ(NBJMʣ
σʔλੳͷੈքେձʢࢲͷ࣮ʣ • ϖοτͷҾ͖औΓ༧ଌʢ,BHHMF Ґʣ • ѱ࣭ͳίϝϯτͷྨʢ,BHHMF Ґʣ • $07*%ͷ3/"ͷ׆ੑ༧ଌʢ,BHHMF Ґʣ
• පͷ༧ଌʢ4*(/"5& Ґʣ • ٿͷདྷ༧ଌʢύɾϦʔά Ґʣ
۩ମతʹ͍ͬͯΔ͜ͱͷൈਮ • Ϣʔβͷߦಈੳ • هࣄاۀͷਪન • ۀͷࣗಈԽɾޮԽ
• هࣄͷࣗಈཁɾࣗಈੜ • จষͷߍӾɾߍਖ਼ • όΠΞεͷݕ
l"*z͕ͨΒ͢ ՝ͱઓ
• ѱҙΛ͍࣋ͬͨํ • ݸਓ࠷దԽͷฐ • "*ͷެฏੑɾղऍੑ
ѱҙΛ࣋ͬͨίϯςϯπͷੜ • ϑΣΠΫχϡʔεͷ֦ࢄ • ੜٕज़ͷߴԽʼݕূ IUUQTZPVUVCFD2(%NF- IUUQTZPVUVCFG+3O&@)N"
("/ɿఢରతੜωοτϫʔΫͱԿ͔ ʙʮڭࢣͳֶ͠शʯʹΑΔը૾ੜ
ِ͔Λఆ͢Δίϯςετ͕։࠵ ༏উۚສԁ IUUQTXXXLBHHMFDPNDEFFQGBLFEFUFDUJPODIBMMFOHF
ϑΟϧλʔόϒϧ ࣗͷΈͷ༰͚͕ͩ৴͞Εͯࢹ͕ڱ͘ͳΔ ΤίʔνΣϯόʔ ࣗͱಉ͡ҙݟ͔Γʹ͢Δ͜ͱͰɺࣗͷҙݟ ͕ઈରతͩͱޡղͯ͠͠·͏
ηϨϯσΟϐςΟ ૉఢͳۮવɻࢴͷ৽ฉʹ٭ޫʁ 6*69Ͱͷ 4NBSU/FXTͷྫ IUUQTUFDIDSVODIDPNTNBSUOFXTMBUFTU OFXTEJTDPWFSZGFBUVSFTIPXTVTFSTBSUJDMFTGSPNBDSPTT UIFQPMJUJDBMTQFDUSVN
"*ͷஅͰਓੜΛࠨӈ͞ΕΔࣄྫ • "*ͳͥͦͷஅΛԼ͔ͨ͠ʁ • அྙཧతɾಓಙతʹଥ͔ • ઃܭࣗମʹͳ͍ͷ͔ʁ
ۙͰٞΛݺΜͩྫ • ࠾༻ʹؔ͢Δ"* • ۚ༥ʹؔ͢Δ"* • ਓछʹؔ͢Δ"*
l"*z࣌Λ ੜ͖͍ͯ͘
ຊͷ·ͱΊ • ٕज़ֵ৽ͰۀքʹมԽ͕ى͖ͨ • σʔλ͔ΒՁΛग़͢Δ࣌ • େͳͷ͍ํ
དྷऀͷϝοηʔδ ʮ"*ʯͷൃల͕͞·͟·ʹͳΔதɺਓؒʹ͔͠Ͱ͖ͳ͍ͷ ʮఆٛʯ͢Δ͜ͱͩͱݸਓతʹࢥ͍ͬͯ·͢ɻٕज़ͰԿͰՄೳʹ ͳͬͨͱ͖ɺԿΛͬͯΑ͍͔ܾΊΔͷ͕େͰ͢ɻʮཧܥɾจܥʯ ͱ͍͏ΈʹनΘΕͳ͍ɺΑΓྖҬԣஅతͳ͕ٞඞཁͰɺதߴੜ ͷօ͞Μʹͥͻ෯͘ઓͯ͠Έͯ΄͍͠Ͱ͢ɻࣗʮχϡʔε ϝσΟΞºσʔλαΠΤϯεʯͷֻ͚߹ΘͤͰࣄΛ͍ͯ͠·͢ɻ