![例：トピックの良くない移動
以下のスライドはつながりが悪い
理由：精度向上のスライドの直後に実験が始まっている
自動分類の精度向上 実験
?? レシピの自動分類に Support ?? レシピの自動分類精度を評価す
Vector Machine (SVM) る実験を行った
[Vapnik] を利用した
?? データ：COOKPAD のお料理
?? ここで SVM は二値分類器 カテゴリを利用
?? 高い汎化性能を誇る
?? 非線形問題にも対応 ?? アルゴリズム：SVM, Deep
Learning, Passive-Aggressive](https://image.slidesharecdn.com/introduceiton-sdlies-2-130114070916-phpapp02/85/-31-320.jpg)
![改善：トピックの移動
?? 精度向上のスライドの最後に次は実験を行うと宣言する。
NOTE: スライドの最後の一行は次のスライドへの布石
自動分類の精度向上 実験
?? レシピの自動分類に Support ?? レシピの自動分類精度を評価す
Vector Machine (SVM) る実験を行った
[Vapnik] を利用した
?? データ：COOKPAD のお料理
?? ここで SVM は二値分類器 カテゴリを利用
?? 高い汎化性能を誇る
?? 非線形問題にも対応 ?? アルゴリズム：SVM, Deep
Learning, Passive-Aggressive
→ 以下、性能を実験により評価](https://image.slidesharecdn.com/introduceiton-sdlies-2-130114070916-phpapp02/85/-32-320.jpg)
スライド作成入门
- 1. 伊藤 敬彦
- 2. 自己紹介 ?? PFI で働いてます ?? 発表は苦手 ?? Twitter アカウント：takahi_i ?? 今年 3５ 歳
- 3. 準備：プログラマは発表する ?? プログラマ?自分のやっていることをスライドで発表する ?? 発表する機会 –? 勉強会 –? オープンソースのカンファレンス ?? 発表者の希望：発表内容を理理解してもらいたい
- 4. 理解させる重要性 ?? 発表者の希望とは別に重要である理由もある –? “コスト” ?? 発表を聞いている人の時間を消費 –? 例：４０人に相手に一時間発表 –? 一時間で４０時間を消費 –? ４０時間＝一人の社員の一週間分の労働時間
- 5. 参考図书：理解されないのか ?? 題?目： Beyond bullet points. ?? 主題：どういうスライドが 理理解しにくいのか –? ?人の認知のメカニズム基 に解説 ??以下、この本を下敷き に、”スライドが理理解され るプロセス” を紹介する。
- 8. スライドによる発表とは 伝えたいことをスライド????の集合を利用して伝える 伝えたいこと
- 9. スライドによる発表の特徴 スライドを一枚づつ投影する（後戻りはできない） 伝えたいこと ２ １
- 10. スライドによる発表が目指すこと 登壇者が伝えたいことを、聴衆の記憶に構築する作業 伝えたいこと 聴衆の記憶 ?本では二種類の記憶が紹介されている
- 11. 人の認知：二種類の記憶領域 ?? 短期記憶 –? 直近の記憶 –? 領域は限られている（計算機のレジスタ） ?? 長期記憶 –? 過去の記憶 –? 大容量（計算機のハードディスク） –? 重要：短期記憶に保存されないと長期記憶に保存さ れない
- 12. スライドを通じた記憶の構築 一枚づつ表示されるスライドが短期記憶を通過して、長期 記憶に保存される 短期記憶 長期記憶 伝えたいこと
- 13. 発表が理解されない時 短期記憶を通過できないスライドが存在する時。 長期記憶 伝えたいこと 通過できない
- 16. スライドが短期记忆を通过できな い時 以下の二つの理由が多い ?? 一スライドあたりの情報多い ?? スライド間のつながりが悪い
- 17. スライドが短期记忆を通过できな い時 以下の二つの理由が多い ?? 一スライドあたりの情報多い ?? スライド間のつながりが悪い
- 18. 問題1：情報が多すぎ 一つのスライドに情報が多いと、理解を超えてしまう。 伝えたいこと ……………… ……………… ……………… ……………… ……………… 通れない。。。
- 19. 一スライドあたりの情報多い 情報が多くなってしまうのは以下の原因がある ?? 文字が多い –? 行数が多い、文が長い ?? 内容多過 –? トピックが複数 –? 新語の説明が無い –? 複雑な図
- 20. 良くない例 Hadoop の概略 ?? Apache Hadoopは大規模データの分散処理を支 えるJavaソフトウェアフレームワークであり、フ リーソフトウェアとして配布されている。 ?? Hadoopはアプリケーションが数千ノードおよび ペタバイト級のデータを処理することを可能として いる。 ?? Hadoop は Rack Awareness をサポートしている。 ?? HadoopはGoogleのMapReduceおよびGoogle File System(GFS)論文に触発されたものである。 Wikipedia より転載 Wikipedia より内容を一部転載
