日本ソフトウェア科学会 機械学習工学研究会 キックオフシンポジウム

お知らせ：国立情報学研究所YouTubeチャンネルから講演動画を公開しています

• 日本ソフトウェア科学会 機械学習工学研究会 キックオフシンポジウム2018

お知らせ：ニコ生での生中継を行います

株式会社ドワンゴ様のご厚意により、当シンポジウムをニコニコ生放送にてストリーミング配信します。
URL: http://live.nicovideo.jp/gate/lv312988923
開演：13:30〜（シンポジウム開始は14:00から）

【ご注意】

• 視聴にはニコニコ生放送のアカウントが必要です。
• リアルタイム視聴が難しい場合、事前予約することでタイムシフト視聴が可能です。（プレミアム会員は予約不要です。）
• 同時視聴可能な数には限りがあります。視聴者数が多い場合、プレミアム会員が優先されます。通常会員は観られない、あるいは途中から視聴できなくなる可能性があります。

概要

近年の機械学習、あるいは深層学習（ディープラーニング）の発展に伴って、機械学習を利用するシステムは急速に社会に浸透しつつあります。しかしその一方で、従来型のITシステムに用いられてきた様々なソフトウェア工学的手法は、機械学習を組み込んだシステム（機械学習システム）の前に全くと言っていいほど通用しなくなってしまっています。機械学習システムの開発・テスト・運用の方法論は未だに確立できておらず、開発現場ではエンジニア達が試行錯誤でなんとか凌いでいる状況です。

このような現状を踏まえ、機械学習システムに対しては「機械学習工学」ともいうべき、新たなパラダイムの確立・体系化が必要である、と我々は考えます。

以上の認識に立って、私たちは 日本ソフトウェア科学会 機械学習工学研究会を発足させます。

• 研究会 ホームページ

本キックオフシンポジウムでは，研究者と実務者それぞれの立場から、機械学習システムに対する問題提起や研究報告，工学的原則・プラクティスについて情報を交換しあい，議論します．ぜひご参加ください．

日時

• 時間：13:00 受付開始、13:40 開場、14:00 開始〜17:45 終了
• 場所：一橋大学 一橋講堂

お申込み方法

一般参加者の方

上記「一般参加者枠」（1階席・2階席）にお申し込みください。

スポンサー枠の方

各スポンサー企業・団体にご所属の方は、一定人数まで「スポンサー枠」にお申し込みできます。
その他の方はこちらの枠には申し込まないで下さい。また各スポンサー企業・団体にご所属でも、所定人数を越えるお申し込みはお断り致します。詳しくは各スポンサー企業・団体のご担当者様にお問い合わせ下さい。

ご注意

• シンポジウム後に開催される交流会への参加は別途登録が必要です（こちら）。
• 受付票に記載の本人のみが参加できます。
  当日は、入館時及び館内の受付時にスマートフォンにて受付票をご提示下さい。あるいは、受付票を印刷の上お持ち下さい。
• 当会場は飲食不可です。

スケジュール

13:00〜16:00 の間、会場併設の会議場にてスポンサー企業による展示を行います。

プログラムその他、講演に関する詳細はこちらの特設ページをご覧ください。

講演および登壇者プロフィール

オープニング：開催の辞

石川 冬樹

国立情報学研究所 アーキテクチャ科学系 准教授
電気通信大学 大学院情報学専攻 客員准教授
​機械学習工学研究会 主査

オープニング：機械学習工学への期待

青山 幹雄

南山大学 理工学部 ソフトウェア工学科 教授

基調講演１：ソフトウェア工学における問題提起と機械学習の新たなあり方

概要
機械学習を適用した分析アプローチの設計は従来のソフトウェア設計と異なりソフトウェア工学（要求分析、設計検証、品質保証、保守等）の必要性が語られることは稀でした。しかし昨今、アクセンチュアでも多くのIoT関連のユースケースが生まれつつあり、新たな課題認識が出てきています。データ分析プロジェクトは要求事項や設計仕様が、想定する成果と必ずしも連動するとは限らないため、大規模システムへのスケールアウトを意識したモデリングプロセスであっても、ウォーターフォール型では想定を満たせないことが起こります。そのため、イノベーション創発を期待した機械学習プロセスでは、イテレーションで段階的に検証するための導入として概念検証（Proof of Concept）アプローチが必須ですが、データの提供やドメイン知識の反映は、専門家や現場の理解と協力なしには進められません。本講演では、こういった課題認識に対して今後どのような方向性が考えられるのか、問題提起と機械学習の新たなあり方についてお話いたします。​

