はてなブックマーク

松尾ぐみができてから今まで、１０人以上の学生にアドバイスしながら一緒に研究を進めてきました。そのなかで、研究がうまくいく場合とうまくいかない場合があります。もちろん個人の資質によるところは大きいですが、成功例、失敗例にはいくつかの傾向があるように思います。典型的なパターンを類型化し、それぞれの分析と対策を行うことで、よりよい研究の指導、ひいては研究室内外と自分自身のレベルの向上にもつながるはずだと思います。 以下では、うまくいくパターンとうまくいかないパターンの類型化を行います。まず、うまくいかないパターンから分析してみましょう。 研究がうまくいかないパターンとして、次のようなものが挙げられる。 1. 学生が自分のやりたいことを主張して、どうかなぁと思いつつ任せているとやっぱりうまくいかないパターン。 2. アドバイスして「やります」と言ってるのに、やらないパターン。話すと結構きちんとした

1975年香川県坂出市生まれ 1993年3月 香川県立丸亀高校 卒業 1997年3月 東京大学 工学部電子情報工学科 卒業 2002年3月 東京大学大学院 工学系研究科電子情報工学 博士課程修了。博士（工学） 2002年4月 独立行政法人 産業技術総合研究所 研究員 2005年8月 スタンフォード大学 CSLI 客員研究員 2007年10月 東京大学大学院工学系研究科 総合研究機構（若手育成プログラム）／知の構造化センター／技術経営戦略学専攻 准教授 2014年4月 東京大学大学院工学系研究科 技術経営戦略学専攻 特任准教授（グローバル消費インテリジェンス寄付講座 共同代表） 2019年4月 東京大学大学院工学系研究科 人工物工学研究センター 教授 東京大学大学院工学系研究科 技術経営戦略学専攻 教授 （2023年4月より、同専攻長） 2017年6月より、日本ディープラーニング協会 理事長

Earthquake Shakes Twitter Users: Real-time Event Detection by Social Sensors Takeshi Sakaki The University of Tokyo Yayoi 2-11-16, Bunkyo-ku Tokyo, Japan sakaki@biz-model.t.u- tokyo.ac.jp Makoto Okazaki The University of Tokyo Yayoi 2-11-16, Bunkyo-ku Tokyo, Japan m okazaki@biz- model.t.u-tokyo.ac.jp Yutaka Matsuo The University of Tokyo Yayoi 2-11-16, Bunkyo-ku Tokyo, Japan matsuo@biz-model.t.u-

発表文献（論文誌） 総説・解説 国際会議 著書 Google Scholar DBLP 発表文献（論文誌） 小林由弥, 鈴木雅大, 松尾豊: 深層生成モデルによる背景情報を利用したシーン解釈, 人工知能学会論文誌, 第38巻3号, (2023). Takeshi Kojima, Yusuke Iwasawa, Yutaka Matsuo: Robustifying Vision Transformer Without Retraining From Scratch Using Attention Based Test-Time Adaptation, New Generation Computing, (2022). Tatsuya Matsushima, Yuki Noguchi, Jumpei Arima, Toshiki Aoki, Yuki Okita, Yuya Ikeda, K

東京大学で、人工知能の研究を行っています。 ディープラーニング（深層学習）を中心とする技術で、人工知能の研究領域に大きなブレークスルーを生み出すこと、ウェブやものづくり等の産業に大きなインパクトをもたらすことを目指しています。松尾研究室では、多くの学生やスタッフが日々、新しい技術の研究と応用を行っています。[研究] 人工知能（特にディープラーニング）とウェブ工学が専門分野です。人工知能学会では2012年から2年間、編集委員長を務め、2014年から2018年まで倫理委員長を務めました。2017年には、日本ディープラーニング協会を設立し、理事長に就任しました。 これまで、人工知能（仮説推論、機械学習）、自然言語処理、社会ネットワーク分析、ソーシャルメディア、ウェブマイニングの研究を行ってきました。現在は、ディープラーニングの研究に注力して研究を進めています。 [業績] 東京大学大学院工学系研究

東京大学で、人工知能の研究を行っています。 ディープラーニング（深層学習）を中心とする技術で、人工知能の研究領域に大きなブレークスルーを生み出すこと、ウェブやものづくり等の産業に大きなインパクトをもたらすことを目指しています。松尾研究室では、多くの学生やスタッフが日々、新しい技術の研究と応用を行っています。[研究] 人工知能（特にディープラーニング）とウェブ工学が専門分野です。人工知能学会では2012年から2年間、編集委員長を務め、2014年から2018年まで倫理委員長を務めました。2017年には、日本ディープラーニング協会を設立し、理事長に就任しました。 これまで、人工知能（仮説推論、機械学習）、自然言語処理、社会ネットワーク分析、ソーシャルメディア、ウェブマイニングの研究を行ってきました。現在は、ディープラーニングの研究に注力して研究を進めています。 [業績] 東京大学大学院工学系研究

