得居誠也(とくいせいや)はPreferred Networksのリサーチャーです. また,東京大学情報理工学系研究科の博士課程にも在籍しています. 得居は東京大学情報理工学系研究科数理情報学専攻で2012年に修士号を取得し,現在は深層学習フレームワーク Chainer のリード開発者をしています. 現在の主な研究・開発対象は深層生成学習および深層学習におけるソフトウェア設計やプログラミングモデルです.

学歴

東京大学 情報理工学系研究科 コンピュータ科学専攻 (2016/4 – 現在)

  • 指導教員:佐藤一誠 講師

東京大学 情報理工学系研究科 数理情報学専攻 (2010/04 – 2012/03)

  • 研究テーマ:機械学習,最近傍探索,自然言語処理
  • 修士論文:Learning Hash with Sequential Buckets Partitioning(逐次的なバケット分割によるハッシュの学習)
  • 指導教員:中川裕志 教授

東京大学 理学部 数学科 (2006/04 – 2010/03)

栄光学園中学・高等学校 (2000/04 – 2006/03) 54期生

職歴

Preferred Networks, リサーチャー (2014/10 – 現在)

  • 機械学習やコンピュータビジョンとその IoT への応用に従事
  • 深層学習のフレームワークである Chainer の開発をリードしている

Preferred Infrastructure, エンジニア・リサーチャー (2012/04 – 2014/10)

  • 機械学習,コンピュータビジョン,自然言語処理の応用に従事
  • 主に 分散機械学習基盤 Jubatus のアルゴリズム開発を行った

アルバイト・インターンシップ

  • ピクシブ (2011/03): 推薦システムの改良
  • Preferred Infrastructure (2010/11 – 2012/03): 機械学習と自然言語処理に関する研究開発
  • Google Japan (2010/08 – 2010/09): Google 日本語入力チーム (mozc) にて計算機機能を開発

論文・出版・講演

書籍

海野裕也, 岡野原大輔, 得居誠也, 徳永拓之. オンライン機械学習. 講談社, 2015.

国際会議論文 (査読付き)

Seiya Tokui, Issei Sato. Evaluating the Variance of Likelihood-Ratio Gradient Estimators. International Conference on Machine Learning (ICML), 2017.

Weihua Hu, Takeru Miyato, Seiya Tokui, Eiichi Matsumoto, Masashi Sugiyama. Learning Discrete Representations via Information Maximizing Self-Augmented Training. International Conference on Machine Learning (ICML), 2017. [arXiv]

Seiya Tokui, Issei Sato, Hiroshi Nakagawa. Locally Optimized Hashing for Nearest Neighbor Search. In Advances in Knowledge Discovery and Data Mining, 19th Paci c-Asia Conference, PAKDD 2015, Ho Chi Minh City Vietnam, May 19-22, 2015, Proceedings, Part II, 498–509.

国際ワークショップ論文 (査読付き)

Seiya Tokui, Kenta Oono, Shohei Hido, Justin Clayton. Chainer: a Next-Generation Open Source Framework for Deep Learning. In Workshop on Machine Learning Systems at Neural Information Processing Systems (NIPS), 2015.

Shohei Hido, Satoshi Oda and Seiya Tokui. Jubatus: An Open Source Platform for Distributed Online Machine Learning. In Big Learning Workshop at Neural Information Processing Systems (NIPS), 2013.

国際会議チュートリアル

Seiya Tokui, Kenta Oono, Atsunori Kanemura. Deep Learning Implementations and Frameworks, at the Thirty-first Conference on Artificial Intelligence (AAAI), 2017.

Seiya Tokui, Kenta Oono, Atsunori Kanemura, and Toshihiro Kamishima. Deep Learning Implementations and Frameworks, at the 20th Pacific Asia Conference on Knowledge Discovery and Data Mining (PAKDD), 2016.

国内論文

得居誠也, 佐藤一誠, 中川裕志. 最近傍探索のための短いハッシュの学習. 第 26 回人工知能学会全国大会, 2012.

得居誠也, 佐藤一誠, 中川裕志. ラージマージンなアンカーグラフハッシング. 第 14 回情報論的学習理論ワークショップ(IBIS), 2011.

国内発表

得居誠也, 佐藤一誠. 共通乱数法を用いた再パラメータ化局所期待勾配による深層離散変数モデルの学習. 第19回情報論的学習理論ワークショップ, 2016.

得居誠也. 深層学習フレームワーク Chainer の開発と今後の展開. 第19回画像の認識・理解シンポジウム(MIRU), 2016 (チュートリアル).

得居誠也, 大野健太, 比戸将平, Justin Clayton. Chainer: 深層学習のための次世代オープンソースフレームワーク. 第 18 回情報論的学習理論ワークショップ(IBIS), 2015.

得居誠也. Chainer の使い方と自然言語処理への応用. NLP 若手の会シンポジウム, 2015 (チュートリアル).

得居誠也, 能地宏, 大野健太. maf: 機械学習・データマイニング実験ビルドシステム. 第17 回情報論的学習理論ワークショップ(IBIS), 2014.

得居誠也, 佐藤一誠, 中川裕志. 自然言語処理におけるハッシングを用いた近傍探索. NLP 若手の会第6 回シンポジウム(奨励賞), 2011.

受賞

得居誠也. Deep Learningのフレームワークの開発. ソフトウェアジャパンアワード 2017, 情報処理学会, 2017.

ソフトウェア

Chainer: 深層学習のフレームワーク (2015/04 – 現在)

maf: 実験手順の自動ビルドツール (2012/12 – 2015/03)

Jubatus: 分散機械学習基盤 (2012/04 – 2014/04)

スキル

  • プログラミング: C++/Python(常用), CUDA/C
  • コミュニケーション: 日本語(母語),英語

リンク