工藤 卓哉

アクセンチュアUSA,　Data Science Center of Excellence グローバル統括
ARISE analytics　Chief Science Officer (CSO)​​

基調講演２：機械学習研究の現状とこれから

概要
音声認識，画像理解，自然言語翻訳などの分野で，機械学習の性能が人間を超えるレベルに達しつつあり，機械学習の研究がますます活発化している．一方，現在の機械学習分野の研究スタイルでは，理論構築・アルゴリズム考案・ソフトウエア実装・データサイエンティスト育成と多大な時間とコストが掛かるため，国際的な巨大企業が機械学習の業界を独占しつつある．また，深層学習などの先端技術の活用のためには膨大な量の教師付きデータが必要となるため，医療や災害などビッグデータが取れない分野への機械学習応用は未だ道半ばである．本講演では，機械学習技術の研究開発コストとデータ収集のコストを軽減することを目指した我々の取り組みを紹介し，ソフトウェア工学の研究者・技術者との議論の出発点としたい．

杉山 将

理化学研究所 革新知能統合研究センター センター長
東京大学 大学院新領域創成科学研究科 複雑理工学専攻 教授

【略歴】
2001年東京工業大学博士課程修了。博士（工学）。同大助手、助教授、准教授を経て、2014年より東京大学教授。2016年より理化学研究所革新知能統合研究センター長を併任。機械学習とデータマイニングの理論研究とアルゴリズムの開発、および、その信号処理、画像処理、ロボット制御などへの応用研究に従事。

機械学習工学のための​ベストプラクティス１：仕事ではじめる機械学習

有賀 康顕

Cloudera株式会社 フィールドデータサイエンティスト

機械学習工学のための​ベストプラクティス２：機械学習で泣かないためのコード設計

​久保 隆宏

TIS株式会社 戦略技術センター AI技術推進室

機械学習工学のための​ベストプラクティス３：機械学習ソフトウェアの品質保証とは

概要
統計的な機械学習ソフトウェアの機能振舞いは訓練データセットで決まる。データセットは具体的なデータの集まりであり簡潔な要求仕様を伴わない。また、学習プログラムは未知の学習結果を求めるものでテスト・オラクルが存在しない。品質保証を論じる拠り所が通常のソフトウェア・システムと異なる。これまでにソフトウェア工学で得られた知見が、機械学習ソフトウェアの信頼性および安全性の向上に、どのように役立つかを考えたい。

​中島 震

情報・システム研究機構 国立情報学研究所 教授

​【略歴】
1979年東京大学理学部物理学科卒業、1981年同大学院修士課程修了。博士（学術）。NEC、法政大学を経て2004年より現職。2005年より総研大教授（併任）。この間JSTさきがけ研究員を兼務。日本ソフトウェア科学会第8回論文賞および第34回高橋奨励賞など受賞。ソフトウェア工学、自動検証・モデル検査、CPSとイノベーションの研究に従事。

パネルディスカッション：機械学習工学はどこへ向かうか

パネリスト
石川冬樹（NII）、青山幹雄（南山大）、工藤卓哉（アクセンチュア）、杉山将（理研／東大）、有賀康顕（Cloudera）、 久保隆宏（TIS）、中島震（NII）

