Vous serez ingénieur dans 100 jours ――Jour 84 ――Programmation ――À propos de l'apprentissage automatique 9

Cliquez ici jusqu'à hier

Vous deviendrez ingénieur dans 100 jours - Jour 76 - Programmation - À propos de l'apprentissage automatique

Vous deviendrez ingénieur dans 100 jours-70-Programmation-À propos du scraping

Vous deviendrez ingénieur dans 100 jours - Jour 66 - Programmation - À propos du traitement du langage naturel

Vous deviendrez ingénieur dans 100 jours - Jour 63 - Programmation - À propos de la probabilité 1

Vous deviendrez ingénieur dans 100 jours - Jour 59 - Programmation - À propos des algorithmes

Vous deviendrez ingénieur dans 100 jours --- Jour 53 --Git --À propos de Git

Vous deviendrez ingénieur dans 100 jours --Jour 42 --Cloud --À propos des services cloud

Vous deviendrez ingénieur dans 100 jours - Jour 36 --Base de données --À propos de la base de données

Vous deviendrez ingénieur dans 100 jours-24 jours-Python-Bases du langage Python 1

Vous deviendrez ingénieur dans 100 jours --Jour 18 --Javascript --Les bases de JavaScript 1

Vous deviendrez ingénieur dans 100 jours - Jour 14 --CSS --CSS Basics 1

Vous deviendrez ingénieur dans 100 jours - Jour 6 --HTML - Bases du HTML 1

Cette fois, c'est une continuation de l'histoire de l'apprentissage automatique. Je voudrais aborder l'apprentissage profond.

À propos de l'apprentissage profond

Je vais vous expliquer ce que vous pouvez faire avec l'apprentissage automatique pour la première fois, mais ce que vous pouvez faire avec l'apprentissage automatique Il y en a essentiellement trois.

· Revenir · Classification ・ Regroupement

En gros, cela devient «prédiction», mais la partie de ce qu'il faut «prédire» change.

・ Retour: prédire les valeurs numériques ・ Classification: Catégories de prédiction ・ Clustering: faites-vous sentir bien

Dans l'apprentissage automatique, il existe un modèle d'apprentissage qui prédit quelque chose. L'un de ces modèles d'apprentissage est appelé "Neural Network".

À propos du réseau neuronal (NN)

C'est un modèle mathématique qui vise à exprimer les caractéristiques des neurones trouvés dans le fonctionnement du cerveau. Il a une structure semblable à un cerveau.

スクリーンショット 2020-06-12 18.09.14.png

La structure est divisée en une couche d'entrée, une couche intermédiaire (couche cachée) et une couche de sortie.

Par exemple, supposons que vous souhaitiez prédire le sexe, homme ou femme. Il devient un modèle de classification des valeurs catégorielles et la valeur numérique de la variable explicative est donnée à la couche d'entrée. Après avoir bien calculé dans la couche intermédiaire, comme résultat dans la couche de sortie Il crache des valeurs numériques telles que 0.XX pour les hommes et 0.YY pour les femmes.

Fondamentalement, il sera jugé par la taille de la valeur numérique La catégorie avec le nombre le plus élevé est la valeur prévue.

Si tel est le mécanisme de "Neural Net (NN)" et devient "Deep Neural Network (DNN)" Il y a au moins deux couches cachées.

スクリーンショット 2020-06-12 18.09.21.png

Apprendre à l'aide d'un «réseau neuronal profond» est un «apprentissage profond (DL)» «Deep learning» est une forme incluse dans l'apprentissage automatique.

Comment fonctionne le réseau neuronal

Comme le montre la figure ci-dessus, il a une forme qui imite la structure du cerveau, mais dans chaque partie unitaire Le calcul numérique est effectué à l'aide d'une fonction appelée «fonction d'activation».

スクリーンショット 2020-06-12 18.19.22.png

Reçoit un numéro du calque précédent et le transmet au calque suivant. Les fonctions utilisées à ce moment-là sont les suivantes.

