習うより慣れよう Visual AI さわって覚える人工知能「ディープラーニング編」

一般に使われるコンピュータープログラムと機械学習のプログラムとはどう違うのか、易しい解説で見ていきます。

小学校でも導入されるコーディングなしのプログラム作成ツールを紹介します。プログラムを組んだことのない人は、ここでプログラミングの概要を覚えます。

パソコンに詳しい人は、自動販売機のプログラム（zipファイル）を解凍して、スクラッチのサイトにアップロードして動かしてみましょう。

関係のあるデータから、予測値を出す方法を紹介します。経済学部でも習う回帰が、機械学習に役立っています。アイスクリーンムや気温という言葉を使ってわかりやすく説明します。

回帰分析の拡大版である分類問題について解説します。概要をつかめれば簡単です。

プログラミングなしの講座ですが、やはり実際にどう動いているのか見てみたいものです。ワインの分類データをサンプルに、Pythonのコードを走らせながらその実態をすこしだけのぞいてみましょう。

Google Colabを使うことができる人は、教材のzipファイルを解凍したあと、アップロードして動かしてみましょう。

（wine_data_classification.zip）

ニューラルネットワークというデュープラーニングの基本構造を紹介します。間違いやすい言葉を基本からしっかりと学んでいきましょう。

神経細胞のレベルで考案された人工モデルを紹介します。人工知能の歴史を伺うことができます。

ニューラルネットワークを構成する最小単位であるパーセプトロンを紹介します。専門書にも必ず登場するモデルです。

パーセプトロンでの処理を通過するときに値を変化させる処理です。言葉は難しそうですが、図で見るとわかりやすいです。

フレームワークでなにげなく設定している「バイアス」ですが、どんな意味があるのか見ていきます。

数学的な表現ですが、一本の直線で分けるという意味です。具体的に映像で見ていきましょう。

少し難しく見えますが、小学校２年生の算数で判定できます。

パーセプトロンを複数組み合わせたモデルを確認できます。

プログラミンに興味のある人は、チャレンジしてください。

(有料コース: XOR_NN.zip)

「導入編」でも紹介した数字の羅列から答えを予測する事例です。データサイエンスが少しだけ登場しますが、恐れずに言葉だけでも流して聞いておきましょう。

データサイエンスの基本の一つであるカテゴリーデータをわかりやすく説明しています。

訓練データを愚直に学習させると過剰適合という現象が起きます。過学習とも表現されます。実際の学習結果を見て、その内容を理解していきます。

過剰適合を避けるために、ドロップアウトという方法があります。一般的にはニューロンを削除して、学習させると言われていますが、その意味と効果を図で見ていきます。

ドロップアウトを実際の学習で確認していきます。

重み減衰による正則化も試してみます。

逆伝播の概要を視覚的に見ていきます。

高校１年で習う微分ですが、高校生でなくても理解できるように、なるべくわかりやすく説明しようと頑張りました。わからない部分があれば質問してみてください。

高校１年のときに、たった数分で習う微分の計算方法です。より詳しく知りたい人は見ていきましょう。

ニューラルネットワークの順伝播をかんたんな図でで書き表すことができます。数式いらずの優れものです。

微分が必要な逆伝播も、計算グラフでらくらく計算。一度使い出したら手放せません。

誤差逆伝播を実際に計算してみます。紙と鉛筆を用意して計算してみましょう。

ディープラーニングの原型であるディープニューラルネットワークの成り立ちを多層パーセプトロンと隠れ層で見ていきます。

ディープニューラルネットワークを具体的に紐といていき。いよいよディープラーニング前夜です。

画像認識といえば畳み込みです。ここではその概要をみていきます。

習うより慣れろ。まずはツールをダウンロードして、ディープラーニングが自動で学習した重みパラメータで体験してみましょう。

(hand_written_number.zip)

プログラマー必見の番外編です。世界的にシェアを広めるPyTorchというフレームワークを使って、学習方法を紹介します。

ディープラーニングの中では、フィルターというものを通過して画像の特徴を捉えていきます。そのフィルターについて、豊富な具体例を用いて詳しく解説します。

画像のディープラーニングといえば、この畳み込み処理です。フィルターと画像がどのように計算されるのか、ツールを使ってみていきます。

(Convolution.zip)

書籍でもあまり扱われていない畳み込みの逆伝播を、図を見ながら学習できます。数式で見ると大変難しそうな計算ですが、絵で見ると大変わかりやすいです。

フィルターとは違った、ディープラーニング必須の処理を紹介します。

(pooling.zip)

あなたなら、どう考えますか？

フレームワークや、サンプルコードを動かしただけの人は必ず疑問に思うところです。リアルタイムに変化するフィルターを見ていきましょう。実際のパラメーターと、レクチャーで使用したツールもダウンロードできます。学校や職場で利用してみてください。

転移学習の基本を畳み込みニューラルネットワークを使って説明します。転移学習とは、多くの畳み込み層を持つネットワークを学習させる際に利用されています。

転移学習用のツールを使って、学習済みのデータで予測してみます。Softmax関数での出力をグラフで見ることができます。

独自の手書き画像を学習用バッチデータとして学習させていきます。様々な画像を登録して学習させてみましょう。

転移学習用のツールの補足説明です。

レクチャー44から転移学習ツールをダウンロードして、転移学習を行ってみましょう。

独自に訓練させた画像をスクリーンショットを撮ってQ&Aにアップロードしてください。