Enviar pesquisa
Carregar
エススタ 機械学習のキホン
•
Transferir como PPTX, PDF
•
4 gostaram
•
1,628 visualizações
Daiyu Hatakeyama
Seguir
de:code 2017 の機械学習セッションです。機械学習の基礎をしっかりと説明します。
Leia menos
Leia mais
Tecnologia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 52
Baixar agora
Recomendados
[AI01] いまさら聞けない、エンジニアのための機械学習のキホン
[AI01] いまさら聞けない、エンジニアのための機械学習のキホン
de:code 2017
ChatGPT Impact - その社会的/ビジネス価値を考える -
ChatGPT Impact - その社会的/ビジネス価値を考える -
Daiyu Hatakeyama
Ethics of AI - AIの倫理-
Ethics of AI - AIの倫理-
Daiyu Hatakeyama
郡山 Connect 2022 ハッカソン 基調講演 - Hackathon からサービスインになったらデータを扱いましょう
郡山 Connect 2022 ハッカソン 基調講演 - Hackathon からサービスインになったらデータを扱いましょう
Daiyu Hatakeyama
テクノアカデミー郡山 現役ソフトウェアエンジニアが語る。IT の今と未来
テクノアカデミー郡山 現役ソフトウェアエンジニアが語る。IT の今と未来
Daiyu Hatakeyama
Webサイトの最適化
Webサイトの最適化
Daiyu Hatakeyama
DXのための内製化のススメ
DXのための内製化のススメ
Daiyu Hatakeyama
JDMC Azureアプリ開発入門
JDMC Azureアプリ開発入門
Daiyu Hatakeyama
Recomendados
[AI01] いまさら聞けない、エンジニアのための機械学習のキホン
[AI01] いまさら聞けない、エンジニアのための機械学習のキホン
de:code 2017
ChatGPT Impact - その社会的/ビジネス価値を考える -
ChatGPT Impact - その社会的/ビジネス価値を考える -
Daiyu Hatakeyama
Ethics of AI - AIの倫理-
Ethics of AI - AIの倫理-
Daiyu Hatakeyama
郡山 Connect 2022 ハッカソン 基調講演 - Hackathon からサービスインになったらデータを扱いましょう
郡山 Connect 2022 ハッカソン 基調講演 - Hackathon からサービスインになったらデータを扱いましょう
Daiyu Hatakeyama
テクノアカデミー郡山 現役ソフトウェアエンジニアが語る。IT の今と未来
テクノアカデミー郡山 現役ソフトウェアエンジニアが語る。IT の今と未来
Daiyu Hatakeyama
Webサイトの最適化
Webサイトの最適化
Daiyu Hatakeyama
DXのための内製化のススメ
DXのための内製化のススメ
Daiyu Hatakeyama
JDMC Azureアプリ開発入門
JDMC Azureアプリ開発入門
Daiyu Hatakeyama
JAZUG12周年 俺の Azure Cosmos DB
JAZUG12周年 俺の Azure Cosmos DB
Daiyu Hatakeyama
Microsoft の変革
Microsoft の変革
Daiyu Hatakeyama
データ分析概略
データ分析概略
Daiyu Hatakeyama
法政大学 MBA 中小企業向けITとの付き合うコツ
法政大学 MBA 中小企業向けITとの付き合うコツ
Daiyu Hatakeyama
明治大学 データサイエンス・AIに関するオムニバス授業 エバンジェリストというキャリア
明治大学 データサイエンス・AIに関するオムニバス授業 エバンジェリストというキャリア
Daiyu Hatakeyama
Green Software Foundation Global Summit 2022 Tokyo グリーンソフトウェアとは?
Green Software Foundation Global Summit 2022 Tokyo グリーンソフトウェアとは?
Daiyu Hatakeyama
コミュニケーション戦略を前提にしたOutlookやTeams活用
コミュニケーション戦略を前提にしたOutlookやTeams活用
Daiyu Hatakeyama
Python に行く前に Excel で学ぶデータ分析のいろは
Python に行く前に Excel で学ぶデータ分析のいろは
Daiyu Hatakeyama
AI の光と影
AI の光と影
Daiyu Hatakeyama
東京大学 メディアコンテンツ特別講義 Sustainability
東京大学 メディアコンテンツ特別講義 Sustainability
Daiyu Hatakeyama
Wiz国際情報工科自動車大学校 特別講演 Teams活用しよう!
Wiz国際情報工科自動車大学校 特別講演 Teams活用しよう!
