Enviar búsqueda
Cargar
オトナのプログラミング勉強会 オトナのDeep Learning 2016-11
•
2 recomendaciones
•
1,606 vistas
Katsuhiro Morishita
Seguir
熊本で毎月開催されているオトナのプログラミング勉強会の2016年11月に開催された「オトナのDeep Learning」のスライド資料です。
Leer menos
Leer más
Datos y análisis
Denunciar
Compartir
Denunciar
Compartir
1 de 64
Descargar ahora
Descargar para leer sin conexión
Recomendados
CVPR2017 参加報告 速報版 本会議 2日目
CVPR2017 参加報告 速報版 本会議 2日目
Atsushi Hashimoto
CVPR2017 参加報告 速報版 本会議 4日目
CVPR2017 参加報告 速報版 本会議 4日目
Atsushi Hashimoto
CVPR2017 参加報告 速報版 本会議3日目
CVPR2017 参加報告 速報版 本会議3日目
Atsushi Hashimoto
形態素解析器 MeCab の新語・固有表現辞書 mecab-ipadic-NEologd のご紹介
形態素解析器 MeCab の新語・固有表現辞書 mecab-ipadic-NEologd のご紹介
Toshinori Sato
JSAI's AI Tool Introduction - Deep Learning, Pylearn2 and Torch7
JSAI's AI Tool Introduction - Deep Learning, Pylearn2 and Torch7
Kotaro Nakayama
ドメイン駆動設計の基礎知識:設計のスタイル、開発のスタイル
ドメイン駆動設計の基礎知識:設計のスタイル、開発のスタイル
増田 亨
ドメイン駆動設計 基本を理解する
ドメイン駆動設計 基本を理解する
増田 亨
[最新版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
[最新版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
Yuki Arase
Recomendados
CVPR2017 参加報告 速報版 本会議 2日目
CVPR2017 参加報告 速報版 本会議 2日目
Atsushi Hashimoto
CVPR2017 参加報告 速報版 本会議 4日目
CVPR2017 参加報告 速報版 本会議 4日目
Atsushi Hashimoto
CVPR2017 参加報告 速報版 本会議3日目
CVPR2017 参加報告 速報版 本会議3日目
Atsushi Hashimoto
形態素解析器 MeCab の新語・固有表現辞書 mecab-ipadic-NEologd のご紹介
形態素解析器 MeCab の新語・固有表現辞書 mecab-ipadic-NEologd のご紹介
Toshinori Sato
JSAI's AI Tool Introduction - Deep Learning, Pylearn2 and Torch7
JSAI's AI Tool Introduction - Deep Learning, Pylearn2 and Torch7
Kotaro Nakayama
ドメイン駆動設計の基礎知識:設計のスタイル、開発のスタイル
ドメイン駆動設計の基礎知識:設計のスタイル、開発のスタイル
増田 亨
ドメイン駆動設計 基本を理解する
ドメイン駆動設計 基本を理解する
増田 亨
[最新版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
[最新版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
Yuki Arase
サポーターズ勉強会スライド
サポーターズ勉強会スライド
Kensuke Mitsuzawa
サポーターズ勉強会スライド 2018/2/27
サポーターズ勉強会スライド 2018/2/27
Kensuke Mitsuzawa
A Deep Reinforcement Learning Chatbot
A Deep Reinforcement Learning Chatbot
Takahiro Yoshinaga
関西Cvprml勉強会2017.9資料
関西Cvprml勉強会2017.9資料
Atsushi Hashimoto
リッチなドメインモデル 名前探し
リッチなドメインモデル 名前探し
増田 亨
Web 議論の自動ファシリテーションのための事前知識を用いた質問生成手法
Web 議論の自動ファシリテーションのための事前知識を用いた質問生成手法
siramatu-lab
効率的学習 / Efficient Training(メタサーベイ)
効率的学習 / Efficient Training(メタサーベイ)
cvpaper. challenge
Chainer with natural language processing hands on
Chainer with natural language processing hands on
Ogushi Masaya
卒論執筆・スライド作成のポイント
卒論執筆・スライド作成のポイント
Tsubasa Hirakawa
Pythonの環境導入 2014年春季版
Pythonの環境導入 2014年春季版
Katsuhiro Morishita
VBAにおける配列の データ構造と行列
VBAにおける配列の データ構造と行列
Katsuhiro Morishita
Pyenvで幸せになろう.py
Pyenvで幸せになろう.py
2bo 2bo
あひる焼きの歴史 ver0.1
あひる焼きの歴史 ver0.1
2bo 2bo
Node.js with WebRTC DataChannel
Node.js with WebRTC DataChannel
mganeko
実装ディープラーニング
実装ディープラーニング
Yurie Oka
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