- 21. 改善：文を短く Apache Hadoop の概略 ?? 大規模データの分散処理を支えるJavaソフトウェ アフレームワーク ?? フリーソフトウェアとして配布 ?? ペタバイト級のデータを処理することを可能とする ?? Rack Awareness をサポート ?? Google の論文に触発され制作された Wikipedia より内容を一部転載
- 22. 改善：用語の解説を追加 Apache Hadoop の概略 ?? 大規模データの分散処理を支えるJavaソフトウェ アフレームワーク ?? フリーソフトウェアとして配布 ?? ペタバイト級のデータを処理することを可能とする ?? Rack Awareness (サーバクラスタの地理的位 置を考慮した最適化) のサポート ?? Google の論文に触発され制作された Wikipedia より内容を一部転載
- 23. 改善：スライドを分ける スライドを “概略” と ”スケーラビリティ” の二つに分解す る Hadoop の概略 Hadoop: Scalability ?? 大規模データの分散処理 ?? ペタバイト級のデータを を支えるJavaソフトウェ 処理することを可能とす アフレームワーク る ?? フリーソフトウェアとし ?? Rack Awareness (サーバ て配布 クラスタの地理的位置を ?? Google の論文に触発さ 考慮した最適化) のサポー れ制作された ト
- 24. よくない実例：情报が多い
- 25. スライドが短期记忆を通过できな い時 以下の二つの理由が多い ?? 一スライドあたりの情報多い ?? スライド間のつながりが悪い
- 26. 問題2：スライド間のつながり ?? 各スライドの情報量は適切でも、問題は起こる ??スライド間のつながりが悪いために理解が阻害 1.? 昔のトピックを扱う 2.? 何の前ふりも無く別のトピックに移動する ??上記二つの問題について具体例を見てゆく
- 27. 問題：昔のトピックを扱う ?? 通常一つの発表では複数のトピックを扱う –? 例： Hadoop に関する発表 ?? Hadoop の概要説明 ?? Hadoop の運用 Tips ?? 負荷の検証実験 ?? 解説が終わったトピックを、再び後のスライドで扱うと 聴衆の理解に負荷がかかる
- 28. 例：昔のトピックを扱う ?? Jubatus によるレシピの自動分類を紹介する発表。 ?? 問題点：手法説明がタスク（レシピ分類）の前後に分断。 Jubatus Jubatus レシピ レシピ分類 Jubatus 概要 性能 分類 タスク説明 で大規模処理 ?? ？ ?? 最後のスライドを見ている時、聴衆は Jubatus の詳細を 忘れている。
- 29. 改善：昔のトピックを扱う タスクが混線しないように整理 –? はじめにタスク（レシピ分類） –? 次にJubatus を利用するメリットを説明 レシピ レシピ分類 レシピは流 Jubatus Jubatus 分類 タスク説明 量が多い… 概要 性能
- 30. 问题：何の前ふりも无く别のト ピックに移動する ?? 通常一つの発表では複数のトピックを扱う ?? トピックが遷移するときに情報が無い ??聴衆を置いてけぼりにする
- 31. 例：トピックの良くない移動 以下のスライドはつながりが悪い 理由：精度向上のスライドの直後に実験が始まっている 自動分類の精度向上 実験 ?? レシピの自動分類に Support ?? レシピの自動分類精度を評価す Vector Machine (SVM) る実験を行った [Vapnik] を利用した ?? データ：COOKPAD のお料理 ?? ここで SVM は二値分類器 カテゴリを利用 ?? 高い汎化性能を誇る ?? 非線形問題にも対応 ?? アルゴリズム：SVM, Deep Learning, Passive-Aggressive
- 32. 改善：トピックの移動 ?? 精度向上のスライドの最後に次は実験を行うと宣言する。 NOTE: スライドの最後の一行は次のスライドへの布石 自動分類の精度向上 実験 ?? レシピの自動分類に Support ?? レシピの自動分類精度を評価す Vector Machine (SVM) る実験を行った [Vapnik] を利用した ?? データ：COOKPAD のお料理 ?? ここで SVM は二値分類器 カテゴリを利用 ?? 高い汎化性能を誇る ?? 非線形問題にも対応 ?? アルゴリズム：SVM, Deep Learning, Passive-Aggressive → 以下、性能を実験により評価
- 33. まとめ ?? 本、Beyond the bullet points の紹介 –? 人の理解の過程 –? どのような状況で分かりにくくなるのか ?? スライドの改善例を提示 ?? 注: 営業資料、提案資料の作成技術は今回行った話とは 大きく異なる?
- 34. 理解しやすいスライドを作る ?? 声に出してスライドを読む ?? 内容についてあまり詳しくない人に聞いてもらう ?? 时间内に説明が难しい场合は思い切って削除
- 35. ご清聴ありがとうございました。