[B! kdd] syou6162のブックマーク

公平性および説明性を考慮した機械学習 in KDD2019 - Gunosyデータ分析ブログ

研究開発チームインターンの北田 (shunk031) です。アメリカのアラスカにて行われたKDD2019に参加・発表してきました。 www.kdd.org KDD2019 のチュートリアルやワークショップ、キーノートの中でFairness (公平性) および Explainability (説明性) にフォーカスした以下のものを聴講したので概要をまとめたいと思います。チュートリアル Fairness-Aware Machine Learning: Practical Challenges and Lessons Learned Explainable AI in Industry ワークショップ Explainable AI/ML (XAI) for Accountability, Fairness, and Transparency キーノート Do Simpler Models Ex

syou6162 2019/09/25

kdd

リンク

KDD 2019, AdKDD 参加レポート - CARTA TECH BLOG

こんにちは @hagino3000 です。去年に引き続き今年もデータマイニングの国際会議であるKDDに参加してきました。本稿は主にアドテク及びマーケティング関連の発表に焦点を当てたレポートです。 www.kdd.org Index なぜKDDに参加するのか Tutorial Day AdKDD 2019 Tencent Ads: Interesting Probl ems and Unique Challenges From the Clouds to the Trenches: Learning to Manage the Marketplace In-app Purchase Prediction Using Bayesian Personalized DwellDay Ranking 本会議マーケティングにおける逆強化学習・逆最適化マーケットデザイン羅生門効果 (Rashomon

syou6162 2019/08/19

kdd

リンク

Yahoo!のニュースコメント欄からスパムを排除するには - kisa12012の日記

論文紹介のコーナー．*1 今回紹介するのは，KDD'2011のUnbiased Online Active Learning in Data Streams (Wei Chu, Martin Zinkevich, Lihong Li, Achint Thomas, and Belle Tseng)． Yahoo! Labsのグループによる研究です．(その後，第一著者はMicrosoftへ移動しています) 本論文は，ユーザーがコンテンツを生成できるウェブサービスから効率的にスパムやアダルトコンテンツを排除する手法について提案されています．このようなサービス形態はUser-Generated Content(UGC)と呼ばれ，ニュースサイトのコメント欄や掲示板・SNS・ソーシャルゲーム・ユーザー投稿型動画サイトが主な例として挙げられます． 3行概要ストリームデータ環境下において，学習に有用

syou6162 2016/09/23

よさそう

リンク

KDD Cup from Yahoo! Labs

Two Tracks The first track is aimed at predicting scores that users gave to various it ems. The second track requires separation of loved songs from other songs. Both tracks are open to all research groups in academia and industry. To learn more click here. Learn the rhythm, predict the musical scores People have been fascinated by music since the dawn of humanity. A wide variety of music genres