先日6/25、TECH PLAY SHIBUYAにて開催された「Deep Learningオールスターズ2017」に登壇させていただきました。つい先週に「dots.」から「TECH PLAY」にサービス名称変更されたとのことでロゴがピカピカで眩しいです！

私は「Deep learningの世界に飛び込む前の命綱」というタイトルで発表いたしました。「流行ってるからとりあえず自前サービスにDeep Learningに取り入れてみよう！」と取組み始めると思わぬ事態に直面するかも…
Deep Learningの性能検証を行なう中で感じた、既存の機械学習手法を予め実装しておくことの有用性を紹介しました。以下が発表資料となります。

今回参加した「Deep Learningオールスターズ2017」では、Deep Learningを利用している様々な企業の方が取組んでいる事業が紹介されました。ファッションアイテム検索への活用事例や、3Dデータへの適用事例など、非常に興味深い話がたくさん聞くことが出来ました。

その中で私は既存の機械学習も用いつつDeep Learningを適用することが大切ではないかという事を紹介致しました。Deep Learningで出来る事はどんどん広がっていますが、学習に時間がかかったり、思ったように性能が上がらないなどの事態に直面することがあります。既存の機械学習手法を実装しておけば性能の比較対象になったり、Deep Learningが上手くいかない時の代替案にできる場合があると考えています。

発表としては150名超の方の前で話す機会はなかなかなく、少し固くなってしまいましたが(twitterでもご指摘をいただく)、良い経験になりました！懇親会においても「今まで持っていなかった視点の内容で考えさせられた」や「実現場でどのように適用させて行くべきか」など交流や議論させて頂き、とても刺激になりました。

TISではDeep Learningを含めた機械学習や自然言語処理についての知見を深め、学んだ内容や活用したプロトタイプの公開を行っています。私たちは基礎的な技術もしっかり踏まえながら新しい技術を取り入れるよう日々研鑽を重ねていますので、興味があればお声がけ下さい！