機械学習の勉強はここから始めてみよう。ディープラーニングの基盤技術であるニューラルネットワーク(NN)を、知識ゼロの状態から概略を押さえつつ実装。さらにCNNやRNNも同様に学ぶ。これらの実装例を通して、TensorFlow 2とKerasにも習熟する連載。
#はじめに 最近、ニュースや記事でよく目にする“ ディープラーニング(Deep Learning) ” 。 ビジネスや社会にどのように影響を与え、活用されていくのかに興味ある方が多方面に増えてきている一方で、Deep Learningについて知りたいけれども、実際よくわからない…と感じている方も多く見受けられます。 実際にMM総研の「人工知能技術のビジネス活用概況」の調査結果によると、人工知能のビジネスへの導入率は、日本は他2カ国に比べかなり遅れをとっていることが読み取れます。 引用:https://www.m2ri.jp/news/detail.html?id=238 今回は、その基本的な疑問や実際どうビジネス活用できそうなのか皆さまが想像できるようになるよう、Deep Learningとは一体どういう技術なのか、俗にいう「人工知能(AI)」や「機械学習(ML)」との違いなど基本的な情報
機械学習の中にもロジスティック回帰、決定木、ナイーブベイズ、ニューラルネットワークと様々な学習プロセスが存在しますが、深層学習(別名ディープラーニング)は機械学習の手法の一つです。 2006年にディープラーニングが発表され、現在に至るまでの第三次AIブームの引き金となりました。本記事では「ディープラーニング」に焦点をあて、ディープラーニングの概要や簡単な仕組み、様々な種類のディープラーニングなど「エンジニアが知っておくべき深層学習の基本」をまとめました。 本記事はこれから機械学習を習得しようと考えているエンジニアの方へ向けた記事です。機械学習の基本的な理解があると読み進めやすいかと思いますので、機械学習をご存知ない方は下記の記事をお勧めします。 参照:いまさら聞けない!機械学習とは?人工知能と機械学習の関係や実例を交えて説明します ディープラーニングとは? ディープラーニングまたは深層学習
画像の領域を分割するタスクをSegmentation(領域分割)と呼び、Semantic Segmentationは「何が写っているか」で画像領域を分割するタスクのことを指す。 画像を物体領域単位で分類する物体認識や物体検出に対して、Semantic Segmentationは画像をpixel単位でどのクラスに属するか分類する。そのためPixel-labelingとも呼ばれる。 もちろんディープラーニング以前から様々な手法が提案されている。 https://news.mynavi.jp/article/cv_future-35/ https://news.mynavi.jp/article/cv_future-36/
今、人工知能は世界中の注目を集めている。そして、間違いなくその中心にいる主役は、「人工知能の革命」とも言われているディープラーニング(Deep Learning、深層学習)だ。ディープラーニングとはニューラルネットワークに対する機械学習の手法の一種で、他の機械学習技術では達成できないレベルの精度を実現できる、夢のような技術として期待されている。とはいえ、実際にはまだまだできないことも多く、万能な技術と言うには時期尚早なのが現状だ。 本連載は3回に渡り、今話題のディープラーニングについて解説する。第一回目は、なぜディープラーニングがここまで注目されるのか、何がすごいのか、そして同技術が注目されはじめた経緯とその理由を、エンジニアの視点からなるべくわかりやすく説明する。第二回目はニューラルネットワークのモデルと、ディープラーニング学習の仕方を紹介する。最終回は、同技術の応用例を事例集という形で
ディープラーニング(英: deep learning)または深層学習(しんそうがくしゅう)とは、対象の全体像から細部までの各々の粒度の概念を階層構造として関連させて学習する手法のことである[1][注釈 1]。深層学習は複数の独立した機械学習手法の総称であり、その中でも最も普及した手法は、(狭義には4層以上[2][注釈 2]の)多層の人工ニューラルネットワーク(ディープニューラルネットワーク、英: deep neural network; DNN)による機械学習手法である[3]。 要素技術としてはバックプロパゲーションなど、20世紀のうちに開発されていたものの、4層以上の深層ニューラルネットについて、局所最適解や勾配消失などの技術的な問題によって十分学習させられず、性能も芳しくなかった。しかし、ジェフリー・ヒントンの研究チームが2006年に多層ニューラルネットワークを用いたオートエンコーダを
近年、マーケティング分析や介護、看護支援、工場入退室管理などに使用するための人物属性推定や動作検出といった複雑な画像解析技術への利用ニーズが高まっている。 同社によると、IoTカメラを利用した画像解析には、画像を意味のあるデータに変換する「画像解析」と、IoTカメラ内で画像を解析し、クラウドと分散して処理する「分散処理」、顧客、現場ごとにカメラの状態を管理する「個別管理」の3つの要素が不可欠だという。 Vieurekaプラットフォームはこの3要素を実現するためのプラットフォームで、IoT機器による画像解析や、クラウドからIoT機器(CPU内蔵のIoTカメラ)の管理、IoTカメラ内のアプリのアップデートができ、IoT機器とAIを組み合わせたサービスを実現するために必要なアプリ開発のためのSDK(ソフトウェア開発キット)と運用基盤を提供している。 アプリケーション開発環境を拡張 関連記事 Mi
