Sho Sakai

【図解】拡散言語モデルとは？ 大規模言語モデルの多くは、左から右へ 1 トークンずつ生成します。一度出したトークンは、基本的に後から直せません。 拡散言語モデルは、ノイズがかかった離散トークンから始め、反復的にデノイズします。順序は左から右に限られず、確信度の高い位置から埋められます。ノイズの入れ方には、Masked 型と Uniform 型があります。 各位置を独立に扱う product では、ステップを減らすと位置同士の依存を捉えにくいことまで、1 枚の図にまとめました。 11/11(水) 18:00〜、東京大学 早川 知志先生によるセミナーでは、生成の原理・学習の理論から、Masked / Uniform、蒸留による高速化までを扱います。 詳細・お申し込みはツリーへ▼ #拡散言語モデル #dLLM #生成AI

【来週 11/5 開講｜小標本の表データ予測をどう進めるか】 表形式基盤モデル TabPFN：地盤データで学ぶ活用・解釈・PFN構築 東北大学 大竹 雄先生｜11/5(木) 18:00–20:00｜オンライン 120分 表形式データでは、標本が限られる・特徴が混在する・チューニングに時間がかけられない、といった現場が少なくありません。本セミナーでは TabPFN を軸に、小標本での予測・不確実性・解釈・PFN の自作までを整理します。 まず、PFN の理論的背景と SCM に基づく事前分布を解説し、続けて地盤特性の空間分布推定・配合設計への適用と、階層ベイズモデル（HBM）との精度・計算コスト比較です。中盤は埋め込み空間による予測の解釈、後半は独自 prior で PFN を作り、地震動記録から地盤構造を逆推定する事例まで扱います。 【こんな方へ】 ・表形式データの予測・機械学習に関わる実務家・研究者・学生 ・小標本〜中規模の表で、階層ベイズ（HBM）など従来手法との使い分けを整理したい方 ・TabPFN / PFN の原理と現場適用の両方を一度掴みたい方 ・地盤・インフラ・GeoAI など、小標本・異質・不確実性が効く表データへの応用に関心がある方 資料ダウンロード可・アーカイブ1か月。 詳細・お申し込みはツリーへ▼

【図解】TabPFN とは？ 表形式データの予測では、データセットごとに前処理・モデル選択・ハイパーパラメータ探索をやり直すことになります。 TabPFN は、合成データで一度だけ学習しておき、実データでは重みを更新せず、学習データごと入力に含めた 1 回の順伝播で予測します。その出力は、合成データの事前分布のもとでの事後予測分布の近似です。 この仕組みと、地盤データでの活用・解釈の例を 1 枚の図にまとめました。 11/5(木) 18:00〜、東北大学 大竹 雄先生によるセミナーでは、PFN の理論から TabPFN の活用・解釈、独自の事前分布による PFN の構築までを扱います。 詳細・お申し込みはツリーへ▼ #TabPFN #表形式データ #機械学習

【本日 10/27 19時開講｜ランダム化比較試験における因果的な検討の基礎】 講師: 坂巻 顕太郎（順天堂大学）｜オンライン 120分 因果推論の基本である RCT のデザインを疫学の例をもとに学び、解析を Fisher’s null と Neyman's null の二つの観点から整理します。 【本日扱う内容】 ・ランダム化の方法と、系統的誤差・時間的傾向への対処 ・Fisher 流（sharp causal null）と Neyman 流（weak causal null）の検定と違い ・2値結果変数における response type と因果効果からの理解 ・検出力・推定精度の観点からの共変量調整 ・連続・2値・生存時間など、アウトカムごとの共変量調整の注意点 当日申込も可能です。見逃し配信（アーカイブ1か月）あり。 詳細はツリーへ▼

【明日 10/27 開講｜ランダム化比較試験における因果的な検討の基礎】 順天堂大学 坂巻 顕太郎先生による 120分のオンラインセミナーです（19:00–21:00）。 【学習ポイント】 ・実験計画の基本となるランダム化の方法と解析について学びます。 ・ランダム化を伴う比較における Fisher’s null と Neyman's null について、因果推論をもとに学びます。 ・アウトカムや効果指標に着目して、ランダム化比較試験における共変量調整について学びます。 前回好評であった内容を再び開催します。RCT のデザインと解析を因果的な議論を踏まえて整理し、実装手順の入口まで扱います。資料 DL 可・アーカイブ1か月。 詳細はツリーへ▼

📢【新着セミナー】 11/5(木) 18時より、東北大学より大竹 雄先生をお迎えし、セミナー『小標本の表データ予測をどう進めるか ― 表形式基盤モデル TabPFN：地盤データで学ぶ活用・解釈・PFN構築』を開催いたします。 表形式データでは、標本が限られる・特徴が混在する・チューニングに時間がかけられない、といった現場が少なくありません。本セミナーでは TabPFN を軸に、小標本での予測・不確実性・解釈・PFN の自作までを 120分で整理します。題材には地盤データを用いながら、他領域の表予測にも写像できる形で進めます。 【学習ポイント】 ・Prior-data Fitted Networks（PFN）の理論的背景として、予測誤差を最小化する学習がそのままベイズ推論になる理由を説明できるようになります。 ・TabPFN を実データに適用し、地盤特性の空間分布の推定や配合設計への使い方を掴み、階層ベイズモデル（HBM）と精度・計算コストを比較できるようになります。 ・TabPFN 内部の埋め込み空間を手がかりに、どの学習データに近いかを読み、予測の根拠を解釈する視点を身につけます。 ・独自の事前分布で PFN を作る流れを、地震動記録からの地盤構造の逆推定を例に理解します。 【セミナーで扱う内容】 1. PFN の理論的背景：予測誤差を最小化する学習が、そのままベイズ推論になる理由 2. TabPFN を使う：地盤特性の空間分布の推定、配合設計への適用、階層ベイズモデル（HBM）との比較 3. TabPFN の予測を解釈する：埋め込み空間で見るデータの構造 4. PFN を作る：地震動記録からの地盤構造の逆推定を例に 表形式データの予測・機械学習に関わる実務家・研究者・学生向けに、小標本〜中規模の表で階層ベイズなど従来手法との使い分けまでを整理する 120分セミナーです。Python による演習を行い、資料はダウンロードが可能です。終了後はアーカイブ動画を1か月ご覧いただけます。 詳細・お申し込みはツリーへ▼ #TabPFN #表形式データ #機械学習 #ベイズ推論 #地盤工学

📅【セミナーカレンダー】 今後の開催予定です（2026/10/26時点）。 ・10/27(火) 19:00　RCTの因果的検討（坂巻先生） ・11/5(木) 18:00　TabPFN入門（大竹先生） ・11/11(水) 18:00　dLLM入門（早川先生） ・11/25(水) 18:00　AI時代におけるベイズ推論（須山先生） ▼詳細・申込はツリーへ