(レポート)[JAWS Festa 2016]学ぼう機械学習! ~簡単なデモと実践〜 #jawsug #jawsfesta

2016.10.22

この記事は公開されてから1年以上経過しています。情報が古い可能性がありますので、ご注意ください。

こんにちは、菊池です。

はじめに

本レポートは2016年10月22日(土)に開催されたJAWS Festa 2016のセッション「学ぼう機械学習! ~簡単なデモと実践〜」のレポートです。

スピーカーは(有)来栖川電算、機械学習名古屋勉強会に所属の後藤俊介さんです。

レポート

機械学習について

  • 機械学習とは(Wikipedia
    • AI(人工知能)の研究分野の一つで数学的な基礎付け
    • コンピュータに何かを学習させて、それを元に色々な仕事をさせる
    • ポイントはその主な判断基準をコンピュータ自身に考えさせること
  • 大分類
    • 教師あり学習:推測と判別
    • 教師なし学習:構造や特徴を導く
    • 強化学習:一連の行動から報酬がもっとも多く得られる方法を学習
  •  教師あり学習
    • 線形回帰
    • SVM
    • ニューラルネットワーク
  • 教師なし
    • クラスタリング/次元削減
    • 手法:K-means/混合ガウスモデル(GMM)/主成分分析/独立成分分析
  • 機械学習の応用としてレコメンデーション

 

深層学習(ディープラーニング)とは

  • 多層構造のニューラルネット(DNN)を用いた機械学習
  • 時間とリソースを大量に消費する代わりに、高い性能

従来手法との比較

従来手法 ディープラーニング
特徴定義 人が定義 学習データから抽出
リソース(時間/処理) 比較的少ない 大量に必要
性能 そこそこ... 割と高い
  • ディープラーニングが流行った理由
  • 元々は80年代からあった理論
    • 大量のデータで学習できるようになった(学習データが大量に必要)
    • 効率の良い学習アルゴリズムがたくさん出てきた
    • コンピュータの性能工場、GPUの活用
    • 猫画像認識、チェス/囲碁/将棋でチャンピオンに勝利、などの話題性
  • 仲間たち
    • 畳み込みニューラルネット(CNN)
      • DNNに畳み込み層を取り入れた
      • 主に画像認識で有用
    • 再帰型ニューラルネット(RNN)
      • 内部に閉路をもつDNN
      • 短期記憶を表現でき、時系列データ(自然言語処置、音声)を扱える
  • フレームワーク
    • TensorFlow(Goggle)など
    • たくさんの言語対応ライセンス・モデル
  • 対応したWEBサービス
    • AWS/Azure/BM/Google
    • それぞれでマシーンラーニングサービス

デモ

  • CNNを使った画像認識:手書き文字による数字の認識
  • CNN/RNN:何が画像に写っているか認識 -> 文章を構築

「機械学習 名古屋 勉強会」の紹介

  • 使える機械学習を勉強したい
  • 知識を共有したい
  • やりたいけどどうやっていいかわからない
  • 仲間が欲しい

一緒に勉強しましょう!

まとめ

流行してよく使われている、機械学習/ディープラーニングが非常によく整理され、理解が深まるセッションでした。