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
勉強会2_機械学習のモデル学習と開発について
Search
milky04
May 19, 2024
Programming
0
59
勉強会2_機械学習のモデル学習と開発について
社内勉強会資料です(2023/7/28)
milky04
May 19, 2024
Tweet
Share
More Decks by milky04
See All by milky04
勉強会5_画像生成AIの仕組みと学習・i2i対策
milky04
0
8
勉強会3_LLMを活用する技術について
milky04
0
70
勉強会4_アップデートされたAssistantsAPIを試す
milky04
0
2.4k
勉強会1_SlackのAIチャットボットを作ってみた
milky04
0
73
Other Decks in Programming
See All in Programming
LT 2025-06-30: プロダクトエンジニアの役割
yamamotok
0
360
関数型まつりレポート for JuliaTokai #22
antimon2
0
150
なぜ「共通化」を考え、失敗を繰り返すのか
rinchoku
1
510
なんとなくわかった気になるブロックテーマ入門/contents.nagoya 2025 6.28
chiilog
1
200
地方に住むエンジニアの残酷な現実とキャリア論
ichimichi
5
1.3k
都市をデータで見るってこういうこと PLATEAU属性情報入門
nokonoko1203
1
570
DroidKnights 2025 - 다양한 스크롤 뷰에서의 영상 재생
gaeun5744
3
320
A2A プロトコルを試してみる
azukiazusa1
2
1.1k
Create a website using Spatial Web
akkeylab
0
300
AIプログラマーDevinは PHPerの夢を見るか?
shinyasaita
1
120
XSLTで作るBrainfuck処理系
makki_d
0
210
既存デザインを変更せずにタップ領域を広げる方法
tahia910
1
240
Featured
See All Featured
How to Think Like a Performance Engineer
csswizardry
24
1.7k
Git: the NoSQL Database
bkeepers
PRO
430
65k
Templates, Plugins, & Blocks: Oh My! Creating the theme that thinks of everything
marktimemedia
31
2.4k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
138
34k
[RailsConf 2023] Rails as a piece of cake
palkan
55
5.6k
Build your cross-platform service in a week with App Engine
jlugia
231
18k
Unsuck your backbone
ammeep
671
58k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
357
30k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
33
5.9k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
130
19k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
44
2.4k
VelocityConf: Rendering Performance Case Studies
addyosmani
330
24k
Transcript
機械学習のモデル学習と開発について
はじめに • 近年AI・機械学習の発展が凄い(ChatGPTなど) →そもそもモデル学習や開発はどのように行っているのか? ⇒実際に私が行った内容や作成したものも交えてお話していきます
機械学習とは • 与えられたデータからいくつかのパターンを認識・学習し、未知のデータを 予測、分類する技術 • 教師あり学習/教師なし学習/強化学習という、大きく3つの方法がある
機械学習の種類 • 教師あり学習 学習データに正解を与えて、正解を出力するように学習させる方法 • 教師なし学習 学習データに正解を与えずに、データの規則性や特徴を導かせる方法 • 強化学習 目的に設定されたスコアを最大化するように、判断を強化させる方法
機械学習モデルとは • 入力データに対して結果(=出力)を導き出す仕組みのこと • 用意したデータを学習する前の基盤となるモデルと、学習後のモデル(学 習済みモデル)の2通りがある →どちらを指すこともあるため、混同しやすい
機械学習の開発の流れ 1. 基盤となるモデルをいくつか選ぶ 2. 学習条件を統一し、各モデルに学習させる 3. 出来た各学習済みモデルの精度を比較する ⇒一番精度の高いモデルを採用する 基盤となるモデルを選ぶ 学習済みモデルが出来る
モデルに学習させる
実際に行った内容 • 基盤となるモデルに、4種類の鳥の画像を学習させる(教師あり学習) • 学習済みモデルを使用して画像分類Webアプリを作成 →実際にコードを見たのち、作成したものを動かします
画像分類(画像認識)の活用例 • 自動運転での物体検知 • スマホのロック解除の顔認証 • 工場での不良品・不純物の検知 • など
今回は画像分類でしたが… • 音声認識など、他の分野でも同様のプロセスでモデルへの学習が可能 例:「こんばんは」という文字の情報付きの「こんばんは」の音声を学習させる →「こんばんは」の音声を文字起こし可能になる
終わりに • AI・機械学習のモデル学習や開発について、実際に私が行った内容や作 成したものも交えてお話しました。 • 今回の内容はあくまで一例であり、比較的簡易なものではありましたが、世 の中のAI・機械学習のモデル学習や開発はこのように行っているんだな、 ということがイメージ出来たなら幸いです