AIをあなたのツール化するための第一歩
•Descargar como PPTX, PDF•
1 recomendación•528 vistas
AI/機械学習は、多くの革新的を生み始めています。ですが、その実態を理解されている方は少ないのが実情です。 このセッションでは、AI/機械学習の今を取り上げるとともに、エンジニアが知っておくべき基礎知識を説明します。アプローチ、ツールなどを体系立てて取り上げます
Recomendados
Recomendados
Más contenido relacionado
Más de Daiyu Hatakeyama
Más de Daiyu Hatakeyama (20)
Último
Último (11)
AIをあなたのツール化するための第一歩
- 3. “機械学習” とは何か?
- 5. 天気 気温 風 試合をしたか? 晴れ 低い ある Yes 晴れ 高い ある No 晴れ 高い なし No 曇り 低い ある Yes 曇り 高い なし Yes 曇り 低い なし Yes 雨 低い ある No 雨 低い なし Yes 晴れ 低い なし ?
- 6. 天気 気温 風 試合をしたか? 晴れ 低い ある Yes 晴れ 高い ある No 晴れ 高い なし No 曇り 低い ある Yes 曇り 高い なし Yes 曇り 低い なし Yes 雨 低い ある No 雨 低い なし Yes 晴れ 低い なし ? 晴れ 曇り 雨 低い 高い なし ある
- 8. Two-Crass Boosted Decision Tree というアルゴリズムを選択Yes場 合… どの “列” が 何の “値” だったら 妥当なのかを 作ってくれる!複数の “Model” を 作ってくれる! (個数の指定が可 能)
- 11. Input data Data Transformation Train Model Algorithm Split Data Score Model Evaluate Model
- 20. Class 1 Class 2 2つ以上でも良い
- 26. 天気 気温 風 場所 試合をしたか? 晴れ 25 ある さいたま Yes 晴れ 27 ある さいたま Yes 晴れ 高い 10 東京 No 曇り 5 ある 千葉 No 雨 低い なし 神奈川 No
- 27. トレーニング用データセット Features Target Value データ処理(s) データ処理のためのモジュール 1) Raw Data ロー ド 2) トレーニン グ用のデータ 作成 Data 2 Data 1 Data N . . . 100011010011 110111110110
- 28. 候補 モデル 3) アルゴリズムのパラメータ の変更。もしくは、別のアル ゴリズムの選択 Feature 1 Feature 2 Feature 5 1) 別の features を選択 する アルゴリズム の選択 2) サンプルデータを追加する 学習用アルゴリズム
- 29. 陥りやすい 罠
- 31. 適合しなさすぎ (Underfitting) × × × × × × × × × × × × × × × × × × ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ × × × × × × × × × × × × × × × × × × ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ × × × × × × × × × × × × × × × × × × ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ちょうど良い 適合しすぎ (過学習：Overfitting)
- 34. Deep Learning 画像解析, 音声認識, 自動生成 機械学習 ラベル分類, 数値予測, データ分類 深層強化学習 自立学習型ロボット 自動運転車
- 35. 畳み込み プーリング 畳み込み プーリング 全結合層 出力入力 犬 (0.01) 猫 (0.04) ボート(0.94) 鳥 (0.01) ガウシアンフィルタの様な処理をして特徴を自動抽出する層
- 36. テキストデータ 機器のログデータなど 画像データ 監視カメラの録画データ, 機器の外観画像, 顔画像など 動画データ 監視カメラの録画データ, 機器の稼働状況, 人の作業映像など 音声データ マイクからの収集データ, 稼働音, 室内音, 人の音声など 数値データ センサーデータ, 機器の制御データ＆計測データなど67,234,23,45... 機械学習 ・統計理論に基づいた 分析手法を用いる ・用意するべきデータ量と 処理する計算量の敷居が低め ・導入しやすい Deep Learning ・データ量が大きいため、 強力な分析手法が必要 ・「膨大なデータ量を用意」 「莫大な計算量を処理」 が必要で、敷居が非常に高い ・導入にはそれなりの覚悟が必要
- 37. Language Speech Search Machine Learning Knowledge Vision Spell check Speech API Entity linking Recommendation API Bing autosuggest Computer vision Emotion Forecasting Text to speech Thumbnail generation Anomaly detection Custom recognition (CRIS) Bing image search Web language model Customer feedback analysis Academic knowledge OCR, tagging, captioning Sentiment scoring Bing news search Bing web search Text analytics Cognitive Services APIs
- 39. アルゴリズムとして実装
- 45. © 2016 Microsoft Corporation. All rights reserved. Microsoft, Windows, Windows Vista and other product names are or may be registered trademarks and/or trademarks in the U.S. and/or other countries. The information herein is for informational purposes only and represents the current view of Microsoft Corporation as of the date of this presentation. Because Microsoft must respond to changing market conditions, it should なしt be interpreted to be a commitment on the part of Microsoft, and Microsoft canなしt guarantee the accuracy of any information provided after the date of this presentation. MICROSOFT MAKES なし WARRANTIES, EXPRESS, IMPLIED OR STATUTORY, AS TO THE INFORMATION IN THIS PRESENTATION.
- 46. Bot framework