[2018/9/27(木): 三木会@大阪] プログラミング無しでここまでできる！Neural Network Console活用のススメ
•
5 recomendaciones•2,130 vistas
「プログラミング無しでここまでできる！Neural Network Console活用のススメ」 講師：足立 悠 (Haruka Adachi) 氏 2017年はAI元年、2018年はAIの民主化元年と言われるように、誰もがAIを使える社会が到来しつつある今、マウスのドラッグ＆ドロップだけで簡単にAI（ディープラーニング）モデルを作成できるNeural Network Consoleが注目を集めています。本セッションではNeural Network Consoleの概要と、時系列データの異常検知などを例に具体的な活用方法を紹介します。
Recomendados
Recomendados
Más contenido relacionado
La actualidad más candente
La actualidad más candente (20)
Similar a [2018/9/27(木): 三木会@大阪] プログラミング無しでここまでできる！Neural Network Console活用のススメ
Similar a [2018/9/27(木): 三木会@大阪] プログラミング無しでここまでできる！Neural Network Console活用のススメ (20)
Más de Insight Technology, Inc.
Más de Insight Technology, Inc. (20)
Último
Último (9)
[2018/9/27(木): 三木会@大阪] プログラミング無しでここまでできる！Neural Network Console活用のススメ
- 13. 13 GUIのAIツール
- 19. 19 目次 1. 深層学習とは 2. Neural Network Consoleとは 3. MNIST画像の分類 4. 時系列データの予測 5. 文章データの分類
- 20. 20 機械学習とは データから特徴量を抽出しパターンを見つける技術 説明変数 目的変数 学習データ 特徴量の抽出 学習モデルの作成 新規データ 特徴量の抽出 予測結果 学習 判定（推論） age job martial ・・・ deposit 59 admin 女 ・・・ yes 56 admin 男 yes 41 technician 女 yes age job martial ・・・ 59 admin 女 ・・・56 admin 男 41 technician 女 説明変数 deposit ？ ？ ？
- 24. 24 教師あり学習のアルゴリズム ● 決定木 ● 線形回帰 ● ロジスティック回帰 ● k近傍法 ● サポートベクタマシン ● パーセプトロン ● ニューラルネットワーク ・・・などなど 低 い 説明力 高 い
- 39. 39 目次 1. ディープラーニングとは 2. Neural Network Consoleとは 3. MNIST画像の分類 4. 時系列データの予測 5. 文章データの分類
- 41. 41 ドラッグ＆ドロップで操作
- 42. 42 ボタン1 つで学習を実行
- 43. 43 ボタン1 つで評価を実行
- 50. 50 EDIT（編集履歴）画面 ネットワークを作成する ［Layer Components］から入力層などのパーツをドラッグ＆ド ロップで配置し、ブロックの形状で表示されたパーツを線で繋 ぐ。
- 54. 54 目次 1. 深層学習とは 2. Neural Network Consoleとは 3. MNIST画像の分類 4. 時系列データの予測 5. 文章データの分類
- 58. 58 MLPの作成
- 59. 59 MLPの作成
- 61. 61 学習の実行 学習曲線の表示
- 63. 63 混同行列 ● Recall（再現率） ○ 正解から見て、正解と出力の分類結果が一致しているデータ数の割合。 ● Precision（適合率） ○ 出力値から見て、出力と正解の分類結果が一致しているデータ数の割合。 ● Accuracy（精度） pred pos pred neg Recall true pos TP FN true neg FP TN Precision （TP＋TN）／（TP＋FN＋FP＋TN）
- 67. 67 プーリング層の計算 ● 最大プーリング（左） ○ 一定の領域内の最大値を特徴量として残す。 ● ゼロパディング（右） ○ 入力データと特徴マップのサイズを維持する。
- 69. 69 CNNの作成
- 70. 70 学習の実行 学習曲線の表示
- 72. 72 目次 1. 深層学習とは 2. Neural Network Consoleとは 3. MNIST画像の分類 4. 時系列データの予測 5. 文章データの分類
- 74. 74 部分時系列の作成 スライド t (0) t (1) t (2) ・・・ t(71) 窓の幅72 t (1) t (2) t (3) ・・・ t(72) ・・・ t(N-3) t(N-2) t(N-1) 部分時系列 ・・・ 幅72（半日）の窓を使ってデータを抽出していく
- 80. 80 学習の実行 学習曲線の表示
- 84. 84 目次 1. 深層学習とは 2. Neural Network Consoleとは 3. MNIST画像の分類 4. 時系列データの予測 5. 文章データの分類
- 86. 86 単語文書行列の作成 各文書における単語の重みを考慮した単語文書行列 文書1 文書2 文書3 文書4 単語1 2 0 1 5 単語2 1 1 0 1 単語3 3 4 10 6 単語4 0 5 2 0 IDF 単語1 1.1 単語2 1.1 単語3 1.0 単語4 1.3 文書1 文書2 文書3 文書4 単語1 2.2 0 1.1 5.5 単語2 1.1 1.1 0.0 1.1 単語3 3.0 4.0 10.0 6.0 単語4 0.0 6.5 2.6 0.0 TF-IDF TF
- 89. 89 学習の実行 学習曲線の表示