でぃーぷらーにんぐってなぁに?

〜ぼんやりわかった気になる単語集〜

@maaya8585

@maaya8585    石田真彩

  • CSA(Cloud Solution Architect)

  • 週末フラダンサー

  • 好きなライブラリ:OpenCV / Pillow

Caution

この界隈の単語たちは

厳密に切り分け・区別のできない部分が多々あります。

今回はその中の1つの考え方として

とらえていただければ幸いです。

お話ししたい事

界隈の単語と概念のindexを作る

このセッションを聞いても

ディープラーニングできるようにはなりません。

ggrkと言われる前にぐぐれるようになれたらいいな。

Agenda

  • 分析・解析基礎単語

  • 改めてディープラーニングとは

Agenda

  • 分析・解析基礎単語

  • 改めてディープラーニングとは

三大基礎単語

  • 統計

  • 機械学習

  • AI

統計

データを数学統計データとして取り扱うこと

e.g.) 平均値・中央値・偏差 etc.

機械学習

  • データから傾向や法則を見出し、解析処理や予測処理を行う方法

  • 人間が与えた法則からデータの抽出を行わせる手法

機械学習

これはウサギです

教師あり学習

教師なし学習

強化学習

などなど。

学習パターン

機械学習 : 教師あり学習

  • 学習用に与えられたデータとその正解をペアで学習

  • ↑のデータにフィットさせながら評価をしていく手法

  • 認識・類似発見などの分野で活躍

機械学習 : 教師あり学習

機械学習 : 教師なし学習

学習データだけ与えられ「正解」がない状態で学習

データ全体の構造や法則だけを導き出す

機械学習 : 教師なし学習

スマホ派

利用頻度高

利用頻度低

PC派

機械学習 : 教師なし学習

スマホ派

利用頻度高

利用頻度低

PC派

機械学習 : 教師なし学習

スマホ派

利用頻度高

利用頻度低

PC派

機械学習 : 強化学習

  • 行動の選択肢と「報酬」を定義したデータを学習させる
  • 「報酬」は「連続した行動の結果」に与える
    • 1データ(1アクション)ではない
  • 連続した行動の結果にのみ報酬が与えられるためゴールに至るまでの行動に対する評価は学習の中で決定していく

機械学習 : 強化学習

○×ゲーム

勝ち:+2

引き分け:-0.5

負け:-3

2

1

2

1

3

2

1

3

報酬

-3

機械学習 : 強化学習

2

1

報酬

-3

2

1

2

1

3

報酬

+ 2

2

1

3

2

1

3

これなら勝てる!

ニューラルネットワーク

  • 機会学習の学習アルゴリズムの一つ

  • 人間の脳の神経細胞に模した学習モデル

  • 入力(入力層) から答え(出力層)を学習データとの関係性の変換処理(隠れ層)を行うことで答えを導き出す

  • 答えの形や条件を指定をする必要がない(特徴量の自動抽出)

ニューラルネットワーク

耳がある

尾がある

4足立ち

耳が

立ってる

耳小さい

くるん

エルフ

柴犬

スタ

キツネ

ザル

サソリ

プードル

ミドリ

ガメ

象亀

柴犬

脳みそ

ちゃん

一番線の数が

多いのは

ニューラル

ネットワーク

柴犬

この形に紐づく

正解データは

ニューラルネットワーク

柴犬

入力層

隠れ層

出力層

(特徴量自動抽出)

ニューラルネットワーク

ディープラーニング (ディープニューラルネットワーク)

  • 多層のニュートラルネットワークを用いた機械学習アルゴリズムの1つ

  • 多層  =  隠れ層の処理を3層以上重ねるとDeep Neural Network (DNN)と呼ばれるようになる 

    • 4層以上という人もいるし、正確な数は正直あいまい

AI

A I と聞いて何を思い浮かべますか?

AI

A I がなんなのか、

私が知りたい。

AI

ぼくのかんがえた

さいきょうのえーあい

基礎単語まとめ

全ての機械学習方法は教師あり・なしに二分できる、etc. 色々な考え方があると思います。

Agenda

  • 分析・解析基礎単語

  • 改めてディープラーニングとは

(改めて)ディープラーニングとは

多層ニュートラルネットワークを使った学習方法

対象のデータから特徴量を抽出・学習し、

対象データの認識などを行う。

(改めて)ディープラーニングとは

(改めて)ディープラーニングとは

ノード

エッジ

(改めて)ディープラーニングとは

  • 小さな特徴量を組み合わせて大きな特徴量の認識を行っていく
  • エッジに重み付けを行いノード重要度を次の層へ伝播させていく

(改めて)ディープラーニングとは

ディープラーニングが生まれたばかりの頃 (2012年)

max 12層

現在

max 1,000層以上

(改めて)ディープラーニングとは

1認識させるために必要な画像数

5,000 枚 〜

( DNN で良い結果がで始めると「言われている」枚数)

(改めて)ディープラーニングとは

DNN の隠し層についてはブラックボックス

  • 「層を重ねる」処理にどんな意味があるのか

  • そもそも隠し層の処理は対象データの「何を」みて学習しているのか

(改めて)ディープラーニングとは

http://playground.tensorflow.org/

ma to me

  • 機械学習の学習方法の1つ

  • ニューラルネットワークを多層実行すること

  • 特徴量の指定をする必要がない  

    • ニューラルネットワークの特徴

  • 実装方法は色々あるよ!

ディープラーニングとは

Fin.

20190511-pyladies-dl

By maaya ishida

20190511-pyladies-dl

  • 1,165