Katsuhiro Morishita
VBAとPythonで始める数値計算教育
VBAとPythonで始める数値計算教育
Katsuhiro Morishita
中心極限定理
中心極限定理
Katsuhiro Morishita
海洋調査用ブイの水深制御のためのPID制御パラメータの求め方
海洋調査用ブイの水深制御のためのPID制御パラメータの求め方
Katsuhiro Morishita
【VR Tech Tokyo #6@Microsoft】VR開発しくじり先生 ~OculusStoreにリジェクトされるのが得意なフレンズなんだね~
【VR Tech Tokyo #6@Microsoft】VR開発しくじり先生 ~OculusStoreにリジェクトされるのが得意なフレンズなんだね~
Yuuki Ogino
Pythonによる機械学習入門 ~Deep Learningに挑戦~
Pythonによる機械学習入門 ~Deep Learningに挑戦~
Yasutomo Kawanishi
Presentation-09022015
Presentation-09022015
Bo Dong
Más contenido relacionado
La actualidad más candente
サポーターズ勉強会スライド
サポーターズ勉強会スライド
Kensuke Mitsuzawa
サポーターズ勉強会スライド 2018/2/27
サポーターズ勉強会スライド 2018/2/27
Kensuke Mitsuzawa
A Deep Reinforcement Learning Chatbot
A Deep Reinforcement Learning Chatbot
Takahiro Yoshinaga
関西Cvprml勉強会2017.9資料
関西Cvprml勉強会2017.9資料
Atsushi Hashimoto
リッチなドメインモデル 名前探し
リッチなドメインモデル 名前探し
増田 亨
Web 議論の自動ファシリテーションのための事前知識を用いた質問生成手法
Web 議論の自動ファシリテーションのための事前知識を用いた質問生成手法
siramatu-lab
効率的学習 / Efficient Training(メタサーベイ)
効率的学習 / Efficient Training(メタサーベイ)
cvpaper. challenge
Chainer with natural language processing hands on
Chainer with natural language processing hands on
Ogushi Masaya
卒論執筆・スライド作成のポイント
卒論執筆・スライド作成のポイント
Tsubasa Hirakawa
La actualidad más candente
(9)
サポーターズ勉強会スライド
サポーターズ勉強会スライド
サポーターズ勉強会スライド 2018/2/27
サポーターズ勉強会スライド 2018/2/27
A Deep Reinforcement Learning Chatbot
A Deep Reinforcement Learning Chatbot
関西Cvprml勉強会2017.9資料
関西Cvprml勉強会2017.9資料
リッチなドメインモデル 名前探し
リッチなドメインモデル 名前探し
Web 議論の自動ファシリテーションのための事前知識を用いた質問生成手法
Web 議論の自動ファシリテーションのための事前知識を用いた質問生成手法
効率的学習 / Efficient Training(メタサーベイ)
効率的学習 / Efficient Training(メタサーベイ)
Chainer with natural language processing hands on
Chainer with natural language processing hands on
卒論執筆・スライド作成のポイント
卒論執筆・スライド作成のポイント
Destacado
Pythonの環境導入 2014年春季版
Pythonの環境導入 2014年春季版
Katsuhiro Morishita
VBAにおける配列の データ構造と行列
VBAにおける配列の データ構造と行列
Katsuhiro Morishita
Pyenvで幸せになろう.py
Pyenvで幸せになろう.py
2bo 2bo
あひる焼きの歴史 ver0.1
あひる焼きの歴史 ver0.1
2bo 2bo
Node.js with WebRTC DataChannel
Node.js with WebRTC DataChannel
mganeko
実装ディープラーニング
実装ディープラーニング
Yurie Oka
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
Katsuhiro Morishita
VBAとPythonで始める数値計算教育
VBAとPythonで始める数値計算教育
Katsuhiro Morishita
中心極限定理
中心極限定理
Katsuhiro Morishita
海洋調査用ブイの水深制御のためのPID制御パラメータの求め方
海洋調査用ブイの水深制御のためのPID制御パラメータの求め方
Katsuhiro Morishita
【VR Tech Tokyo #6@Microsoft】VR開発しくじり先生 ~OculusStoreにリジェクトされるのが得意なフレンズなんだね~
【VR Tech Tokyo #6@Microsoft】VR開発しくじり先生 ~OculusStoreにリジェクトされるのが得意なフレンズなんだね~
Yuuki Ogino
Pythonによる機械学習入門 ~Deep Learningに挑戦~
Pythonによる機械学習入門 ~Deep Learningに挑戦~
Yasutomo Kawanishi
Presentation-09022015
Presentation-09022015
Bo Dong
PhoneGap勉強会 in 熊本
PhoneGap勉強会 in 熊本
Suguru Murakami
Python東海の紹介.py
Python東海の紹介.py
2bo 2bo
タイピング練習のすゝめ
タイピング練習のすゝめ
