Soumettre la recherche
Mettre en ligne
心構え編 〜研究室オリエンテーション〜
•
32 j'aime
•
13,629 vues
Sozo Inoue
Suivre
新しく研究室に入る人のためのオリエンテーション(心構え編)
Lire moins
Lire la suite
Formation
Signaler
Partager
Signaler
Partager
1 sur 21
Recommandé
cvpaper.challenge 研究効率化 Tips
cvpaper.challenge 研究効率化 Tips
cvpaper. challenge
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有
Naoaki Okazaki
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII
博士課程の誤解と真実 ー進学に向けて、両親を説得した資料をもとにー
博士課程の誤解と真実 ー進学に向けて、両親を説得した資料をもとにー
Atsuto ONODA
研究発表のためのプレゼンテーション技術
研究発表のためのプレゼンテーション技術
Shinnosuke Takamichi
研究発表を準備する(2022年版)
研究発表を準備する(2022年版)
Takayuki Itoh
Recommandé
cvpaper.challenge 研究効率化 Tips
cvpaper.challenge 研究効率化 Tips
cvpaper. challenge
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有
Naoaki Okazaki
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII
博士課程の誤解と真実 ー進学に向けて、両親を説得した資料をもとにー
博士課程の誤解と真実 ー進学に向けて、両親を説得した資料をもとにー
Atsuto ONODA
研究発表のためのプレゼンテーション技術
研究発表のためのプレゼンテーション技術
Shinnosuke Takamichi
研究発表を準備する(2022年版)
研究発表を準備する(2022年版)
Takayuki Itoh
Surveyから始まる研究者への道 - Stand on the shoulders of giants -
Surveyから始まる研究者への道 - Stand on the shoulders of giants -
諒介 荒木
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
Hirokatsu Kataoka
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
Preferred Networks
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
Toshihiko Yamasaki
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII
Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由
tancoro
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
Yusuke Uchida
【DL輪読会】マルチモーダル 基盤モデル
【DL輪読会】マルチモーダル 基盤モデル
Deep Learning JP
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
cvpaper. challenge
ラベル付けのいろは
ラベル付けのいろは
Kensuke Mitsuzawa
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
harmonylab
これからの Vision & Language ~ Acadexit した4つの理由
これからの Vision & Language ~ Acadexit した4つの理由
Yoshitaka Ushiku
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
【DL輪読会】DINOv2: Learning Robust Visual Features without Supervision
【DL輪読会】DINOv2: Learning Robust Visual Features without Supervision
Deep Learning JP
[DL輪読会]Graph R-CNN for Scene Graph Generation
[DL輪読会]Graph R-CNN for Scene Graph Generation
Deep Learning JP
Contenu connexe
Tendances
Surveyから始まる研究者への道 - Stand on the shoulders of giants -
Surveyから始まる研究者への道 - Stand on the shoulders of giants -
諒介 荒木
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
Hirokatsu Kataoka
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
Preferred Networks
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
Toshihiko Yamasaki
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII
Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由
tancoro
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
Yusuke Uchida
【DL輪読会】マルチモーダル 基盤モデル
【DL輪読会】マルチモーダル 基盤モデル
Deep Learning JP
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
cvpaper. challenge
ラベル付けのいろは
ラベル付けのいろは
Kensuke Mitsuzawa
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
harmonylab
これからの Vision & Language ~ Acadexit した4つの理由
これからの Vision & Language ~ Acadexit した4つの理由
Yoshitaka Ushiku
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
【DL輪読会】DINOv2: Learning Robust Visual Features without Supervision
【DL輪読会】DINOv2: Learning Robust Visual Features without Supervision
Deep Learning JP
[DL輪読会]Graph R-CNN for Scene Graph Generation
[DL輪読会]Graph R-CNN for Scene Graph Generation
Deep Learning JP
Tendances
(20)
Surveyから始まる研究者への道 - Stand on the shoulders of giants -
Surveyから始まる研究者への道 - Stand on the shoulders of giants -
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用
Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
【DL輪読会】マルチモーダル 基盤モデル
【DL輪読会】マルチモーダル 基盤モデル
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
ラベル付けのいろは
ラベル付けのいろは
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
これからの Vision & Language ~ Acadexit した4つの理由
これからの Vision & Language ~ Acadexit した4つの理由
全力解説!Transformer
全力解説!Transformer
【DL輪読会】DINOv2: Learning Robust Visual Features without Supervision
【DL輪読会】DINOv2: Learning Robust Visual Features without Supervision
[DL輪読会]Graph R-CNN for Scene Graph Generation
[DL輪読会]Graph R-CNN for Scene Graph Generation
心構え編 〜研究室オリエンテーション〜
1.
これまでの3年間とは大きく異なります これまで これから 時間割 いっぱい
空っぽ 何もない時 帰る 研究室にいる 課題 与えられる 自分で決める 態度 Take Give & Take 求められるもの Input Output 〆切 守れる 守りにくい 指標 GPA 世界一か ここについて話します.
2.
GIVE & TAKE
3.
Give & Take 講義など・・・
一般には・・ 知識 • 研究室ミーティングも然り. • 世界では「いるだけ」「勉強するだけ」は無視される • (井上もドクター後,コロラド大で失敗した.) • 参加<<<<<質問(Question) < 情報提供(Inform) < 示唆(Suggestion) < 提案(Proposal) • 学会でも • 参加<<<<<質問<ボランティア<発表 教えて? なんで?
4.
INPUT VS. OUTPUT
5.
Input vs. Output 実際にはこの考え方は破綻します. なぜなら,右と左が同じ能力なら, •
「君の代わりはいくらでもいるんだよ」と言われる時が来る. • 今すぐ働いたほうがいい 能力 お金 今・・・ 就職したら・・・ お金 能力 スポンサー
6.