司会・モデレータ：丸山 宏

株式会社Preferred Networks 最高戦略責任者（CSO）
​日本ソフトウェア科学会 理事長
​機械学習工学研究会 運営委員

【略歴】​
1983年東京工業大学修士課程終了。日本アイ・ビー・エム東京基礎研究所にて自然言語処理、分散処理ミドルウェア、セキュリティなどの研究に従事。2006-2009年同研究所所長。2011-2016年統計数理研究所教授。2016年から現職。博士(工学)。

協賛

日本ソフトウェア科学会 ソフトウェア工学の基礎研究会

情報処理学会 ソフトウェア工学研究会、情報処理学会 ビッグデータ研究グループ

電気通信情報学会 情報論的学習推論と機械学習研究会

日本ディープラーニング協会

人工知能学会

スポンサー

Gold Sponsors

Silver Sponsors

Bronze / Special Sponsor

日本電気株式会社

Media Sponsor

機械学習工学研究会について

機械学習工学研究会（MLSE）は、機械学習システムの開発・運用にまつわる生産性や品質の向上を追求する研究者とエンジニアが、互いの研究やプラクティスを共有し合う会です。 2018年度より、日本ソフトウェア科学会の公式研究会として正式に発足します。

公式HP：機械学習工学研究会

発足した理由と活動内容

近年の機械学習、あるいは深層学習（ディープラーニング）の発展に伴って、機械学習を利用するシステムは急速に社会に浸透しつつあります。しかしその一方で、従来型のITシステムに用いられてきた様々なソフトウェア工学的手法は、機械学習を組み込んだシステム（機械学習システム）の前に全くと言っていいほど通用しなくなってしまっています。機械学習システムの開発・テスト・運用の方法論は未だに確立できておらず、開発現場ではエンジニア達が試行錯誤でなんとか凌いでいる状況です。

このような現状を踏まえ、機械学習システムに対しては「機械学習工学」ともいうべき、新たなパラダイムの確立・体系化が必要である、と我々は考えます。

以上の認識に立って、本研究会では、機械学習システムの開発・運用に関わる様々な手法やツールを扱います。例えば、以下の様なものが挙げられます。

• 機械学習プロジェクトを運用するマネジメント手法や組織論
• 機械学習システムのための要求分析、目的設計、工数見積もり手法
• 効率的な教師データの収集・整備、前処理の方法
• 機械学習システム開発を効率的に行うためのフレームワークやプログラミング言語、開発環境
• 機械学習システムの設計に用いるアーキテクチャ
• 機械学習システムのテスト・検証、デバッグ、モニタリング手法
• 機械学習システムを支えるプラットフォームやインフラストラクチャ、ハードウェア

これらに関して、研究者とエンジニア、それぞれの立場から、機械学習システムに対する問題提起や研究報告，エンジニアリング・プラクティスについて情報を交換しあい、議論する場を提供します。

今後の活動内容

• 5/17：キックオフシンポジウム
• 6/8：人工知能学会全国大会 企画セッション
• 7/1-2：MLSEワークショップ
• 8/28-31：日本ソフトウェア科学会全国大会 研究会セッション
• 不定期：IT勉強会

詳細は公式HPの活動予定をご覧ください。

今後、本シンポジウム以外にもワークショップ等を企画していく予定です。

運営組織

主査：石川 冬樹（国立情報学研究所）

運営委員

• 丸山 宏（Preferred Networks）
• 吉岡 信和（国立情報学研究所）
• 今井 健男（LeapMind）
• 守田 憲司（Preferred Networks）
• 土肥 拓生（レベルファイブ）
• 太田 満久（ブレインパッド）
• 吉崎 亮介（キカガク）

発起人

• 丸山 宏（Preferred Networks）
• 吉岡 信和（国立情報学研究所）
• 石川 冬樹（国立情報学研究所）
• 今井 健男（LeapMind）
• 酒井 政裕（Preferred Networks）
• 末永 幸平（京都大学）
• 太田 満久（ブレインパッド）
• 守田 憲司（Preferred Networks）
• 吉田 則裕（名古屋大学）
• 西 康晴（電気通信大学）
• 小川 秀人（日立製作所）
• 土肥 拓生（レベルファイブ）
• 桑島 洋（デンソー）