Daiyu Hatakeyama
Wiz国際情報工科自動車大学校_特別講演_ITの織り成す未来
Wiz国際情報工科自動車大学校_特別講演_ITの織り成す未来
Daiyu Hatakeyama
東洋経済 製造業DXフォーラム 2022: 製造業のための Sustainability との 向き合い方
東洋経済 製造業DXフォーラム 2022: 製造業のための Sustainability との 向き合い方
Daiyu Hatakeyama
明治大学理工学部 特別講義 AI on Azure
明治大学理工学部 特別講義 AI on Azure
Daiyu Hatakeyama
Microsoft の Sustainability への取り組み
Microsoft の Sustainability への取り組み
Daiyu Hatakeyama
クラデベ - Developer のための Sustainability 入門
クラデベ - Developer のための Sustainability 入門
Daiyu Hatakeyama
世界最先端2030年カーボンネガティブを目指すマイクロソフトのサステナビリティとIoT
世界最先端2030年カーボンネガティブを目指すマイクロソフトのサステナビリティとIoT
Daiyu Hatakeyama
Saga Smart Center - Excelで完結!マイクロソフト流データサイエンスの極意
Saga Smart Center - Excelで完結!マイクロソフト流データサイエンスの極意
Daiyu Hatakeyama
PwC - Strategic Sustainability & Innovation Forum - Microsoft の Sustainabilit...
PwC - Strategic Sustainability & Innovation Forum - Microsoft の Sustainabilit...
Daiyu Hatakeyama
佐賀大学 - データ分析と向き合う
佐賀大学 - データ分析と向き合う
Daiyu Hatakeyama
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
Mais conteúdo relacionado
Mais de Daiyu Hatakeyama
JAZUG12周年 俺の Azure Cosmos DB
JAZUG12周年 俺の Azure Cosmos DB
Daiyu Hatakeyama
Microsoft の変革
Microsoft の変革
Daiyu Hatakeyama
データ分析概略
データ分析概略
Daiyu Hatakeyama
法政大学 MBA 中小企業向けITとの付き合うコツ
法政大学 MBA 中小企業向けITとの付き合うコツ
Daiyu Hatakeyama
明治大学 データサイエンス・AIに関するオムニバス授業 エバンジェリストというキャリア
明治大学 データサイエンス・AIに関するオムニバス授業 エバンジェリストというキャリア
Daiyu Hatakeyama
Green Software Foundation Global Summit 2022 Tokyo グリーンソフトウェアとは?
Green Software Foundation Global Summit 2022 Tokyo グリーンソフトウェアとは?
Daiyu Hatakeyama
コミュニケーション戦略を前提にしたOutlookやTeams活用
コミュニケーション戦略を前提にしたOutlookやTeams活用
Daiyu Hatakeyama
Python に行く前に Excel で学ぶデータ分析のいろは
Python に行く前に Excel で学ぶデータ分析のいろは
Daiyu Hatakeyama
AI の光と影
AI の光と影
Daiyu Hatakeyama
東京大学 メディアコンテンツ特別講義 Sustainability
東京大学 メディアコンテンツ特別講義 Sustainability
Daiyu Hatakeyama
Wiz国際情報工科自動車大学校 特別講演 Teams活用しよう!
Wiz国際情報工科自動車大学校 特別講演 Teams活用しよう!
Daiyu Hatakeyama
Wiz国際情報工科自動車大学校_特別講演_ITの織り成す未来
Wiz国際情報工科自動車大学校_特別講演_ITの織り成す未来
Daiyu Hatakeyama
東洋経済 製造業DXフォーラム 2022: 製造業のための Sustainability との 向き合い方
東洋経済 製造業DXフォーラム 2022: 製造業のための Sustainability との 向き合い方
Daiyu Hatakeyama
明治大学理工学部 特別講義 AI on Azure
明治大学理工学部 特別講義 AI on Azure
Daiyu Hatakeyama
Microsoft の Sustainability への取り組み
Microsoft の Sustainability への取り組み
Daiyu Hatakeyama
クラデベ - Developer のための Sustainability 入門
クラデベ - Developer のための Sustainability 入門
Daiyu Hatakeyama
世界最先端2030年カーボンネガティブを目指すマイクロソフトのサステナビリティとIoT
世界最先端2030年カーボンネガティブを目指すマイクロソフトのサステナビリティとIoT
Daiyu Hatakeyama
Saga Smart Center - Excelで完結!マイクロソフト流データサイエンスの極意
Saga Smart Center - Excelで完結!マイクロソフト流データサイエンスの極意
Daiyu Hatakeyama
PwC - Strategic Sustainability & Innovation Forum - Microsoft の Sustainabilit...
PwC - Strategic Sustainability & Innovation Forum - Microsoft の Sustainabilit...
