Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
機械学習入門 (in JSL)
Search
Etsuji Nakai
December 18, 2019
Technology
1
4.1k
機械学習入門 (in JSL)
Etsuji Nakai
December 18, 2019
Tweet
Share
More Decks by Etsuji Nakai
See All by Etsuji Nakai
Lecture course on Microservices : Part 1
enakai00
1
2k
Lecture course on Microservices : Part 2
enakai00
1
2k
Lecture course on Microservices : Part 3
enakai00
1
2k
Lecture course on Microservices : Part 4
enakai00
1
2k
JAX / Flax 入門
enakai00
1
320
生成 AI の基礎 〜 サンプル実装で学ぶ基本原理
enakai00
7
3.3k
大規模言語モデルを支える分散学習インフラ Pathways
enakai00
3
390
Python × 数学ブートキャンプガイド
enakai00
1
600
Riemann幾何学ユーザーのための情報幾何学入門
enakai00
0
300
Other Decks in Technology
See All in Technology
プレイドにおけるDatadog APMの活用方法
plaidtech
PRO
2
120
データベース研修 分析向けSQL入門【MIXI 24新卒技術研修】
mixi_engineers
PRO
0
110
エンジニア向け会社紹介資料
caddi_eng
14
220k
Azure OpenAI Service Dev Day / LLMでできる!使える!生成AIエージェント
masahiro_nishimi
3
740
たくさん本を読んだけど 1年後には綺麗サッパリ!を乗り越えて 学習の鬼になるぞ👹
yum3
0
160
Datadog Cloud SIEMを使ってAWS環境の脅威を可視化した話/lifeistech-datadog-cloud-siem
gidajun
0
480
GoとアクターモデルでES+CQRSを実践! / proto_actor_es_cqrs
ytake
1
150
可視化プラットフォームGrafanaの基本と活用方法の全て
hamadakoji
0
230
Github Actions 로 Android 팀의 효율성 극대화
hadonghyun
0
160
成長期に歩みを止めないための創業期の開発文化形成
mayah
6
420
ここがすごいよ! AWS Systems Manager!
saichan11
0
1.8k
推薦システムを本番導入する上で一番優先すべきだったこと~NewsPicks記事推薦機能の改善事例を元に~
morinota
0
120
Featured
See All Featured
Designing Experiences People Love
moore
136
23k
The Pragmatic Product Professional
lauravandoore
29
6.1k
A Modern Web Designer's Workflow
chriscoyier
689
190k
How GitHub (no longer) Works
holman
305
140k
Clear Off the Table
cherdarchuk
89
320k
Bash Introduction
62gerente
607
210k
Docker and Python
trallard
37
2.9k
Fireside Chat
paigeccino
25
2.8k
The Cult of Friendly URLs
andyhume
75
5.9k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
325
21k
Optimising Largest Contentful Paint
csswizardry
18
2.6k
How to name files
jennybc
67
96k
Transcript
1 Tech Talk 機械学習入門 (in JSL) Introduction to Machine Learning
2012/12/10 Etsuji Nakai
本日のポイント:AI と機械学習の関係 AI:知性を持っているかのような機能を 提供する製品・サービスを実現 機械学習:「過去のデータ」の特徴を発見し て、「未知のデータ」の予測を行う技術 2 中の技術は、さまざま・・・
本日のポイント:AI と機械学習の関係 AI:知性を持っているかのような機能を 提供する製品・サービスを実現 機械学習:「過去のデータ」の特徴を発見し て、「未知のデータ」の予測を行う技術 3 ディープラーニング(深層学習): 画像・動画・音声・自然言語などの 「非構造化データ」に高い
予測性能を発揮する機械学習の一手法 最近のAIでよく使われる主要技術
ディープラーニングによる画像認識技術(Google フォト) 4 画像の種類を識別して、 自動で「アルバム」を作成 https://photos.google.com/albums
ディープラーニングによる自然言語処理技術(Gmail) https://gmail.googleblog.com/2016/03/smart-reply-comes-to-inbox-by-gmail-on-the-web.html 文脈を理解して 返答文を自動生成 スマホからの 返信の 20% 以上 5 返答メッセージを選択
6 ディープラーニング(深層学習) の仕組み
ニューラルネットワークの仕組み 7 Input “cat” ニューラルネットワークの本質は 「入力データから予測値を出力する関数」
「関数」って何でしたっけ? 8 係数(パラメーター θ)の値を変えると 同じ入力値から、得られる出力値が変化する 計算式 x 入力値 y 出力値
教師あり学習の仕組み label, input 正解ラベルのついた「トレーニングデータ」 に対して、予測の正解率が向上するように 関数に含まれるパラメータをチューニング “cat” “dog” “car” “apple”
OUTPUT
ディープラーニングが実用化した背景 • 大量の学習データが収集・利用可能に • 大量のデータが学習を行う並列計算技術の発達 • 効率的に学習を行うアルゴリズムの開発 10
ディープラーニングが実用化した背景 • 大量の学習データが収集・利用可能に • 大量のデータが学習を行う並列計算技術の発達 • 効率的に学習を行うアルゴリズムの開発 11 すべて某社の 得意分野
本日のポイント:AI と機械学習の関係 AI:知性を持っているかのような機能を 提供する製品・サービスを実現 機械学習:「過去のデータ」の特徴を発見し て、「未知のデータ」の予測を行う技術 12 ディープラーニング(深層学習): 画像・動画・音声・自然言語などの 「非構造化データ」に高い
予測性能を発揮する機械学習の一手法 最近のAIでよく使われる主要技術
まとめ • 機械学習 ◦ 過去データの特徴を自動的に発見して、新しいデータについて 予測する技術 • ディープラーニング(深層学習) ◦ ニューラルネットワークを用いた機械学習技術
◦ 非構造化データ(画像・音声・自然言語など)に高い予測性能 を発揮 • AI(人工知能) ◦ あたかも知能を持つかのような機能を提供する製品・サービス ◦ 最近はディープラーニングを活用したものが多い 13
Thank you !