松尾ぐみ since 2000（過去の情報です） 松尾ぐみは、東大石塚研の学生を中心として、自然言語処理、Web上の情報処理、推論などの研究を行うグループです。だいたい常時10～20名くらいの学生・若手研究者から構成されています。卒論や修論といったレベルにとどまらず、本質的なよい研究を目指します。活動内容は、 だいたい週に1回 打ち合わせ:メンバーの研究の進捗発表とディスカッション 週に1回輪読:AI、CSに関する名著論文、教科書を読む です。あとは、適宜、個人的に打ち合わせします。 松尾ぐみでは、Web上の情報を整理・構造化・知識化する｢高次Webマイニング｣というテーマを中心に研究を進めていきます。自然言語処理、機械学習、推論、コミュニティなどさまざまな研究テーマを含みます。 松尾ぐみは2013年ごろまでで休止し、Deep Learning勉強会が立ち上がっています。 論文の書き方 論

1 � � � � Small World and Chance Discovery Yutaka Matsuo Cyber Assist Research Center, National Institute of Advanced Industrial Science and Technology y.matsuo@carc.aist.go.jp, http://www.carc.aist.go.jp/~y.matsuo/ Keywords: small world, chance discovery, social network, scale-free network, cluster 1. 2. Milgram (It’s a small world!) 2 X Z Y X a a b ... y Z (chain) 2 S. Pool M. Kochen 100 500 1 5

社会ネットワーク分析の英語の本を読みます　【終了しました。】 このサイトは、社会ネットワーク分析の英語の本（ScottのSocial Network Analysis）を読む輪読会のサイトです。2005年4月15日から7月27日まで東京大学本郷キャンパスで開催しました。参加いただいた方、ありがとうございました。 社会ネットワーク分析とは 社会ネットワーク分析は、行為者の属性ではなく、その関係性に着目して現象を捉えようとする方法論です。 社会学の分野で１９７０年以降、活発に研究が行われてきました。 人や組織の持つ関係性をネットワークとして捉え、どの行為者が中心的なのか、どういった派閥があるのか、そしてその背後にあるものは何なのかといった 研究が行われてきました。人間関係、企業間関係、産業間関係、国の関係など、あらゆるレベルのネットワークが対象となり、研究が行われています。 一方、近年では、関

2005/6/22 Copyright 2003 柴田 尚樹 All Rights Reserved. 本書の全部または一部の無断転載を禁じます。 1 Social Network Analysis輪読会 ークラスタリング手法ー 東京大学大学院 ･ 修士課程2年 2005/6/22 [Wed] 柴田 尚樹, naoki@shibataism.com 2005/6/22 Copyright 2002 - 2004 柴田 尚樹 All Rights Reserved. 本書の全部または一部の無断転載を禁じます。 2 自己紹介 ◆ 柴田尚樹（しばたなおき） / 24歳（修士2年） / ♂ ◆ 所属 ! 工学系研究科 環境海洋工学専攻 テクノロジー・マネジメントコー ス ! 総合研究機構 俯瞰工学部門 ◆ 研究テーマ ! （ネットワーク分析、自然言語処理を用いた）知の構造化手法に関 する研究 ◆

資料 Social Network Analysis (Scott) １章、２章 資料 （松尾） ３章 資料（桑島） ４章 資料（榊） ５章 資料（荒牧） ６章 資料（今井） ７章 資料（三好） ８章 資料（杉山） Models and Methods in Social Network Analysis (Carrington) ２章 資料 (山本) ３章 資料 (森) ６章 資料 (古川) ７章 資料 (濱崎) 複雑ネットワーク関係の論文 Newman 論文、資料（篠田） M. E. J. Newman. The structure and function of complex networks. In SIAM Review, volume 45, pages 167--256, 2003 Newman 論文,、論文、資料（柴田） M. E. J. Newman and M. Gi

東京大学大学院工学系研究科 人工物工学研究センター／技術経営戦略学専攻 教授。「知能を創る」ことを目的に、人工知能、特に深層学習に関する研究を行っています。 また、アカデミアの研究内容が、研究それ自体に閉じることなく、スタートアップやサービスという形で世の中に広がり、その経済活動の中で成長した人材や得られた知見や課題、そして未来のための資金が大学に還流され一層研究が進んでいく。このようなエコシステムを東大・本郷で実現したいと考え、松尾研究室では基礎研究、講義、共同研究、インキュベーションという４つの活動を進めています。 「知能を創る」ことをビジョンに掲げ、ディープラーニングの研究を推進しています。特に、世界モデルやロボット研究、大規模言語モデル、脳×AIに関する研究を進めています。 人工知能は約60年の歴史がある分野ですが、これまでの研究では、知能の仕組みや脳の構造についてほとんど分かって

東京大学大学院工学系研究科 人工物工学研究センター／技術経営戦略学専攻 教授。「知能を創る」ことを目的に、人工知能、特に深層学習に関する研究を行っています。 また、アカデミアの研究内容が、研究それ自体に閉じることなく、スタートアップやサービスという形で世の中に広がり、その経済活動の中で成長した人材や得られた知見や課題、そして未来のための資金が大学に還流され一層研究が進んでいく。このようなエコシステムを東大・本郷で実現したいと考え、松尾研究室では基礎研究、講義、共同研究、インキュベーションという４つの活動を進めています。 「知能を創る」ことをビジョンに掲げ、ディープラーニングの研究を推進しています。特に、世界モデルやロボット研究、大規模言語モデル、脳×AIに関する研究を進めています。 人工知能は約60年の歴史がある分野ですが、これまでの研究では、知能の仕組みや脳の構造についてほとんど分かって