Daiyu Hatakeyama
佐賀大学 - データ分析と向き合う
佐賀大学 - データ分析と向き合う
Daiyu Hatakeyama
Mais de Daiyu Hatakeyama
(20)
JAZUG12周年 俺の Azure Cosmos DB
JAZUG12周年 俺の Azure Cosmos DB
Microsoft の変革
Microsoft の変革
データ分析概略
データ分析概略
法政大学 MBA 中小企業向けITとの付き合うコツ
法政大学 MBA 中小企業向けITとの付き合うコツ
明治大学 データサイエンス・AIに関するオムニバス授業 エバンジェリストというキャリア
明治大学 データサイエンス・AIに関するオムニバス授業 エバンジェリストというキャリア
Green Software Foundation Global Summit 2022 Tokyo グリーンソフトウェアとは?
Green Software Foundation Global Summit 2022 Tokyo グリーンソフトウェアとは?
コミュニケーション戦略を前提にしたOutlookやTeams活用
コミュニケーション戦略を前提にしたOutlookやTeams活用
Python に行く前に Excel で学ぶデータ分析のいろは
Python に行く前に Excel で学ぶデータ分析のいろは
AI の光と影
AI の光と影
東京大学 メディアコンテンツ特別講義 Sustainability
東京大学 メディアコンテンツ特別講義 Sustainability
Wiz国際情報工科自動車大学校 特別講演 Teams活用しよう!
Wiz国際情報工科自動車大学校 特別講演 Teams活用しよう!
Wiz国際情報工科自動車大学校_特別講演_ITの織り成す未来
Wiz国際情報工科自動車大学校_特別講演_ITの織り成す未来
東洋経済 製造業DXフォーラム 2022: 製造業のための Sustainability との 向き合い方
東洋経済 製造業DXフォーラム 2022: 製造業のための Sustainability との 向き合い方
明治大学理工学部 特別講義 AI on Azure
明治大学理工学部 特別講義 AI on Azure
Microsoft の Sustainability への取り組み
Microsoft の Sustainability への取り組み
クラデベ - Developer のための Sustainability 入門
クラデベ - Developer のための Sustainability 入門
世界最先端2030年カーボンネガティブを目指すマイクロソフトのサステナビリティとIoT
世界最先端2030年カーボンネガティブを目指すマイクロソフトのサステナビリティとIoT
Saga Smart Center - Excelで完結!マイクロソフト流データサイエンスの極意
Saga Smart Center - Excelで完結!マイクロソフト流データサイエンスの極意
PwC - Strategic Sustainability & Innovation Forum - Microsoft の Sustainabilit...
PwC - Strategic Sustainability & Innovation Forum - Microsoft の Sustainabilit...
佐賀大学 - データ分析と向き合う
佐賀大学 - データ分析と向き合う
Último
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
Último
(8)
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
エススタ 機械学習のキホン
1.
2.
3.
4.
2 + 3
= 5
5.
2 + 3
= 5 簡単 大変…
6.
2 + 3
= 5 簡単 大変…
7.
それぞれの写真: 猫? Yes/No
8.
Program = Algorithm 人が書く タスクの仕様の定義 アルゴリズムは固定 アルゴリズムは容易に説明できる ソフトウェアが書く 目的:
汎化 アルゴリズムはデータに依存 アルゴリズムは時間とともに変わる
9.
データの中のパターンを、 コンピューターに 探させる (=学習させる)
10.
天気 気温 風
試合をしたか? 晴れ 低い ある Yes 晴れ 高い ある No 晴れ 高い なし No 曇り 低い ある Yes 曇り 高い なし Yes 曇り 低い なし Yes 雨 低い ある No 雨 低い なし Yes 晴れ 低い なし ?
11.
天気 気温 風
試合をしたか? 晴れ 低い ある Yes 晴れ 高い ある No 晴れ 高い なし No 曇り 低い ある Yes 曇り 高い なし Yes 曇り 低い なし Yes 雨 低い ある No 雨 低い なし Yes 晴れ 低い なし ? Yes Yes Yes 晴れ 曇り 雨 低い 高い なし ある
12.
13.
Two-Crass Boosted Decision
Tree というアルゴリズムを選択した場合… どの “列” が 何の “値” だったら 妥当なのかを 選んでくれる! 複数の “Model” を 作ってくれる! (個数の指定が可能)
14.
データ分割後の、 件数 “Model” と比較!
15.
16.
Input data Data Transformation Train
Model Algorithm Split Data Score Model Evaluate Model
17.
