UT Startup Gym で人生が変わった話

Apr 27, 20132 likes1,268 views

Shuhei Iitsuka

2013/4/27 UT Startup Gym 第 3 期成果発表会＋第 4 期募集説明会で講演した時の資料です。

UT Startup Gym で
僕の人生が変わった話
2013/04/28 UT Startup Gym1
飯塚修平 @tushuhei

2013/04/28 UT Startup Gym2
飯塚修平 @tushuhei!
東京大学大学院修士２年生!
UT Startup Gym 代表!

2013/04/28 UT Startup Gym3
飯塚修平（２０）!
プログラミングに目覚める前。!

2013/04/28 UT Startup Gym5
あることをきっかけにウェブに目覚める。

2013/04/28 UT Startup Gym6
シリコンバレー海外研修旅行!

2013/04/28 UT Startup Gym11
僕と同世代の人が
本気で
ビジネスをしている

2013/04/28 UT Startup Gym12
あの有名サービスが
たった数十人で
動かされている

2013/04/28 UT Startup Gym13 !The!Social!Network!,!Sony!Pictures

2013/04/28 UT Startup Gym14
プログラミングを学ぶことを決意!

2013/04/28 UT Startup Gym15
Ohma Inc.
amachang との出会い

2013/04/28 UT Startup Gym18
お花サプライズ！のリリース

2013/04/28 UT Startup Gym23
Evernote Hackathon!
in Tokyo

2013/04/28 UT Startup Gym24
bokete 和田裕介氏 ! !東京大学松尾豊氏!
Amazon 堀内康弘氏! !CAC 熊澤公平氏!
オンラボ前田紘典氏 !KDDI 大野高宏氏 !!
Lang-8 喜洋洋氏! ! !Gunosy 関喜史氏!
papelook 小澤一郎氏! !qiita 横井孝典氏!
@parosky, @nao_eco...
さまざまなゲストとの出会い

2013/04/28 UT Startup Gym28
課題：!
成功するウェブサービス
をつくる

2013/04/28 UT Startup Gym30
HACK
BEFORE AFTER

2013/04/28 UT Startup Gym31
一緒にアイデアをカタチにしよう

The document presents a study on online and offline handwritten Chinese character recognition. A deep learning model is proposed that incorporates directional decomposition of characters into an 8-direction feature map. This model achieves state-of-the-art results on benchmark datasets while using less memory than comparison methods. The model can also be adapted through an unsupervised adaptation layer to new domains without requiring large labeled datasets.

Inferring win–lose product network from user behaviorShuhei Iitsuka

1) The document proposes a new method to analyze relationships between substitute products using user browsing and purchase behavior data from e-commerce sites. It examines which products are superior to others in attractiveness. 2) The method was tested on wedding venue data from a Japanese wedding planning site. It accurately identified competitive and win-lose relationships between venues based on correlations with user survey data. 3) The method also extracts keywords explaining why one product is superior by analyzing reviews from users who chose that product over others. This provided more accurate superiority factors than a simple baseline method.

バリエーションの提示がもたらす長期的効果に着目したウェブサイト最適化手法 @第３１回人工知能学会全国大会Shuhei Iitsuka

ウェブサイトの収益性を向上させる手法として、ウェブサイト最適化が広く活用されている。しかし、既存のウェブサイト最適化の枠組みはクリック率や購入率などの即時的な指標に着目したものが多く、ユーザに提示されたバリエーションがもたらす長期的な効果まで考慮して最適化を行う枠組みは少ない。そこで本研究では、ウェブサイト最適化がもたらす長期的な効果を考慮して最適なバリエーションを探索する手法を提案する。

Procedural modeling using autoencoder networksShuhei Iitsuka

1) The document proposes using autoencoder neural networks to reduce the dimensionality of procedural modeling parameters for 3D shapes. This creates a lower-dimensional latent space that organizes shapes based on similarity. 2) A user study showed that combining shape features with procedural parameters in the latent space improved the usability of the design system by generating a space organized by shape similarity. 3) The proposed method allows for an intuitive exploration of the design space compared to conventional procedural modeling interfaces but may limit the representational capacity of the design space.

Generating sentences from a continuous spaceShuhei Iitsuka

1) The document summarizes a research paper that proposed using a variational autoencoder (VAE) model to generate natural language sentences from a continuous latent space. 2) It showed the VAE model could outperform an RNN language model baseline on a missing word imputation task, suggesting the VAE better captures global sentence characteristics. 3) Analysis found the VAE learns topics and lengths of sentences, and can generate grammatical sentences when interpolating in the latent space, showing promise for text generation.