Fonction pas à pas: renvoie 0 ou 1 à n'importe quel seuil Fonction Sigmaid Renvoie une valeur continue de 0 à 1 Fonction Relu: renvoie la valeur lorsqu'elle est supérieure ou égale à 0, et renvoie 0 lorsqu'elle est inférieure à 0.

Nous effectuerons des calculs multicouches en spécifiant une fonction d'activation qui ressemble à ceci.

L'expression en haute dimension est possible en augmentant le nombre de couches cachées Traitement des données d'apprentissage On dit qu'un certain degré de précision peut être atteint sans spécifier en détail la quantité de caractéristiques.

Inconvénients de l'apprentissage profond

Avec un modèle normal, vous pouvez calculer quel élément a contribué, etc. Il y a un point qu'il est difficile de comprendre dans l'apprentissage profond.

De plus, il nécessite une grande quantité de calculs par rapport aux autres modèles et consomme une grande quantité de ressources de calcul. Par conséquent, de nombreuses ressources de calcul sont nécessaires lors de l'utilisation de données longues.

À propos du modèle dérivé du réseau neuronal

** Réseau neuronal à convolution (CNN) **

Avec un réseau neuronal adapté à la capture de fonctionnalités telles que des images Nous avons introduit une "couche de pliage" et une "couche de mise en commun" dans le réseau traditionnel.

«Convolution» est une opération mathématique qui applique d'une manière ou d'une autre une fonction à une autre. La «mise en commun» consiste à extraire une valeur numérique des données numériques.

Ce «CNN» a démontré de hautes performances en analyse d'image.

Ces dernières années, il a atteint des performances presque humaines dans les tâches de reconnaissance d'objets. Leur taux d'erreur continue de baisser d'année en année, avec les tâches actuelles de classification d'images Nous avons un dossier avec un taux d'erreur inférieur à 3%.

C'est encore plus que la performance humaine pour la même tâche Puisqu'il s'agit d'un nombre faible, il dépasse la précision humaine.

Parce qu'il y a une possibilité de tirer des performances qui dépassent la précision humaine de cette manière C'est une traduction qui attire l'attention.

Résumé

Quand des non-ingénieurs essaient soudainement de comprendre l'apprentissage profond Je pense que les obstacles sont assez élevés.

Surtout en ce qui concerne la mise en œuvre.

Tout d'abord, comprenez le mécanisme approximatif et la signification des mots Si vous pouvez faire cela, je pense que vous devriez passer à autre chose.

Pour le moment, supprimons les mots liés à l'apprentissage profond.