Katsuhiro Morishita
QGISやってみた 人口動態データのプロット
QGISやってみた 人口動態データのプロット
Katsuhiro Morishita
Nhk高専ロボットコンテスト2014のルールを読んで考えたこと
Nhk高専ロボットコンテスト2014のルールを読んで考えたこと
Katsuhiro Morishita
Facebookグループの作り方
Facebookグループの作り方
Katsuhiro Morishita
Tk 1315 gps受信機のコマンド
Tk 1315 gps受信機のコマンド
Katsuhiro Morishita
Destacado
(20)
Pythonの環境導入 2014年春季版
Pythonの環境導入 2014年春季版
VBAにおける配列の データ構造と行列
VBAにおける配列の データ構造と行列
Pyenvで幸せになろう.py
Pyenvで幸せになろう.py
あひる焼きの歴史 ver0.1
あひる焼きの歴史 ver0.1
Node.js with WebRTC DataChannel
Node.js with WebRTC DataChannel
実装ディープラーニング
実装ディープラーニング
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
VBAとPythonで始める数値計算教育
VBAとPythonで始める数値計算教育
中心極限定理
中心極限定理
海洋調査用ブイの水深制御のためのPID制御パラメータの求め方
海洋調査用ブイの水深制御のためのPID制御パラメータの求め方
【VR Tech Tokyo #6@Microsoft】VR開発しくじり先生 ~OculusStoreにリジェクトされるのが得意なフレンズなんだね~
【VR Tech Tokyo #6@Microsoft】VR開発しくじり先生 ~OculusStoreにリジェクトされるのが得意なフレンズなんだね~
Pythonによる機械学習入門 ~Deep Learningに挑戦~
Pythonによる機械学習入門 ~Deep Learningに挑戦~
Presentation-09022015
Presentation-09022015
PhoneGap勉強会 in 熊本
PhoneGap勉強会 in 熊本
Python東海の紹介.py
Python東海の紹介.py
タイピング練習のすゝめ
タイピング練習のすゝめ
QGISやってみた 人口動態データのプロット
QGISやってみた 人口動態データのプロット
Nhk高専ロボットコンテスト2014のルールを読んで考えたこと
Nhk高専ロボットコンテスト2014のルールを読んで考えたこと
Facebookグループの作り方
Facebookグループの作り方
Tk 1315 gps受信機のコマンド
Tk 1315 gps受信機のコマンド
Similar a オトナのプログラミング勉強会 オトナのDeep Learning 2016-11
Using Deep Learning for Recommendation
Using Deep Learning for Recommendation
Eduardo Gonzalez
大規模Perl初心者研修を支える技術
大規模Perl初心者研修を支える技術
Daisuke Tamada
20120927 findjob4 dev_ops
20120927 findjob4 dev_ops
ume3_
実践に向けたドメイン駆動設計のエッセンス
実践に向けたドメイン駆動設計のエッセンス
GuildWorks
実践に向けたドメイン駆動設計のエッセンス
実践に向けたドメイン駆動設計のエッセンス
増田 亨
eXtremeProgramming入門
eXtremeProgramming入門
You&I
議論を描く技術「ファシリテーショングラフィック」
議論を描く技術「ファシリテーショングラフィック」
nishikawa_makoto7
オブジェクト指向の設計と実装の学び方のコツ
オブジェクト指向の設計と実装の学び方のコツ
増田 亨
20100324 勉強会資料(ドメイン駆動)
20100324 勉強会資料(ドメイン駆動)
Masayuki Kanou
研修デザインとプレゼンテクニックでディープラーニング活用の裾野を広げる
研修デザインとプレゼンテクニックでディープラーニング活用の裾野を広げる
Deep Learning Lab(ディープラーニング・ラボ)
tfug-kagoshima
tfug-kagoshima
tak9029
[旧版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
[旧版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
Yuki Arase
dl-with-python01_handout
dl-with-python01_handout
Shin Asakawa
opensource and accessibility (Dec2000) Part 2
opensource and accessibility (Dec2000) Part 2
Takuya Nishimoto
PHP基礎勉強会
PHP基礎勉強会
Yuji Otani
Natural Language Processing (Almost) from Scratch(第 6 回 Deep Learning 勉強会資料; 榊)
Natural Language Processing (Almost) from Scratch(第 6 回 Deep Learning 勉強会資料; 榊)
Ohsawa Goodfellow
20130603 aspnet勉強会 実践的debugging
20130603 aspnet勉強会 実践的debugging
kumake
DBFlute ハンズオンから学べることは DBFlute だけじゃない
DBFlute ハンズオンから学べることは DBFlute だけじゃない
Shin Kinoshita
初学者教育のプロが教える学習のポイント ~できるインフラエンジニアを目指そう~
初学者教育のプロが教える学習のポイント ~できるインフラエンジニアを目指そう~
VirtualTech Japan Inc./Begi.net Inc.