実際には 問題点: 身につく能力が足りない・・・ 今・・・ 就職したら・・・ 能力 お金 お金 能力 スポンサー 能力 能力 < <
7.
研究室が提供するもの 今・・・ 将来 能力 お金 能力 研究室 チャンス
8.
チャンスとは • 部屋・机・椅子 • 計算機環境・ソフトウェア •
実験機器 • 本 • 開発プロジェクト・実証実験 • 国内・国際学会発表の機会 • 人脈 • 他大学生の刺激 • 活躍している人からのアドバイス • 先輩との議論・アドバイス • 先生との議論・アドバイス 「研究能力」に つながる
9.
「研究能力」というものの強さ シード (種) アーリー (初期) グロース (成長) 大企業の新規事業でも スタートアップベンチャーでも・・・ ここをやれる! • だから企業が共同研究をしたがる.. • 企業でもできないことを経験できます.. •
「君の代わりはいくらでも・・・」対策.
10.
チャンスはどこから負担しているのか? • 部屋・机・椅子 • 計算機環境・ソフトウェア •
実験機器 • 本 • 開発プロジェクト・実証実験 • 学会発表の機会 • 人脈 • 他大学生の刺激 • 活躍している人からのアドバイス • 先輩との議論・アドバイス • 先生との議論・アドバイス 研究費です (学費では ありません)
11.
研究費獲得の仕組み 1. 申請書に提案と,これまでの論文業績を書く 2. 国際会議論文や査読付き論文が評価される 3.
+日頃の学会活動も 4. 採択される →論文業績がないと研究費は獲得できない →チャンスはいろいろ少なくなる
12.
だから、井上研ではこうあってほしい! 能力 研究室 チャンス 論文 これが アウトプットです! (卒論や修論ではない)
13.
もう一つ、井上研のデメリット • 部屋・机・椅子 • 計算機環境・ソフトウェア •
実験機器 • 本 • 開発プロジェクト・実証実験 • 学会発表の機会 • 人脈 • 他大学生の刺激 • 活躍している人からのアドバイス • 先輩との議論・アドバイス • 先生との議論・アドバイス いろいろ やりすぎたが故に, プロジェクトが多く, 時間が少ない. しかしぜひみなさんには 有効活用してほしい時給が3番目に高いと言われ ている職業ですよ! (時給だけは)
14.
対策 • 先生や先輩のスケジュールを把握して,その時間に合わせて 在室すると良い. (医学部などは教授より早く来て,遅く帰るそうです.) • 他のこと(家庭・プロジェクト)より高い価値を見せてくれれば 時間を確保します! •
基本、平日は毎日来る.
15.
〆切を守れない根拠
16.
工学部の教え7箇条 • 第1条 決められた時間に遅れないこと(納期を守ること) •
第2条 一流の専門家になって、仲間たちの信頼を勝ち取るべく努力すること • 第3条 専門外のことには、軽々に口出ししないこと • 第4条 仲間から頼まれたことは、(特別な理由がない限り)断らないこと • 第5条 他人の話は最後まで聞くこと • 第6条 学生や仲間をけなさないこと • 第7条 拙速を旨とすべきこと • 著者が東大の工学部に進学したとき、 文化勲章を受章した武藤清工学部長: 「これから訓辞を述べるから、よく聞くように。 エンジニアは時間に遅れないこと、以上」 と言ったきり、腰を下ろしてしまった。 2年後の卒業式、学科主任の森口繁一教授: 「諸君に、はなむけの言葉を贈ろう。納期を守ること。 これさえ守っていれば、エンジニアは何とかなるものだ」
17.
締め切りを守る→普通にやると無理です 対策: 遅れそうな時には早めに相談をする,と言われるが, それに加えてお勧めは・・・. 普通: 1. 逆算して計画 (見積もり) 2. 実施 3.
完了 研究: 1. 新しいことだと正確に見積もりが できない 2. 実施→予期しないことが次々起きる • 例:1文字でも違ったらプログラムは動かない 3. デスマーチ
18.
プロトタイプ(α版)・リハーサル β版→正式版 1. 逆算して計画 (見積もり) 2. 実施 3.
β版完了 4. 先輩・先生から確認 5. 完了 α版/プロトタイプ/リハーサル 1. とにかく一通りやって,失敗 しそうなところを全部洗い出す. • 先輩・先生の知識をフル活用 • 部分ごとでもとにかくやってみる 2. ここまで,とにかく急ぐ. 逆算して計画する時には勝負はついている! →井上も格闘中 「やったことありませんが、間に合うと思います」 などという人は、プロのエンジニアではない.
19.
世界一とは
20.
「君の代わりはいくらでもいるんだよ」 と言われる時に備えて・・・. 法則: 1位>>>>>>>>>>>>>>>>>>>2位>3位>その他 • 誰にでもできる達成法: • 非常に狭い・細かい・ニッチなこと •
誰もやっていないこと • 役に立とうなどと考えない. • 「ドミナント戦略」「ランチェスターの一点集中の戦略」らしい. • 今は仕事にならなくてもいい.でもそれが仕事につながれば, 絶対に上のようなことは言われない...よね? • ただし,世界一だと思い込むのではなく,認めさせる →関連研究の調査が大事
21.
まとめ • Give &
Take • 参加<<<<<質問(Question) < 情報提供(Inform) < 示唆(Suggestion) < 提案(Proposal) • InputからOutputへ • またとないチャンスをぜひ活かしてください. • そして論文として世に残してください.そしたら後は任せて. • 先生や先輩のスケジュールを把握して在室. • 〆切戦略 • 計画→実行ではなく,リスク把握→計画→実行 • 世界一になる • 狭くていいので世界一であることを示して,それを広げていこう!