はじめに: 本講座は「機械学習ってなんか面倒くさそう」と感じている プログラマのためのものである。本講座では 「そもそも機械が『学習する』とはどういうことか?」 「なぜニューラルネットワークで学習できるのか?」といった 根本的な疑問に答えることから始める。 そのうえで「ニューラルネットワークでどのようなことが学習できるのか?」 という疑問に対する具体例として、物体認識や奥行き認識などの問題を扱う。 最終的には、機械学習のブラックボックス性を解消し、所詮は ニューラルネットワークもただのソフトウェアであり、 固有の長所と短所をもっていることを学ぶことが目的である。 なお、この講座では機械学習のソフトウェア的な原理を中心に説明しており、 理論的・数学的な基礎はそれほど厳密には説明しない。 使用環境は Python + PyTorch を使っているが、一度原理を理解してしまえば 環境や使用言語が
【2019/4月更新】学習済みの様々なディープラーニング・モデルをメチャ簡単に利用できる! Model Asset Exchange(MAX)をご紹介しますPython機械学習DeepLearningDockerBluemix TL;DR せっかくトレーニング済みの著名OSSディープラーニング・モデルがあっても、モデルだけじゃ専門家でないと再利用できないじゃん MAXなら1コマンドでDLモデルをRESTサービス化してくれるので、ややこしいことを知らない初心者でもモデルを楽に再利用できますよ~ (2019/04) Node-REDからも使えるよ って話です。 (2019/04/17) MAXが公開されて約1年たちましたが、Blog: 「Expanding the reach of the IBM Model Asset eXchange (2019/03/29)」に、この一年の振り返りと各種
テクノロジーが発達することで、専門家でなくてもニューラルネットワークを使って翻訳プログラムを作ることが可能になりました。とは言っても、全く知識がない人にその仕組みを理解するのは難しいもの。そこでライターのSamuel Lynn-Evansさんが自分で情報を調べつつ0から翻訳プログラムを作成し、その時に理解した仕組みを数式を使わずに説明しています。 Found in translation: Building a language translator from scratch with deep learning https://blog.floydhub.com/language-translator/ 言語は非常に複雑で、これまで機械翻訳を行うには何人もの専門家が必要でした。しかし、人工知能(AI)の発達により、もはや専門家でなくても機械翻訳を行うことが可能になりました。これまで専門家
人工知能開発は「儲けないと意味がない」 東大・松尾豊さんが見た“絶望と希望”:これからのAIの話をしよう(日本編)(1/4 ページ) 日本が人工知能開発で世界と戦う上で可能性のある分野や領域は。日本国内におけるディープラーニング研究の第一人者である東京大学の松尾豊特任准教授に聞く。 日本企業は世界とどう戦っていけばいいのか。競争力を高める一手段として、人工知能(AI)開発に注目が集まっている。日本国内におけるディープラーニング研究の第一人者である東京大学の松尾豊特任准教授は「シンプルに、日本企業が世界で大きなシェアを占める領域が何かを考え、そこにディープラーニングを組み合わせればいい」と話す。 インタビュー前編:なぜ日本は人工知能研究で世界に勝てないか 東大・松尾豊さんが語る“根本的な原因” 人工知能の研究、開発、ビジネスへの活用──何をする上でも、まずは企業がどうもうけるかを考えることか
Explore Azure Get to know Azure Discover secure, future-ready cloud solutions—on-premises, hybrid, multicloud, or at the edge Global infrastructure Learn about sustainable, trusted cloud infrastructure with more regions than any other provider Cloud economics Build your business case for the cloud with key financial and technical guidance from Azure Customer enablement Plan a clear path forward fo
TensorFlowは、分散学習をサポートしているGoogle製の実績あるディープラーニングライブラリです。 PythonやUNIXの扱いには慣れていて、それほど機械学習や数学にはあまり触れたことが無い方や、逆にアカデミックな世界にいるもののプログラミングをそれほど得意としていない方までディープラーニングを使ってみようと感じている人は増えてきているのではないでしょうか。 そこで、本記事ではそういった方でも、すぐにTensorFlowを使い始められるようにインストール方法を解説しています。おそらく、長くとも5分程度で終わるはずです。 pyenvの環境構築 pyenvは、複数のPythonのバージョンを管理できるコマンドラインツールでPython2.x系の環境や3.x系の環境を複数持っておくことで使いたいツールをすぐに試すことが出来るようになります。 pyenvが無くてもTensorFlowを