入門系の本を一冊も読まずにデータサイエンスに入門してみる
入門系の本を一冊も読まずにデータサイエンスに入門してみる
Masayuki Sakamoto
Similar a オトナのプログラミング勉強会 オトナのDeep Learning 2016-11
(20)
Using Deep Learning for Recommendation
Using Deep Learning for Recommendation
大規模Perl初心者研修を支える技術
大規模Perl初心者研修を支える技術
20120927 findjob4 dev_ops
20120927 findjob4 dev_ops
実践に向けたドメイン駆動設計のエッセンス
実践に向けたドメイン駆動設計のエッセンス
実践に向けたドメイン駆動設計のエッセンス
実践に向けたドメイン駆動設計のエッセンス
eXtremeProgramming入門
eXtremeProgramming入門
議論を描く技術「ファシリテーショングラフィック」
議論を描く技術「ファシリテーショングラフィック」
オブジェクト指向の設計と実装の学び方のコツ
オブジェクト指向の設計と実装の学び方のコツ
20100324 勉強会資料(ドメイン駆動)
20100324 勉強会資料(ドメイン駆動)
研修デザインとプレゼンテクニックでディープラーニング活用の裾野を広げる
研修デザインとプレゼンテクニックでディープラーニング活用の裾野を広げる
tfug-kagoshima
tfug-kagoshima
[旧版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
[旧版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
dl-with-python01_handout
dl-with-python01_handout
opensource and accessibility (Dec2000) Part 2
opensource and accessibility (Dec2000) Part 2
PHP基礎勉強会
PHP基礎勉強会
Natural Language Processing (Almost) from Scratch(第 6 回 Deep Learning 勉強会資料; 榊)
Natural Language Processing (Almost) from Scratch(第 6 回 Deep Learning 勉強会資料; 榊)
20130603 aspnet勉強会 実践的debugging
20130603 aspnet勉強会 実践的debugging
DBFlute ハンズオンから学べることは DBFlute だけじゃない
DBFlute ハンズオンから学べることは DBFlute だけじゃない
初学者教育のプロが教える学習のポイント ~できるインフラエンジニアを目指そう~
初学者教育のプロが教える学習のポイント ~できるインフラエンジニアを目指そう~
入門系の本を一冊も読まずにデータサイエンスに入門してみる
入門系の本を一冊も読まずにデータサイエンスに入門してみる
Más de Katsuhiro Morishita
数ページの卒業論文作成のためのwordの使い方
数ページの卒業論文作成のためのwordの使い方
Katsuhiro Morishita
Pythonのパッケージ管理ツールの話@2020
Pythonのパッケージ管理ツールの話@2020
Katsuhiro Morishita
オトナのpandas勉強会(資料)
オトナのpandas勉強会(資料)
Katsuhiro Morishita
SIgfox触ってみた in IoTLT in 熊本市 vol.3
SIgfox触ってみた in IoTLT in 熊本市 vol.3
Katsuhiro Morishita
Google Colaboratoryの使い方
Google Colaboratoryの使い方
Katsuhiro Morishita
Excelでのグラフの作成方法re
Excelでのグラフの作成方法re
Katsuhiro Morishita
Pythonのmain関数
Pythonのmain関数
Katsuhiro Morishita
Pythonスクリプトの実行方法@2018
Pythonスクリプトの実行方法@2018
Katsuhiro Morishita
機械学習と主成分分析
機械学習と主成分分析
Katsuhiro Morishita
Pythonで始めた数値計算の授業@わんくま勉強会2018-04
Pythonで始めた数値計算の授業@わんくま勉強会2018-04
Katsuhiro Morishita
マークシート読み込みプログラムを作ってみた@2018-04-04
マークシート読み込みプログラムを作ってみた@2018-04-04
Katsuhiro Morishita
オトナの画像認識 2018年3月21日実施
オトナの画像認識 2018年3月21日実施
Katsuhiro Morishita
LoRa-WANで河川水位を計測してみた@IoTLT@熊本市 vol.001
LoRa-WANで河川水位を計測してみた@IoTLT@熊本市 vol.001
Katsuhiro Morishita
シリーズML-08 ニューラルネットワークを用いた識別・分類ーシングルラベルー
シリーズML-08 ニューラルネットワークを用いた識別・分類ーシングルラベルー
Katsuhiro Morishita
シリーズML-07 ニューラルネットワークによる非線形回帰
シリーズML-07 ニューラルネットワークによる非線形回帰
Katsuhiro Morishita
シリーズML-06 ニューラルネットワークによる線形回帰
シリーズML-06 ニューラルネットワークによる線形回帰
Katsuhiro Morishita
シリーズML-05 ニューラルネットワーク
シリーズML-05 ニューラルネットワーク
Katsuhiro Morishita
シリーズML-03 ランダムフォレストによる自動識別
シリーズML-03 ランダムフォレストによる自動識別
Katsuhiro Morishita
シリーズML-01 機械学習の概要
シリーズML-01 機械学習の概要
Katsuhiro Morishita
Pandas利用上のエラーとその対策
Pandas利用上のエラーとその対策
