参加登録はこちら https://mlloft13.splashthat.com/

About the event

ML@Loft は 主に AWS 上で機械学習ワークロードを運用しているデベロッパー・データサイエンティストのための「お悩み相談会」です。月に1回 AWS Loft Tokyo で開催し、毎回活発な議論が行われています。最近はオンラインで開催しています。

第13回は Graph Neural Networks (GNN) をテーマに、最近の研究動向や応用について議論します。はじめに登壇者の方々から15分ずつの自己紹介 LT 形式で GNN における話題を提示いただいた後、参加者の皆さんから頂いた質問を元にパネルディスカッションを実施します。

これまでのイベント開催ブログはこちら https://aws.amazon.com/jp/blogs/startup/tag/mlloft/

Who should attend

機械学習を利用したサービスを開発・運用しているデベロッパー・データサイエンティストの方、自社の機械学習利用の方針を決定する立場にある方など。特に、GNN 及び関連したグラフの分析・機械学習に取り組まれている方。 技術的な観点でパネルディスカッションの際に疑問やご自身の課題感を共有し、インタラクティブに議論に参加いただける方のご参加をお待ちしています！

How to join

今回は Amazon Chime を利用したオンライン配信の形式で開催します

今回は登壇者・参加者の方ともにオンラインで参加いただく形式で開催します。

1. 参加される場合は Connpass 上の本イベントの参加枠に参加して下さい。

2. Connpass 上で参加登録いただいた方に後ほど Web 配信の URL をお送りします。当日は質問用の sli.do (Event code: #ml-loft-13) も合わせてご覧下さい。

オンライン配信では参加者の皆さんと登壇者の方のインタラクティブなコミュニケーションがイベントの盛り上がりを左右します。充実したイベントにしたいと思いますので、ご参加ならびに sli.do への活発なコメントをお待ちしています。日々の取り組みで悩んでいること、アノテーション関連で色々な方に意見を聞いてみたいこと、その他コメントなどお気軽に記入下さい！

Schedule

7:00PM–7:05PM はじめに

会の趣旨の説明

7:05PM - 7:50PM LTセッション (15分 × 3 セッション)

前原 貴憲 氏 (理化学研究所革新知能統合センター) 「グラフニューラルネットワークの表現力」

グラフ構造をもつ機械学習タスクに対してグラフニューラルネットワークは非常に良い性能を達成しますが，その理論的な性質については未知の部分が多いです．本発表では最近わかってきたことについて発表者の成果を交えながら紹介します．

Kotaro Kamiya 氏 / Koyama Kyohei 氏 (SyntheticGestalt)「Virtual screening and compound representations」

We will introduce challenges of the utilisation of machine learning for drug discovery purpose and would like to discuss how we can (or can not) address the problems with GNN.

内橋 堅志 氏 (yUNI) 「Graph Neural Networks のビジネス応用可能性」

Graph Neural Networks のマーケティングや繋がり解析、拡散過程解析などのビジネス応用可能性について、計算社会科学などの隣接分野の知見との関係性を示しつつお話しします。

7:55PM – 8:25PM パネルディスカッション (30分)

sli.do にお寄せ頂いた質問を元に登壇者の方々によるパネルディスカッション。 Event code: #ml-loft-13

8:25PM – 8:45PM Wrap-Up

Speakers

前原 貴憲 氏 (理化学研究所革新知能統合センター)

2012年 東京大学大学院情報理工学研究科博士修了．2016年より現職．グラフ理論や組合せ最適化の手法を機械学習等の応用領域に展開する研究が得意．

Kotaro Kamiya 氏 (SyntheticGestalt CTO)

Kotaro Kamiya completed an MSc in Mathematics at Kyoto University, majoring in the probability theory. After he developed digital strategies for a number of major companies as a technology expert in Deloitte Digital, he moved to Bayer Yakuhin to follow his interest in applying machine learning technologies in pharmaceutical challenges. In SyntheticGestalt he has dedicated to developing services for life science applications.

小山 恭平 氏 (SyntheticGestalt Research Engineer)

Kyohei Koyama has completed MSc in Computational Statistics and Machine Learning with Distinction at University College London and BSc in Engineering at the University of Tokyo. After working for an international consulting firm and an AI startup in Tokyo/London, in SyntheticGestalt he has dedicated to developing deep learning products for life science applications by leveraging his expertise in machine learning.

内橋 堅志 氏 (yUNI)

2017年 京都大学大学院情報学研究科 修士卒業。2016年度 未踏PJ採択。FreakOut, スタートアップ, フリーランスを経て、2019年 株式会社yUNIを創業。主に機械学習, データ分析関連で研究機関等からの開発受託を経て、データドリブン・マーケティングのための自社サービスの開発に従事。twitter: @uchi_k