５分で分かるすこしわかった気になる Deep Learningの話 2019/07/13 TeckUp！ LT大会#1 Twitter: @t_01201

自己紹介 氏名：箕輪 峻 所属：株式会社オプト(新卒1年目) Twitter：natsuume(@_natsuume)

発表で伝えたいこと Deep Learningのざっくりしたイメージ 代表的な手法の気持ち、特徴 手法の詳細な理論や数学的な話 具体的な使い方、フレームワーク

パーセプトロン 単純なスイッチ 入力の合計が閾値を 超えたら…… 入力1 入力2 入力3 出力

パーセプトロン 発火！！ 入力1 入力2 入力3 出力

Feedforward Neural Network (FFNN) Deep Learningの基礎的な形 柔軟な出力が可能に！ 入 力１ 入 力２ 中 間３ 出 力１ 中 間２ 中間 １ 出 力２

Convolutional Neural Network (CNN) 畳み込みニューラルネット ワーク 主に画像認識等で使用 　

Recurrent Neural Network (RNN) 時系列データで利用 音声認識, テキストなど 発展：LSTM 図：i Magazine IS magazine: 再帰型ニューラルネットワークの「基礎の基礎」を理解する https://www.imagazine.co.jp/再帰型ニューラルネットワークの「基礎の基礎」 /

Generative Adversarial Networks (GAN) 近年Hotなやつ 生成系タスクで使用 乱数 Noise Generator 本物の データ Discriminator

そのほかの手法 Sequence to Sequence (Seq2Seq, Encoder-Decoderモデル) 入力：系列データ　→　出力：系列データ 翻訳、雑談botなどで利用 Attention Network

おわり