Katsuhiro Morishita
Más de Katsuhiro Morishita
(20)
数ページの卒業論文作成のためのwordの使い方
数ページの卒業論文作成のためのwordの使い方
Pythonのパッケージ管理ツールの話@2020
Pythonのパッケージ管理ツールの話@2020
オトナのpandas勉強会(資料)
オトナのpandas勉強会(資料)
SIgfox触ってみた in IoTLT in 熊本市 vol.3
SIgfox触ってみた in IoTLT in 熊本市 vol.3
Google Colaboratoryの使い方
Google Colaboratoryの使い方
Excelでのグラフの作成方法re
Excelでのグラフの作成方法re
Pythonのmain関数
Pythonのmain関数
Pythonスクリプトの実行方法@2018
Pythonスクリプトの実行方法@2018
機械学習と主成分分析
機械学習と主成分分析
Pythonで始めた数値計算の授業@わんくま勉強会2018-04
Pythonで始めた数値計算の授業@わんくま勉強会2018-04
マークシート読み込みプログラムを作ってみた@2018-04-04
マークシート読み込みプログラムを作ってみた@2018-04-04
オトナの画像認識 2018年3月21日実施
オトナの画像認識 2018年3月21日実施
LoRa-WANで河川水位を計測してみた@IoTLT@熊本市 vol.001
LoRa-WANで河川水位を計測してみた@IoTLT@熊本市 vol.001
シリーズML-08 ニューラルネットワークを用いた識別・分類ーシングルラベルー
シリーズML-08 ニューラルネットワークを用いた識別・分類ーシングルラベルー
シリーズML-07 ニューラルネットワークによる非線形回帰
シリーズML-07 ニューラルネットワークによる非線形回帰
シリーズML-06 ニューラルネットワークによる線形回帰
シリーズML-06 ニューラルネットワークによる線形回帰
シリーズML-05 ニューラルネットワーク
シリーズML-05 ニューラルネットワーク
シリーズML-03 ランダムフォレストによる自動識別
シリーズML-03 ランダムフォレストによる自動識別
シリーズML-01 機械学習の概要
シリーズML-01 機械学習の概要
Pandas利用上のエラーとその対策
Pandas利用上のエラーとその対策
オトナのプログラミング勉強会 オトナのDeep Learning 2016-11
1.
オトナのプログラミング勉強会 オトナのDeep Learning 2016-11-02と2017-12-07に熊本市の未来会議室で開催された勉強会の資料を改変@2017-03-21 森下功啓 1
2.
2
3.
3 こんばんは 森下です。 今日は、私がDeep Learningについて浅く勉強した内容を私なりに分 かりやすくしたつもりでお話します。もしかすると情報が古かったり、 間違っている場合があるかもしれません。というか、何を言っている のか分からないかもしれません。気になることがあったらバシバシ指 摘・質問して下さい。もっと詳しい人が答えてくれるかもしれません。 なにせ、勉強会ですから。 ちなみに、教育界にもディープラーニングなる用語がありますが、今 日のテーマはソフトウェア工学のDeep Learningです。
4.
今回の勉強会で目指すもの • Deep Learningの基本要素の感覚をつかむ •
参加者がDeep Learningのサンプルを動かせればとりあえずOK • チューニングとか深いところは次回に持越し • 矢野氏とか中村氏とか召喚したいw 4
5.
今日のお話 • お試し環境の構築 • 機械学習の目的 •
機械学習の種類 • ニューラルネットワーク • Deep Learningのすごいところ • 用語解説 • ハンズオン 5
6.
お試し環境の構築 6 • お試し環境の構築 • 機械学習の目的 •
機械学習の種類 • ニューラルネットワーク • Deep Learningのすごいところ • 用語解説 • ハンズオン
7.
Cloud9上に環境を作ります TenosrFlow, Chainer, kerasの環境を作ります。 Cloud9のHDD容量は5GBが必要です。 •
インストール順 • https://github.com/y-sama/cloud9 • sudo pip install h5py • https://keras.io/ja/ • http://chainer.org/ 7
8.
(Option)本気の環境構築 必要なもの • それなりに速いCPU(最低でもCore i7) •
それなりに速いGPU(最低でもGeForce GTX960クラス) • NVIDIA社製のCUDA対応GPUでないと意味がない。 • それなりのRAM(最低でも16GB,32GB以上を推奨) • RAMもアクセス速度やキャッシュに差が有るので、財布に合わせて良 いものを買って下さい。 20万円あればとりあえずOK! 8
9.
機械学習の目的 9 • お試し環境の構築 • 機械学習の目的 •
機械学習の種類 • ニューラルネットワーク • Deep Learningのすごいところ • 用語解説 • ハンズオン
10.
目的、それは…分類や回帰→予想 活用例 • 英語⇔日本語などの自然言語変換 • 将棋ゲーム •
クレームの電話対応 • 健康診断結果からケアを自動判定 • 株価情報から自動で投資判断 • 風力や太陽光の発電量予測 • 予想値とのズレを異常とみなして異常検知 10 問題と解答の パターンを 学習させる
11.
例:画像に何が写っているか調べる 11 "a group of
people sitting at a table with a laptop" http://www.python.jp/events/pyconjp- 2016-tutorial-sphinx.html Microsoft Computer Vision API https://www.microsoft.com/cognitive- services/en-us/computer-vision-api
12.
例:ラフ画を線画に変換 • http://gigazine.net/news/20160428-sketch-automatic-line-drawing/%E2%86%92/ 12
13.