ウェブサイト最适化のためのバリエーション自动生成システムShuhei Iitsuka

Improving the Sensitivity of Online Controlled Experiments by Utilizing Pre-E...Shuhei Iitsuka

CUPED is a technique that uses pre-experiment data to reduce the variability of metrics in online controlled experiments. It works by adjusting the metrics based on their correlation with covariates from prior data to remove between-group variability. Experiments at Bing showed CUPED reduced metric variance by 50% and found significant results faster. The effectiveness depends on how well the covariates predict the metrics and that the covariates are measured before the experiment starts.

Machine learning meets web developmentShuhei Iitsuka

This document discusses how machine learning can be used by web developers, designers, and marketers in addition to product engineers. It provides examples of how machine learning can enable interactive data visualization for designers, A/B testing of website variations by developers to determine the best performing version, and mapping of products in multi-dimensional preference spaces based on user behavior logs to help marketers. The conclusion is that machine learning has applications beyond product engineering and can also benefit other roles in web development.

Python と Xpath でウェブからデータをあつめるShuhei Iitsuka

リミックスからはじめる DTM 入門Shuhei Iitsuka

【DBDA 勉強会 2013 夏】Chapter 12: Bayesian Approaches to Testing a Point (‘‘Null’’...Shuhei Iitsuka

Asia Trend Map: Forecasting “Cool Japan” Content Popularity on Web DataShuhei Iitsuka

This document discusses a system called Asia Trend Map that forecasts the popularity of Japanese content such as anime, manga, and games in Asian countries over the next 6 months. The system collects data on these cultural products from Twitter, Wikipedia, and search engines in different Asian languages and uses this web data along with past Japanese sales data to train a model that can predict future trends. The results showed the system could improve its predictive accuracy by combining data sources and that Wikipedia data, especially page content attributes, was particularly helpful for predicting longer term trends.

【DBDA 勉強会 2013 夏】Doing Bayesian Data Analysis Chapter 4: Bayes’ RuleShuhei Iitsuka

ウェブサイトで収益を得るShuhei Iitsuka

HTML で自己紹介ページをつくるShuhei Iitsuka

データベースを使おうShuhei Iitsuka

テ?ータヘ?ースを使おうShuhei Iitsuka

第3期キックオフ説明会＋勉强会 Shuhei Iitsuka

かんたん Twitter アプリをつくろう Shuhei Iitsuka

ペルソナシナリオとプロトタイプShuhei Iitsuka

ペルソナシナリオとプロトタイプ２Shuhei Iitsuka

UT Startup Gym とは @第2期製品発表 Shuhei Iitsuka

奥别产サーバ、贬罢惭尝Shuhei Iitsuka

Ruby on Rails の規約Shuhei Iitsuka

PHP 入門Shuhei Iitsuka

GitShuhei Iitsuka

More Related Content

More from Shuhei Iitsuka (20)

Improving the Sensitivity of Online Controlled Experiments by Utilizing Pre-E...Shuhei Iitsuka

Machine learning meets web developmentShuhei Iitsuka

Python と Xpath でウェブからデータをあつめるShuhei Iitsuka

リミックスからはじめる DTM 入門Shuhei Iitsuka

【DBDA 勉強会 2013 夏】Chapter 12: Bayesian Approaches to Testing a Point (‘‘Null’’...Shuhei Iitsuka

Asia Trend Map: Forecasting “Cool Japan” Content Popularity on Web DataShuhei Iitsuka

【DBDA 勉強会 2013 夏】Doing Bayesian Data Analysis Chapter 4: Bayes’ RuleShuhei Iitsuka

ウェブサイトで収益を得るShuhei Iitsuka

HTML で自己紹介ページをつくるShuhei Iitsuka

データベースを使おうShuhei Iitsuka

テ?ータヘ?ースを使おうShuhei Iitsuka

第3期キックオフ説明会＋勉强会 Shuhei Iitsuka

かんたん Twitter アプリをつくろう Shuhei Iitsuka

ペルソナシナリオとプロトタイプShuhei Iitsuka

ペルソナシナリオとプロトタイプ２Shuhei Iitsuka

UT Startup Gym とは @第2期製品発表 Shuhei Iitsuka

奥别产サーバ、贬罢惭尝Shuhei Iitsuka

Ruby on Rails の規約Shuhei Iitsuka

PHP 入門Shuhei Iitsuka

GitShuhei Iitsuka

Improving the Sensitivity of Online Controlled Experiments by Utilizing Pre-E...Shuhei Iitsuka

