作って学ぶAI 第2回

前回はディープラーニングにおけるモデルの推論にフォーカスして学び、AIを利用することが出来るようになりました。今回はモデルの学習、つまりAIを作ることにフォーカスして学びます。...

本章ではニューラルネットワークの推論の仕組みを理解しましょう。本講座の第1回ではニューラルネットワークの推論として、手書き数字の認識、画像の分類、気温の予測、そして物体の検知を体...

本章では、ディープラーニングのモデルの構造を作る際に必要な知識を解説します。難しい言葉が多くて今は理解に時間がかかるかもしれませんが安心してください。今はしっかり理解できなくても...

ニューラルネットワークのモデルを作るには、人がモデル (脳) の構造を設定し、学習を行うことで脳内の知識を蓄える必要があり、蓄えた知識はノードの「重み」と「バイアス」になるのでし...

ディープラーニングの学習を実現する環境を作っていきましょう。一般的な学習環境としては、以下のようなものが挙げられます。ローカルマシン皆さんがお使いのPCのことクラ...

いよいよ、実際にプログラムを書いてモデルの構築に挑戦します。第2回の山場となる章ですので頑張って学びましょう！モデルを作り上げるための手順本章の目的は、モデルを作...

最初に目的に応じて、モデルがどのような入力に対してどのような出力を行うかを決めます。「用途を決める」のToDoリスト入出力データの内容と形式を決める収集方...

モデルの構造を決定します。決める項目は次の通りです。「頭脳をつくる」のToDoリスト出力層を決める入力層・隠れ層を決める決定した層をモデルとしてプログラミングする...

モデルの学習方法を選択し、入力データを与えて実際にモデルを学習させます。「学習させる」のToDoリストモデルの学習方法を決めるモデルに学習方法をプログラミングする...

作成したシンプルなモデルを基準として、必要十分な認識精度を引き出せるようにモデルを改善します。認識精度は「学習データの改善」と「モデルの改善」の両方によって引き出すことになります...

第2部3章で「頭脳をつくる」ために隠れ層の当たりをつけた時を思い出してください。あのときは隠れ層に使うレイヤーの候補として、以下の3種類があることを確認しましたね。汎用的...

手を動かして体験しようCNNのモデルを作り、認識精度の違いを実際に確かめてみましょう！新しいColabノートブックの立ち上げChromeブラウザからGoo...

第2回1部1章では、ニューラルネットワークから良い結果を得られるような活性化関数を選択するために、代表的な活性化関数とその特徴を紹介しました。本コラムでは、代表的な活性化関数の特...