Se ha denunciado esta presentación.
Utilizamos tu perfil de LinkedIn y tus datos de actividad para personalizar los anuncios y mostrarte publicidad más relevante. Puedes cambiar tus preferencias de publicidad en cualquier momento.
Cargando en…3
×
1 de 55

[AI01] いまさら聞けない、エンジニアのための機械学習のキホン

32

Compartir

Descargar para leer sin conexión

AI の実プロジェクトに取り組むには、機械学習の知識は欠かせません。多くの書籍/Web サイトの情報は機械学習の基礎知識のある人向けのものが多く、読んでみた/チュートリアルはやったものの、実案件に提案できない方も多いと思います。特に高い技術力を持つエンジニアほど陥りやすい罠が幾つかあります。
このセッションは、機械学習の概念を理解するために、その基礎からディープ ラーニングの入り口までを丁寧に解説します。

受講対象: 機械学習に興味がある全ての方に捧げます。機械学習をご存知の方には既知の内容ばかりなのでご注意ください。

製品/テクノロジ: AI (人工知能)/Deep Learning (深層学習)/Machine Learning (機械学習)

畠山 大有
日本マイクロソフト株式会社
デベロッパー エバンジェリズム統括本部
エバンジェリスト

Libros relacionados

Gratis con una prueba de 30 días de Scribd

Ver todo

Audiolibros relacionados

Gratis con una prueba de 30 días de Scribd

Ver todo

[AI01] いまさら聞けない、エンジニアのための機械学習のキホン

  1. 1. #decode17 #AI01
  2. 2. 2 + 3 = 5
  3. 3. 2 + 3 = 5 簡単 大変…
  4. 4. 2 + 3 = 5 簡単 大変…
  5. 5. それぞれの写真: 猫? Yes/No
  6. 6. Program = Algorithm 人が書く タスクの仕様の定義 アルゴリズムは固定 アルゴリズムは容易に説明できる ソフトウェアが書く 目的: 汎化 アルゴリズムはデータに依存 アルゴリズムは時間とともに変わる
  7. 7. データの中のパターンを、 コンピューターに 探させる (=学習させる)
  8. 8. 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 ?
  9. 9. 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 ? Yes Yes Yes 晴れ 曇り 雨 低い 高い なし ある
  10. 10. Two-Crass Boosted Decision Tree というアルゴリズムを選択した場合… どの “列” が 何の “値” だったら 妥当なのかを 選んでくれる! 複数の “Model” を 作ってくれる! (個数の指定が可能)
  11. 11. データ分割後の、 件数 “Model” と比較!
  12. 12. Input data Data Transformation Train Model Algorithm Split Data Score Model Evaluate Model
  13. 13. https://docs.microsoft.com/ja-jp/azure/machine-learning/machine-learning- algorithm-choice
  14. 14. http://aka.ms/MLCheatSheet 「“50K” から上か下か?」 つまり… 2つに「分類」 するので…
  15. 15. 数値予測 回帰分析 Regression ・売上予測 ・需要予測 ・品質管理 ラベル予測 分類 Classification ・不良品分析 ・故障予測 ・チャーン分析 ・販促効果測定 ・与信分析 データ分類 クラスタリング Clustering ・セグメンテーション ・顧客グルーピング ・メール キャンペーン
  16. 16. Goal: 値を予測する ゴールの例: 何個
  17. 17. • 車の各種情報 価格
  18. 18. Goal: 分類を予測する ゴールの例: 不正か Class 1 Class 2 2つ以上でも良い
  19. 19. 「不良種類(成功含む)」を 予測する分析器を作成
  20. 20. Goal: 構造を理解する ゴールの例: 顧客セグメント Cluster 1 Cluster 2 Cluster 3
  21. 21. 教師なし学習 がく片の幅 がく片の長さ データの類似性から 2種類に分類する
  22. 22. セトナ バージニカ がく片の幅 がく片の長さ
  23. 23. 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
  24. 24. トレーニング用データセット Features Target Value データ処理 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
  25. 25. 陥りやすい罠
  26. 26. 線 https://docs.microsoft.com/ja-jp/azure/machine-learning/machine-learning-algorithm-choice
  27. 27. • 訓練用 過学習 適合しなさすぎ (Underfitting) × × × × × × × × × × × × × × × × × × ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ × × × × × × × × × × × × × × × × × × ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ × × × × × × × × × × × × × × × × × × ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ちょうど良い 適合しすぎ (過学習:Overfitting)
  28. 28. データ量 データ項目(特徴)の数 データ項目(特徴)の数
  29. 29. 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
  30. 30. 重 み づ け 更 新 重 み づ け 更 新 重 み づ け 更 新 Cat Dog
  31. 31. • 畳み込み プーリング 画像の特徴を自動抽出 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
  32. 32. 統計理論に基づいている 理論に基づいているわけでない 計算量が膨大 爆発的に良い分析精度がでる 計算量の大きい深層学習は敷居が非常に高い
  33. 33. • コア数 行列計算 64bitもいらない
  34. 34. 機械学習 Deep Learning 深層強化学習 画像解析 音声解析 データ分類 異常検知, 顧客グルーピング 数値予測 売上予測, 需要予測, 品質管理 ラベル分類 不良品分析, 故障予測, チャーン分析 機械学習より強力な分析 自律学習型ロボット 自動運転車 テキストや画像等の自動生成 活用例 主に多層のニューラルネットワーク を用いた手法での分析 分析のためには、莫大なデータ量、 計算量、知識・スキルを要する 統計に基づいた手法での分析 そのため、比較的少ないデータ量と 計算量で分析を行うことができる 定義したあるべき姿に従い試行錯誤 をして自ら学習を行うための 分析手法である強化学習と、 深層学習を組み合わせた分析 Azure Machine Learning Cognitive Toolkit / GPU Instance (N-Series) マイクロソフトが提供する技術 機械学習の世界
  35. 35. 機械学習を行うのに必要なもの 大量の データ データ に対する 知見 データ分析 の 知識・経験 データ分析 ツール・ 基盤 × × × 分析用の大量のデータを 保持できる 分析用データの意味を 理解できる 分析内容やデータに適した アルゴリズムを 選択できる 大量データを分析できる ツールを持ち、 使いこなせる 最も重要
  36. 36. https://docs.com/cloudcamp/7472/ azure-developer-cloud-camp
  37. 37. セッションアンケートにご協力ください  専用アプリからご回答いただけます。 decode 2017  スケジュールビルダーで受講セッションを 登録後、アンケート画面からご回答ください。  アンケートの回答時間はたったの 15 秒です!
  38. 38. Ask the Speaker のご案内 本セッションの詳細は『Ask the Speaker Room』各コーナーカウンタにて ご説明させていただきます。是非、お立ち寄りください。
  39. 39. © 2017 Microsoft Corporation. All rights reserved. 本情報の内容(添付文書、リンク先などを含む)は、作成日時点でのものであり、予告なく変更される場合があります。

×