Machine learning meets web developmentShuhei Iitsuka

Python と Xpath でウェブからデータをあつめるShuhei Iitsuka

リミックスからはじめる DTM 入門Shuhei Iitsuka

【DBDA 勉強会 2013 夏】Chapter 12: Bayesian Approaches to Testing a Point (‘‘Null’’...Shuhei Iitsuka

Asia Trend Map: Forecasting “Cool Japan” Content Popularity on Web DataShuhei Iitsuka

【DBDA 勉強会 2013 夏】Doing Bayesian Data Analysis Chapter 4: Bayes’ RuleShuhei Iitsuka

ウェブサイトで収益を得るShuhei Iitsuka

HTML で自己紹介ページをつくるShuhei Iitsuka

データベースを使おうShuhei Iitsuka

テ?ータヘ?ースを使おうShuhei Iitsuka

第3期キックオフ説明会＋勉强会 Shuhei Iitsuka

かんたん Twitter アプリをつくろう Shuhei Iitsuka

ペルソナシナリオとプロトタイプShuhei Iitsuka

ペルソナシナリオとプロトタイプ２Shuhei Iitsuka

UT Startup Gym とは @第2期製品発表 Shuhei Iitsuka

奥别产サーバ、贬罢惭尝Shuhei Iitsuka

Ruby on Rails の規約Shuhei Iitsuka

PHP 入門Shuhei Iitsuka

GitShuhei Iitsuka

UT Startup Gym で人生が変わった話

1. UT Startup Gym で僕の人生が変わった話 2013/04/28 UT Startup Gym1 飯塚修平 @tushuhei

2. 2013/04/28 UT Startup Gym2 飯塚修平 @tushuhei! 東京大学大学院修士２年生! UT Startup Gym 代表!

3. 2013/04/28 UT Startup Gym3 飯塚修平（２０）! プログラミングに目覚める前。!

4. 2013/04/28 UT Startup Gym4 よくいる大学生である。!

5. 2013/04/28 UT Startup Gym5 あることをきっかけにウェブに目覚める。

6. 2013/04/28 UT Startup Gym6 シリコンバレー海外研修旅行!

7. 2013/04/28 UT Startup Gym7

8. 2013/04/28 UT Startup Gym8

9. 2013/04/28 UT Startup Gym9

10. 2013/04/28 UT Startup Gym10

11. 2013/04/28 UT Startup Gym11 僕と同世代の人が本気でビジネスをしている

12. 2013/04/28 UT Startup Gym12 あの有名サービスがたった数十人で動かされている

13. 2013/04/28 UT Startup Gym13 !The!Social!Network!,!Sony!Pictures

14. 2013/04/28 UT Startup Gym14 プログラミングを学ぶことを決意!

15. 2013/04/28 UT Startup Gym15 Ohma Inc. amachang との出会い

16. 2013/04/28 UT Startup Gym16

17. 2013/04/28 UT Startup Gym17

18. 2013/04/28 UT Startup Gym18 お花サプライズ！のリリース

19. 2013/04/28 UT Startup Gym21

20. 2013/04/28 UT Startup Gym22

21. 2013/04/28 UT Startup Gym23 Evernote Hackathon! in Tokyo

22. 2013/04/28 UT Startup Gym24 bokete 和田裕介氏 ! !東京大学松尾豊氏! Amazon 堀内康弘氏! !CAC 熊澤公平氏! オンラボ前田紘典氏 !KDDI 大野高宏氏 !! Lang-8 喜洋洋氏! ! !Gunosy 関喜史氏! papelook 小澤一郎氏! !qiita 横井孝典氏! @parosky, @nao_eco... さまざまなゲストとの出会い

23. 2013/04/28 UT Startup Gym25

24. 2013/04/28 UT Startup Gym26

25. 2013/04/28 UT Startup Gym27

26. 2013/04/28 UT Startup Gym28 課題：! 成功するウェブサービスをつくる

27. 2013/04/28 UT Startup Gym 29

28. 2013/04/28 UT Startup Gym30 HACK BEFORE AFTER

29. 2013/04/28 UT Startup Gym31 一緒にアイデアをカタチにしよう

狠狠撸

UT Startup Gym で人生が変わった話

Recommended

More Related Content

More from Shuhei Iitsuka (20)

UT Startup Gym で人生が変わった話