プレゼンがうまい人の「聴衆分析」――3つのポイント
プレゼンには2人の登場人物がいます。話し手（プレゼンテーター）と聞き手（オーディエンス）です。そして「プレゼンとは、話し手が聞き手に、何らかのアクションを起こしてもらうよう納得させる提案を行なうこと」なのです。 プレゼンの目的を果たすには、まず聞き手をよく知ることが大事。そのための枠組み（フレームワーク）をご紹介したいと思います。 あなたのプレゼンを聞くのは誰か？ プレゼンテーションで真っ先に考えるべきは「どのような人々がそれを聞くのか」ということ。つまり「聴衆分析」です。例えば、福島原発の問題や計画停電における東京電力の記者発表も1つのプレゼンでしたが、聴衆分析はできていたでしょうか？ われわれ国民の知りたいことに答えていたでしょうか？ 聞き手によって、話すべき内容やシナリオラインの組み立ては変わります。まずは相手の性別、人数、年齢、地域などの基本属性がポイントですが、ビジネスシーンであ
LDA の Collapsed Variational Bayesian 推論 - 木曜不足
Collapsed Gibbs Sampling (以下 CGS)で LDA の推論を行う話は Latent Dirichlet Allocations(LDA) の実装について - 木曜不足 にて書いたのだけど、今回はそれとは別の Collapsed Variational Bayesian (以下 CVB) で推論を行う話。 まず、LDA の原論文である [Blei+ 2003] では Variational Bayesian (変分ベイズ、以下 VB)で推論を行っていた。 これは LDA の確率変数 z, θ,φ に対し(観測変数 x は除く)、まず真の事後分布 q(z,θ,φ) を考える。 この真の事後分布において z,θ,φ が互いに独立ではないのだが、それを計算のために独立であると仮定してしまう。 この仮定が変分近似で、この仮定の下で q(z,θ,φ)≈Πq(z_ij)Πq(θ
松尾ぐみ | 松尾 豊
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
松尾ぐみの論文の書き方 | 松尾 豊
松尾ぐみの論文の書き方 論文を書くことは、研究を進める上で重要なプロセスのひとつです。 研究者の業績も論文によって評価されます。ここでは、松尾ぐみの学生と一緒に論文を書いていく中で、よく注意点として出てくることをまとめて整理してみました。なお、松尾ぐみのテーマに即していますので、違う分野の人は参考にならないかもしれません。 研究を論文にするということ 自分の研究をきれいな形に切り取る 論文は、自分の研究日記でも苦労日記でもありません。卒論や修論は、自分がやったことをできるだけ主張する、 苦労した点を伝えるという点で、 ある意味、研究日記でも構わないでしょう。しかし、ジャーナルの論文や国際会議の論文は違います。 こういった論文は、新しい知見を読者に伝えるためにあります。読者が必要としている情報、知りたい情報を、過不足なく書く必要があります。 自分の苦労話や、横道に入るような研究は書く必要はあ
松尾ぐみの論文の書き方：英語論文 | 松尾 豊
あー、やっぱりこの国際会議は難しいな。日本人ほとんど通ってないしなぁ。結構頑張ったんだけどなぁ。でも査読者、なんか良く分からないことを言ってる。こいつ分かってないな。こんな査読者に当たるとは運が悪い。３人中１人はすごくいいコメントなのになぁ。ま、いいや、研究会論文でも書こう。 （※に戻る） 私も以前はこんな感じでした。主要な国際会議のレベルは高いと思ってました。今では、そうは思いません。何といっても、まずは完成度の問題です。 完成度を上げることの重要性 完成度を上げるとは、自分で修正するところがなくなるまで、修正を繰り返すことです。 上の例では、初稿の段階で投稿していますね。これで通せる人は誰もいません。ここで私がよく目安に使っている２つの経験則を紹介しましょう。 執筆時間の法則： 経験上、次のような法則があります。「書こう」と思ってから、初稿ができるまでの時間をa0とします。すると、第２
ナップサック問題について整理 - yasuhisa's blog
どういうときに何ができるのかについて。この辺見ながら。 問題定義品物がN個あったとする。品物iには価値と体積が与えられている。は1のとき品物iを取る、0のときに取らないということを表すバイナリ変数であるとする。持って行ける品物の総体積がbまでであるとすると、ナップサック問題は以下の最適化問題として定式化される。 最大化: 制約: かつ これを真面目に列挙して解こうとするとO(2^N)となって多項式時間では解けない。の部分をという風に連続緩和してやれば解は閉じた形で書き表すことができる(でソートしてやって、でかい順に詰めていく。最後のやつは入る分だけ詰める)。 動的計画法ここで、体積とbを「整数」であると仮定する。を体積yの中に詰める品物の候補をに限定したときに得られる最大の価値と定義する。すると元の問題の最適解はがfeasibleのときに達成される。こういう定義をすると、動的計画法かと検討
A*アルゴリズムについて整理 - yasuhisa's blog
辞書を参考にしながら。NAISTのI期辺りでやったはずなんだが、かなりすっ飛んでいる。 デジタル人工知能学事典 [CD-ROM付] 作者: 人工知能学会出版社/メーカー: 共立出版発売日: 2008/05/16メディア: 単行本購入: 1人 クリック: 6回この商品を含むブログ (6件) を見る A*アルゴリズムとは?グラフ探索アルゴリズムの一つ。「開始ノードから現在位置に至るまでのコスト」と「現在位置からゴールまでの推定コスト」の2つのコストを用いてadmissibleな条件(後述)の元でコストが最小であるような経路を効率的に見つけることができるアルゴリズムである。1960年代に開発されたアルゴリズムであるが、50年経った今でもばしばし使われている。 現在いるノードをp、開始ノードからpまでの最小コストをg(p)、pからゴールまでの最小コストをh(p)と書くとすればpを経由して開始ノード
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
LDA on a Social Graph