例:線画に色付け • http://qiita.com/taizan/items/cf77fd37ec3a0bef5d9d 13
14.
例:阿蘇に雲海が出るか予想 14 https://twitter.com/unkaitterhttp://otennki.com/%E3%82%A2%E3%83%A1%E3%83%80%E3%82%B9 %E3%81%A8%E3%81%AF%EF%BC%9F%E9%9B%A8%E5%87%BA%E3% 81%99%E3%81%8B%E3%82%89%E3%82%A2%E3%83%A1%E3%83%80 %E3%82%B9%E3%81%98%E3%82%83%E3%81%AA%E3%81%8B アメダス Twitter 気象情報 予報の ツイート うんかいったー
15.
機械学習の種類 15 • お試し環境の構築 • 機械学習の目的 •
機械学習の種類 • ニューラルネットワーク • Deep Learningのすごいところ • 用語解説 • ハンズオン
16.
代表的な機械学習手法(と森下が思っているもの) • HMM(Hidden Marcov
Model:隠れマルコフモデル) • RF(Random Forest) • SVM(Support Vector Machine) • ANN(Artificial Neural Network:人工ニューラルネットワーク) • SOM(Self-Organizing Maps:自己組織化マップ) • GA(Genetic Algorithm:遺伝的アルゴリズム) • 強化学習 • DQNなど手法は沢山あるらしいが、詳しくは知りません・・・ 16 *さらに、バージョン違いというか細かい違いのある数多の学習手法が提案されている。
17.
手法と用途 17 回帰・分類 時系列データの分類・翻訳 (音声・自然言語) 状況判断・振る舞いの学習 (ゲーム・シミュレータ) HMM SVM RF ANN 強化学習 SOM 教師なし学習 教師あり学習 *半教師あり学習もある GA
18.
RF(ランダムフォレスト) RFは、多数の決定木の多数決で結果を出す。 教師データの正則化・正規化が必要ないので使うのが大変楽 18http://www.slideshare.net/mrtc0/machine- learning-41005650?next_slideshow=1 特徴量には役に立たないものやノイ ズの大きいものが含まれている。そ こで、特徴をランダムに選択して決 定木を多数学習させる。 決定木の例
19.
ニューラルネットワーク 19 • お試し環境の構築 • 機械学習の目的 •
機械学習の種類 • ニューラルネットワーク • Deep Learningのすごいところ • 用語解説 • ハンズオン
20.
ニューラルネットワーク ニューラルネットワークは、神経細胞の信号伝達を模倣した機械 学習アルゴリズムである。データが多数のニューロンを経由して 出力値が決められる。シナプスの感度調整で性能を発揮する。層 の数が増えると表現力が増え、チューニングするパラメータが減 るという特徴がある。一方で、層の数が増えると学習が進まない という勾配消失問題も有る。 20http://www.gifu- nct.ac.jp/elec/deguchi/sotsuron/ieiri/img9.gif 入 力 デ ー タ 出 力 デ ー タ 中間層 (隠れ層) 出力層 入力層 神経の構造 ANNの構造
21.
勾配消失問題とは • ニューラルネットワークでは、誤差逆伝搬法において勾配降下 法を用いて出力誤差を縮小させていく。 • ただし、(1)層の数が多い場合や(2)一度に学習する学習 データ数が多い場合に、勾配が消失し、学習が進まないという 問題が生じる。「船頭多くして船山に登る」に近い。 21http://nineties.github.io/prml-seminar/fig/gradient-method.png *誤差に勾配があれば、誤差を縮小させることができる。 誤差曲面
22.
22 勾配消失問題をなんとかできれば素晴らしい世界が待っている。 (かもしれない)
23.
23 Deep Learningがニューラルネットワークの 勾配消失問題をなんとかしました
24.
24 それだけではなかった・・・
25.
Deep Learningのすごいところ 25 • お試し環境の構築 •
機械学習の目的 • 機械学習の種類 • ニューラルネットワーク • Deep Learningのすごいところ • 用語解説 • ハンズオン
26.
Deep Learning(DL)って何がすごいの? 特徴を自動的に獲得できるようになったことがすごい • DL以前は、何が特徴になるか人が考えていた。 •
DLは画像認識分野で激的な性能向上をもたらした。 • 通常のANNがせいぜい5層だったものを150層など実現した。 成果としては、例えば… • 画像に何が写っているか判断する分野で人の認識率を超えた。 • プロの碁の棋士を破った。盤面評価関数を学習するという画期 的な手法が発明された。 26
27.
Deep Learningの向いているところ • 学習に使えるデータを数万〜数百万単位で用意できる場合 •
特徴が単純すぎない場合 • 特徴が明確でない場合 何はともあれ、既存の学習機でだめなら試す価値はある。 ただし、チューニングは大変だ。 27
28.
それぞれの分野でDL手法が提案されている 分類・回帰 • CNN 時系列 • RNN 強化学習 •
DQN 28 *CNN≠Deep Learningなのだが、うまい説明を思いつかない
29.