直感的かつ短いコードでアイデアを形にできるKerasはTensorFlowのラッパーとして大人気のライブラリです。本書でもTensorFlowをバックエンドとして使用し、自然言語処理、画像識別、画像生成、音声合成、テキスト生成、強化学習、AIゲームプレイなどさまざまなモデルをPythonとKerasで実装します。対象読者は、各種のディープラーニングを素早く実装したいプログラマー、データサイエンティスト。ディープラーニングを支える技術の速習にも好適です。数式はなるべく使わずにコードと図で説明します。ニューラルネットワークおよびPython 3の基本を理解している人であれば誰でも始めることができます。 目次 訳者まえがき まえがき 1章 ニューラルネットワークの基礎 1.1 パーセプトロン 1.1.1 最初のKerasのコードの例 1.2 多層パーセプトロン:最初のネットワークの例 1.2.1
ファナックと日立製作所、PFNの3社は、エッジデバイスにAI技術を活用したインテリジェントエッジシステムの開発を目指し、2018年4月2日付で合弁会社を設立する。新たなエッジ領域での情報基盤の開発を行う。 ファナックと日立製作所、Preferred Networks(PFN)の3社は2018年1月31日、エッジデバイスにAI技術を活用したインテリジェントエッジシステムの開発を目指し、2018年4月2日に合弁会社を設立すると発表した。 インテリジェントエッジシステムとは、クラウドと工作機械、産業機械、ロボットなどのエッジデバイスとの中間層においてAIを活用し、定時性を持ったリアルタイム制御を実現するシステムである。 新会社では、ファナックの工作機械やロボットに関する技術とノウハウ、日立製作所の製造現場における制御技術をはじめとしたOT(制御技術)およびIT(情報技術)の知見、そしてPFNのデ
JAXAと自工会がタッグ 自動運転などへの応用を見据え、まずは自動車技術の業界団体である日本自動車工業会(自工会)が動いた。セーフティクリティカル分野での安全確保の技術で日本トップレベルの知見を持つ組織であるJAXA(宇宙航空研究開発機構)と組んだことを2018年3月に発表した。 JAXAは一般にはソフトウエアやAIのイメージは薄いかもしれないが、JAXA 旧・情報・計算工学(JEDI)センター(現在の「第三研究ユニット」)において、ソフトウエア工学やソフトウエア検証技術などに積極的に取り組んできている。日本でのセーフティクリティカル向けソフトウエア技術のコミュニティにおいてリーダー的役割を果たしてきた組織だ注1)。 ディープラーニング(深層学習)技術についても既に宇宙機への応用を踏まえ、その安全確保のアプローチについて検討を始めている。宇宙機向けで培った安全確保のための手法は、機械学習を
追記 【2020年版・初心者向け】独学でAIエンジニアになりたい人向けのオススメの勉強方法 【保存版・初心者向け】独学でAIエンジニアになりたい人向けのオススメのAI勉強方法 また、Pythonや機械学習がオンライン上で学べるAI Academyをnoteでも書きましたが、3/17日からほとんどのコンテンツを永続的に無料で利用できるよう致しましたので、是非使って頂けますと幸いです。 AI Academy Bootcamp 我々が提供している個人向けオンラインAIブートキャンプのご紹介です。 AI Academy Bootcamp AI Academy Bootcampは、「短期間でAI活用スキルを付けたい」と考えている方や、 「データサイエンティスト」や「機械学習エンジニア」として就業を目指している方向けの AI特化型オンラインブートキャンプです。 講義動画とオンラインマンツーマンの演習授
スイマセン。クソ煽りタイトルですが、下記の記事のタイトル意訳しただけです。草生やして更にクソさを増してはいます。 Neural network AI is simple. So… Stop pretending you are a genius 個人的にはぜひ本文読んでこの記事のクソ煽りっぷりを満喫してほしいのですが、英語読むのもメンドクセという方に、何が書いてあるかをさらっとだけ説明すると。 要はニューラルネットワークって、↓のPythonで11行のコード分の処理やってるだけじゃね? こんなの使いまわした程度で「うはwww俺天才www」みたいな顔すんのやめろ、ってことのようです。 まぁハッキリ言って、クソ記事www煽り乙wwwなんですけど。 でもぶっちゃけ、真実なんですよ。ある面においては。 僕も今の会社に入るまでディープラーニングに関する知識ほぼゼロだったけど、今は少なくとも、自分の業
画像認識1)や音声認識2)、自動翻訳、さらには画像や音声といった情報の生成3-4)にまで広がり始めているディープラーニング(深層学習)。そんな飛ぶ鳥を落とす勢いのディープラーニングが、今度は移動ロボットの中核領域にまで波及し始めた。 LIDARやカメラなどのセンサ情報を基にロボットの自己位置を推定したり、周囲の環境地図を作成したりする、いわゆる「SLAM(simultaneous localization and mapping)」技術へのディープラーニングの適用である。 ドイツのTUM(Technical University of Munich)に在籍するキヤノンの技術者が、同大の研究者らと共同で開発した。その名も「CNN-SLAM」という技術である(図1)5)。
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く