16 jours avant de devenir ingénieur

Informations sur l'auteur

HP d'Otsu py: http://www.otupy.net/

Youtube: https://www.youtube.com/channel/UCaT7xpeq8n1G_HcJKKSOXMw

Twitter: https://twitter.com/otupython

Recommended Posts

Vous serez ingénieur dans 100 jours ――Jour 81 ――Programmation ――À propos de l'apprentissage automatique 6
Vous serez ingénieur dans 100 jours ――Jour 82 ――Programmation ――À propos de l'apprentissage automatique 7
Vous serez ingénieur dans 100 jours ――Jour 79 ――Programmation ――À propos de l'apprentissage automatique 4
Vous serez ingénieur dans 100 jours ――Jour 76 ――Programmation ――À propos de l'apprentissage automatique
Vous serez ingénieur dans 100 jours ―― Jour 80 ―― Programmation ―― À propos de l'apprentissage automatique 5
Vous serez ingénieur dans 100 jours ――Jour 78 ――Programmation ――À propos de l'apprentissage automatique 3
Vous serez ingénieur dans 100 jours ――Jour 84 ――Programmation ――À propos de l'apprentissage automatique 9
Vous serez ingénieur dans 100 jours ――Jour 83 ――Programmation ――À propos de l'apprentissage automatique 8
Vous serez ingénieur dans 100 jours ――Jour 77 ――Programmation ――À propos de l'apprentissage automatique 2
Vous serez ingénieur dans 100 jours ――Jour 85 ――Programmation ――À propos de l'apprentissage automatique 10
Vous serez ingénieur dans 100 jours ――Jour 71 ――Programmation ――À propos du scraping 2
Vous serez ingénieur dans 100 jours ――Jour 61 ――Programmation ――A propos de l'exploration
Vous serez ingénieur dans 100 jours ――Jour 74 ――Programmation ――À propos du scraping 5
Vous serez ingénieur dans 100 jours ――Jour 73 ――Programmation ――À propos du scraping 4
Vous serez ingénieur dans 100 jours ――Jour 75 ――Programmation ――À propos du scraping 6
Vous deviendrez ingénieur dans 100 jours --Jour 68 --Programmation --A propos de TF-IDF
Vous serez ingénieur dans 100 jours ――Jour 70 ――Programmation ――À propos du grattage
Vous serez ingénieur dans 100 jours ――Jour 63 ――Programmation ――À propos de la probabilité 1
Vous serez ingénieur dans 100 jours ――Jour 65 ――Programmation ――A propos de la probabilité 3
Vous serez ingénieur dans 100 jours ――Jour 64 ――Programmation ――À propos de la probabilité 2
Vous serez ingénieur dans 100 jours --Jour 86 --Base de données -
Vous serez ingénieur dans 100 jours ―― Jour 60 ―― Programmation ―― À propos de la structure des données et de l'algorithme de tri
Vous serez ingénieur dans 100 jours - Jour 27 - Python - Exercice Python 1
Vous serez ingénieur dans 100 jours - Jour 34 - Python - Exercice Python 3
Vous serez ingénieur dans 100 jours - Jour 31 - Python - Python Exercice 2
Vous devenez ingénieur en 100 jours ――Jour 67 ――Programmation ――A propos de l'analyse morphologique
Vous devenez ingénieur en 100 jours ――Jour 66 ――Programmation ――À propos du traitement du langage naturel
Vous serez ingénieur dans 100 jours ――Jour 24 ―― Python ―― Bases du langage Python 1
Vous serez ingénieur dans 100 jours ――Jour 30 ―― Python ―― Bases du langage Python 6
Vous serez ingénieur dans 100 jours ――Jour 25 ―― Python ―― Bases du langage Python 2
Vous serez ingénieur dans 100 jours - Jour 29 - Python - Bases du langage Python 5
Vous serez ingénieur dans 100 jours - Jour 33 - Python - Bases du langage Python 8
Vous serez ingénieur dans 100 jours --Jour 26 --Python --Basiques du langage Python 3
Vous devenez ingénieur en 100 jours - Jour 35 - Python - Ce que vous pouvez faire avec Python
Vous serez ingénieur dans 100 jours --Jour 32 --Python --Basiques du langage Python 7
Vous serez ingénieur dans 100 jours --Jour 28 --Python --Les bases du langage Python 4
Devenez bientôt un ingénieur IA! Apprenez complètement Python / AI / Machine learning / Deep learning / Analyse statistique en quelques jours!
Vous devez faire attention aux commandes que vous utilisez quotidiennement dans l'environnement de production.
Créez un environnement interactif pour l'apprentissage automatique avec Python
À propos des tests dans la mise en œuvre de modèles d'apprentissage automatique
Apprentissage automatique sur le surapprentissage
Enregistrement d'apprentissage de la programmation 2ème jour
Jusqu'à ce qu'un ingénieur qui était autrefois frustré par l'apprentissage automatique parvienne à utiliser l'apprentissage automatique au travail
[Apprentissage automatique] Résumons la forêt aléatoire de manière simple à comprendre
Apprentissage automatique dans Delemas (s'entraîner)
Une introduction à l'apprentissage automatique
À propos de la matrice mixte d'apprentissage automatique
Programmation Python Machine Learning> Mots-clés
Utilisé en EDA pour l'apprentissage automatique
Que diriez-vous d'Anaconda pour créer un environnement d'apprentissage automatique avec Python?
Apprenez le machine learning à tout moment et en tout lieu dans l'environnement Jupyter Notebook à la demande