ディープラーニングを座学と実践で学ぼう!Pythonで動かして学ぶ機械学習入門イベントレポ

先日21cafeで「Pythonで動かして学ぶ機械学習入門」と題し、機械学習(=ディープラーニング)に関する勉強会が開催されました。この勉強会は全4回で構成されており、第3回目となる今回は21cafeが会場となっています。その様子をレポートします。

20161116_!

前半:ディープラーニングについての座学

某コンサルティングファームにてデータ分析業務に従事されている菊田遥平(きくた ようへい)氏に「ディープラーニングの性質・理論」についてお話いただきました。

■ディープラーニング理論

発表者:菊田遥平 氏

20161116_3

近年、「人工知能」「機械学習」「ディープラーニング」というワードをあらゆる場面で耳にします。そもそも「ディープラーニング」とは一体どのようなものなのでしょう。

■ディープラーニングとは何か?

ディープラーニングとは、システムがデータの特徴を学習して事象の認識や分類を行う「機械学習」の手法のことをいい、脳の神経をモデルにして開発されてきました。

20161116_4

ディープラーニングの主な分野としては以下のようなものがあります。

・画像認識、動画分析
・自動運転
・音声認識及び翻訳
・自然言語処理
・推薦システム
・画像生成
・ゲーム操作、ロボット制御
など

 

■ディープラーニングの話題

ディープラーニングが使用された事例が年々増えてきています。グーグル傘下の英グーグル・ディープマインド社が開発した囲碁の人工知能「アルファ碁 (AlphaGo)」と、世界で最も強い棋士の一人である韓国の李セドル九段(33)との対戦が行われ、アルファ碁が勝利しました。また、質問応答システムなどの「自然言語の分野」や、「画像生成の分野」も活発になってきています。

20161116_5

■機械学習の有用性とディープラーニングの課題

機械学習は、課題解決に対して現代の人々が採用すべき協力なアプローチとなります。大量なデータを使用し、必要な資源が必要な時に必要な分だけ準備可能です。
Pythonに代表される豊富な機械学習ライブラリを有する言語の発展により、機械学習を実際に触れる機械がますます増えてきました。

しかし、ディープラーニングの手法ができたことで、なんでも学習ができる人工知能ができるのかというとそうではありません。ディープラーニングは、構造の階層を深く、要素を多くすることで計算量が多くなり、学習に時間がかかりすぎるという問題があります。ディープラーニングの理論が30年前にできていたにもかかわらず、最近花開いたのには、コンピュータの処理速度の進化を待たなければいけなかったからです。

また、階層の深さや学習のさせ方によっては学習がうまくいかないことがあります。こちらは現在研究が進められており、様々なタスクにあった様々な手法が提案されています。

次のページ:
「Keras」を使って、ディープラーニングのモデルの実装

 

関連する記事

facebook

案件情報や最新記事をお届けします。
ぜひチェックしてみてください。