18.
https://docs.microsoft.com/ja-jp/azure/machine-learning/machine-learning- algorithm-choice
19.
http://aka.ms/MLCheatSheet 「“50K” から上か下か?」 つまり… 2つに「分類」 するので…
20.
21.
22.
数値予測 回帰分析 Regression ・売上予測 ・需要予測 ・品質管理 ラベル予測 分類 Classification ・不良品分析 ・故障予測 ・チャーン分析 ・販促効果測定 ・与信分析 データ分類 クラスタリング Clustering ・セグメンテーション ・顧客グルーピング ・メール キャンペーン
23.
Goal: 値を予測する ゴールの例: 何個
24.
• 車の各種情報 価格
25.
Goal: 分類を予測する ゴールの例: 不正か Class 1
Class 2 2つ以上でも良い
26.
「不良種類(成功含む)」を 予測する分析器を作成
27.
Goal: 構造を理解する ゴールの例: 顧客セグメント Cluster 1 Cluster
2 Cluster 3
28.
教師なし学習 がく片の幅 がく片の長さ データの類似性から 2種類に分類する
29.
セトナ バージニカ がく片の幅 がく片の長さ
30.
31.
天気 気温 風
場所 試合をしたか? 晴れ 25 ある さいたま Yes 晴れ 27 ある さいたま Yes 晴れ 高い 10 東京 No 曇り 5 ある 千葉 No 雨 低い なし 神奈川 No
32.
トレーニング用データセット Features Target Value データ処理 データ処理のためのモジュール 1)
Raw Data ロード 2) トレーニング 用の データ作成 Data 2 Data 1 Data N . . . 100011010011 110111110110
33.
34.
陥りやすい罠
35.
線 https://docs.microsoft.com/ja-jp/azure/machine-learning/machine-learning-algorithm-choice
36.
• 訓練用 過学習 適合しなさすぎ (Underfitting) × × × × × × × × × × × × × × × × × × ○ ○ ○ ○ ○
○ ○ ○ ○ ○ ○ ○ ○ × × × × × × × × × × × × × × × × × × ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ × × × × × × × × × × × × × × × × × × ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ちょうど良い 適合しすぎ (過学習:Overfitting)
37.
データ量 データ項目(特徴)の数 データ項目(特徴)の数
38.
39.
Deep Learning 画像解析, 音声認識,
自動生成 機械学習 ラベル分類, 数値予測, データ分類 深層強化学習 自立学習型ロボット 自動運転車
40.
41.
42.
43.
44.
重 み づ け 更 新 重 み づ け 更 新 重 み づ け 更 新 Cat Dog
45.
• 畳み込み プーリング 画像の特徴を自動抽出 畳み込み
プーリング 畳み込み プーリング 全結合層 出力入力 犬 (0.01) 猫 (0.04) ボート(0.94) 鳥 (0.01) ガウシアンフィルタの様な処理をして特徴を自動抽出する層
46.
統計理論に基づいている 理論に基づいているわけでない 計算量が膨大 爆発的に良い分析精度がでる 計算量の大きい深層学習は敷居が非常に高い
47.
• コア数 行列計算 64bitもいらない
48.
49.
機械学習 Deep Learning
深層強化学習 画像解析 音声解析 データ分類 異常検知, 顧客グルーピング 数値予測 売上予測, 需要予測, 品質管理 ラベル分類 不良品分析, 故障予測, チャーン分析 機械学習より強力な分析 自律学習型ロボット 自動運転車 テキストや画像等の自動生成 活用例 主に多層のニューラルネットワーク を用いた手法での分析 分析のためには、莫大なデータ量、 計算量、知識・スキルを要する 統計に基づいた手法での分析 そのため、比較的少ないデータ量と 計算量で分析を行うことができる 定義したあるべき姿に従い試行錯誤 をして自ら学習を行うための 分析手法である強化学習と、 深層学習を組み合わせた分析 Azure Machine Learning Cognitive Toolkit / GPU Instance (N-Series) マイクロソフトが提供する技術 機械学習の世界
50.
機械学習を行うのに必要なもの 大量の データ データ に対する 知見 データ分析 の 知識・経験 データ分析 ツール・ 基盤 × × × 分析用の大量のデータを 保持できる 分析用データの意味を 理解できる 分析内容やデータに適した アルゴリズムを 選択できる 大量データを分析できる ツールを持ち、 使いこなせる 最も重要
51.
https://docs.com/cloudcamp/7472/ azure-developer-cloud-camp
52.
© 2017 Microsoft
Corporation. All rights reserved. 本情報の内容(添付文書、リンク先などを含む)は、作成日時点でのものであり、予告なく変更される場合があります。
Baixar agora