29 Q だめなところは?
30.
30 A 頭が痛くなるところ(体験談)
31.
31 専門用語が多い・・・
32.
+調整するパラメータがANNより増えた • グラフ構造(層数を含む) • 活性化関数の種類(シグモイド・ReLU) •
学習係数の関数(定数・Adam・他)とそのパラメータ • Drop outの割合 • Drop connectの設定 • AEのPretrainingする/しない • 局所受容器の構成 • 隠れ層のユニット数 • Denoising AutoEncoder(DAE)のノイズ付加率 • ミニバッチ処理のバッチサイズ 32 様々な工夫によって層 を深くできたというこ とだと思う。
33.
+CNNでは更に • 畳み込み層 • カーネルの数 •
フィルタサイズ • スライド量(ストライド) • チャンネル数 • プーリング層 • Maxoutなど 33
34.
34 ネットワーク構造
35.
LeNet@1989 35http://4.bp.blogspot.com/-eAFL2rN9cm0/VRjBiJiecrI/AAAAAAAAN4E/2Q7LthaoLEY/s1600/lenet.png
36.
AlexNet 36 http://www.embedded-vision.com/sites/default/files/technical-articles/FPGAsNeuralNetworks/Figure1.jpg
37.
VGG 37https://www.cs.toronto.edu/~frossard/post/vgg16/vgg16.png 単純な構造なのでよく使われている。
38.
GoogleNet 横方向への広がりを持っているのが特徴 38 http://www.marekrei.com/blog/wp-content/uploads/2015/06/googlenet_diagram.png サイズの異なるフィルタ を同時に使っている
39.
ResNet 39 http://image.slidesharecdn.com/dl4nlp- 160919091917/95/practical-deep-learning- for-nlp-23-638.jpg?cb=1474276927
40.
用語解説 40 • お試し環境の構築 • 機械学習の目的 •
機械学習の種類 • ニューラルネットワーク • Deep Learningのすごいところ • 用語解説 • ハンズオン ホワイトボードを用いながら説明しました。
41.
機械学習用語 • 教師あり学習・教師なし学習 • 教師データ •
学習データ • AUC、ROC曲線 • 過学習 • オンライン学習、バッチ学習、ミニバッチ学習 • ソフトマックス関数 41
42.
Deep Learning用語 • AutoEncoder •
プレトレーニング • ファイントレーニング • Drop out • Drop connect • 局所受容器 • 活性化関数 ReLU • 学習係数の関数 Adam • Denoising AutoEncoder(DAE) 42
43.
CNN用語 • 畳み込み • 画像処理では伝統となっているフィルタ処理に似ている •
局所受容器で代用できる • プーリング 43
44.
ハンズオン 44 • お試し環境の構築 • 機械学習の目的 •
機械学習の種類 • ニューラルネットワーク • Deep Learningのすごいところ • 用語解説 • ハンズオン
45.
ハンズオンの内容 下記のサイトの内容をなぞって、サンプルコードを実行します。 • 生のTensorFlowとtf.contrib.learnとKerasを比較してみよう • http://qiita.com/rindai87/items/546991f5ecae0ef7cde3 •
はじめての Deep Learning - Keras で MLP for MNIST • http://m0t0k1ch1st0ry.com/blog/2016/07/15/keras/ 45
46.
付録 参考文献などをつらつらとスライドにしています 46
47.
Deep Learningツール • Theano(テアーノ)
大御所 • http://deeplearning.net/software/theano/ • keras TheanoとTensorFlowに対応した便利なラッパー • https://keras.io/ja/ • Deel ドワンゴ製。まだ未知数。 • https://github.com/uei/deel • Chainer(チェイナー) 日本で大人気。Mac, Win対応 • http://chainer.org/ • TensorFlow Google社製。大規模サーバに向く。Mac, Win対応 • https://www.tensorflow.org • Caffe 以前から有名だが、落ち目 • http://caffe.berkeleyvision.org/ 47
48.
Deep Learning本 • ゼロから作るDeep
Learning • https://goo.gl/sr8wqF • 基本のすべてを過不足無く押さえている。 • 2015年時点での最新情報となっている。 • Chainerによる実践深層学習 • https://goo.gl/2UkP9d • Chainerの使いやすさとRNNの触りが分かる。 • 恐らく著者は自然言語処理系 48
49.
論文 ディープラーニングに用いる畳み込み演算による概念操作の表現 • http://www.jcss.gr.jp/meetings/jcss2015/proceedings/pdf/JCSS2015_P3-21.pdf • 2015年度日本認知科学会第32回大会 49
50.
TensorFlow本 50 • TensorFlowはじめました • https://goo.gl/4CXorf •
本格的には情報が足りないのだが、検索に必要なキーワード や感触はこれで十分 • 表紙の漫画による解説が一切出てこないw • TensorFlowで学ぶディープラーニング入門 • https://goo.gl/TcUu0C • とりあえず買おう。 • 層の意味とか分かりやすいと思う。
51.
