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
21
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3_LLMを活用する技術について
milky04
0
30
勉強会4_アップデートされたAssistantsAPIを試す
milky04
0
2.1k
勉強会1_SlackのAIチャットボットを作ってみた
milky04
0
42
Other Decks in Programming
See All in Programming
sqlcを利用してsqlに型付けを
kamiyam
0
250
A Journey of Contribution and Collaboration in Open Source
ivargrimstad
0
1.1k
Vue3の一歩踏み込んだパフォーマンスチューニング2024
hal_spidernight
3
900
Vaporモードを大規模サービスに最速導入して学びを共有する
kazukishimamoto
2
520
Why I Choose NetBeans for Jakarta EE
ivargrimstad
0
740
(Deep|Web) Link support with expo-router
mrtry
0
190
2024-10-01 dev2next - Observability for Modern JVM Applications
jonatan_ivanov
1
140
Subclassing, Composition, Python, and You
hynek
3
190
Повторное использование кода в ML: почему ML-пайплайны могут помочь?
lamodatech
0
370
The future of development – Are our jobs getting harder or easier?
hollycummins
1
180
現場から考えるソフトウェアエンジニアリングの価値と実験
nomuson
1
140
Golang と Erlang
taiyow
7
1.7k
Featured
See All Featured
Facilitating Awesome Meetings
lara
49
6k
Practical Orchestrator
shlominoach
186
10k
Into the Great Unknown - MozCon
thekraken
31
1.4k
The Language of Interfaces
destraynor
154
24k
JavaScript: Past, Present, and Future - NDC Porto 2020
reverentgeek
46
4.9k
Responsive Adventures: Dirty Tricks From The Dark Corners of Front-End
smashingmag
250
21k
The Power of CSS Pseudo Elements
geoffreycrofte
71
5.3k
A Tale of Four Properties
chriscoyier
156
22k
Build your cross-platform service in a week with App Engine
jlugia
229
18k
A better future with KSS
kneath
237
17k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
355
29k
Scaling GitHub
holman
458
140k
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