機械学習本 51 • Python機械学習プログラミング 達人データサイエン ティストによる理論と実践 •
https://goo.gl/hdZ4s6 • 機械学習全般を扱っている。内容が濃い。
52.
参考文献(Web) • Deep LearningとConvolutional
Neural Network • CNNについて詳しい • Chainerの書籍で謎だった用語も解説してある • http://vaaaaaanquish.hatenablog.com/entry/2015/01/26/060622 • ディープラーニングチュートリアル もしくは研究動向報告 • Deep Learningの概要と歴史について詳しい • http://www.vision.is.tohoku.ac.jp/files/9313/6601/7876/CVIM_tutorial_deep_learning.pdf • TensorFlowのチュートリアルを通して、人工知能の原理について学習する • 特段詳しいわけではない • 任意関数を近似可能であることを示している点は良い • http://qiita.com/jintaka1989/items/3b70b5c5541620536fa2 52
53.
参考文献(Web) • RBMから考えるDeep Learning
〜黒魔術を添えて〜 • http://qiita.com/t_Signull/items/f776aecb4909b7c5c116 • 確率的ニューラルネットワークについて詳しい。 • Deep Learningに対する注意事項についても参考になる。 • やる夫で学ぶ機械学習シリーズ • http://tkengo.github.io/blog/2016/06/06/yaruo-machine-learning0/ • 機械学習以前の統計学付近。分かりやすいかも。 53
54.
参考文献(Web) オートエンコーダーについて • オートエンコーダ:抽象的な特徴を自己学習するディープラーニングの人気者 • https://deepage.net/deep_learning/2016/10/09/deeplearning_autoencoder.html •
層毎の学習の進め方が比較的分かりやすい • Theano で Deep Learning <4> : Denoising オートエンコーダ • http://sinhrks.hatenablog.com/entry/2014/12/15/081113 • オートエンコーダの実際と、工夫、効果についてわかり易い。 54
55.
参考文献(Web) • Cloud9上にChainerの実行環境を作る方法 • http://qiita.com/supersaiakujin/items/e4c7a90f933703df587f •
Cloud9で簡単Jupyter環境構築 • http://qiita.com/y__sama/items/58419e85f39265fe6df8 • Windows上でTensorFlowを使用する環境構築 • http://qiita.com/AfricaUmare/items/33d0a5edaa0a9b4b9f36 55
56.
Python本 プログラミング自体が初めてという人向け • プログラミング超初心者が初心者になるためのPython入門(1〜3巻) • https://goo.gl/7xSzfh •
Kindle版のみ • C言語は学校で習ったという人にもお勧め • しんせつなPython プログラミング超初心者が初心者になるための本 • https://goo.gl/6BFxlP • 書籍版のみ(上と内容は異なる) • C言語は学校で習ったという人にもお勧め 56
57.
Python本 他の言語(C/VB以外)は知っているという人向けの入門書 • みんなのPython 第3版 •
https://goo.gl/xnYsIh Pythonで科学計算に取り組みたい人向け • 科学技術計算のためのPython入門 • https://goo.gl/OC2tbC 57
58.
Pythonの最新動向 • まだ私はPython最新情報を扱うサイトを知らない。 • Type
Hint(型ヒント)とか、本に載っていない。 • 東京で開催されるPythonの勉強会に顔を出すなどが良いかも • 例: http://startpython.connpass.com/ 58
59.
お勧めのDeep Learning環境構築方法 Windows • Anaconda+Chainer •
または、Anaconda+TensorFlow+keras Mac • brew+pyenv+Python • 更にpipコマンドでnumpyとかscipyとかscikit-leranとか入れて、 さらにTensorFlow, keras, chainerを入れる。簡単 59
60.
Pythonのバージョン Pythonには2系と3系があります。これからDeep Learningの勉 強をしたいのであれば、3系のPython 3.6を選択しましょう。 ただしOpenCVを使う場合、最初はPython2.7が簡単です。 @2017-02 60
61.
Python向けのお勧めのIDE・エディタ IDE • PyCharm • Rodeo(RStudioに慣れた方には親和性が高い) エディタ •
Sublime Text 61
62.
機械学習って、ノウハウの塊 • データ構造、前処理(変なデータの排除・カーネル処理)、学 習時に加えるノイズの量、隠れ層の層数、元データを挟むとか、 etc. • CNNにしたって、畳み込み+プーリング層はいくつとか、プー リングで使う手法とか、畳込みフィルタのサイズとか •
RNNになるとなにそれ状態 • AIは遠い 62
63.
機械学習で大事なのは般化能力 • 学習に使ったデータに最高のパフォーマンスを示すこと≠良い • 物事をある程度抽象化して未知の出来事に対応できることが重要 •
未知データを期待通りに回帰・識別できるようにチューニングしよう。 63
64.
前処理は相変わらず大事 • 画像なら輝度の平均を揃えるとか • 数値データなら、平均を1,標準偏差を1にするとか •
外れ値は除去 • カーネル関数を利用して線形分離しやすい形に変形するとか 64
Descargar ahora