今更だけど学びたいディープラーニングとは
2021年04月09日

皆さんはディープラーニングと聞くとどんな意味をイメージしますか?

直訳すると、深層学習という意味になります。

今回紹介するディープラーニングとは、自動的にコンピューターが学習をする仕組みのことです。私たち、人間の脳が経験からものごとを学ぶことと同じようなプロセスをたどります。

ディープラーニングは、人工知能(AI)の急速な発展を支える技術であるため、近年ますます注目を集めているのです。

機械学習では人間がもとになりモデルを学習させるのに対し、ディープラーニングではすべてを自動で行うことになります。

 

ディープラーニングではどんな事が可能なのでしょうか。

「画像認識」・「自然言語処理」・「音声認識」・「ロボットによる異常検知」があります。

具体的にはどんな活用がされているのでしょうか。

「画像認識」→ 自動運転

「自然言語処理」→ 自動翻訳

「音声認識」→スマートスピーカー

「ロボットによる異常検知」→鉄道・製造現場

等が挙げられます。

 

 

ディープラーニングを用いたサービスなどの具体的な事例

【製造】

画像の中で特定の型に一致する箇所を認識させ、工場などの異物や不純物の検知などを行うことができる。

 

【流通】

ECサイトなど電子商取引のプラットフォーム上でファッションやアクセサリーなどを画像から検索ができる。

 

【医療】

既にある薬の分子構造などをディープラーニングによって学習し、新薬発見までの過程を短縮させることを目指している。

レントゲン写真やCTスキャン、超音波検査、MRIなどの画像から悪性腫瘍を検知することが出来る。

 

【セキュリティ】

ディープラーニングアンチウイルスパッケージというディープラーニングを利用することによって、危険なコードを自動で認識するソリューション。 

 

【金融】

ディープラーニングを活用した金融トレーディングプラットフォーム。

投資を行う人が自らの投資のタイミングの判断をチャート上からAIに学習させることで、同様の投資タイミングが発生した際に、当事者にお知らせをする意思決定支援機能をメイン機能としている。

 

 

 

ディープラーニングに必要な知識

では今から始めるにはどんな知識等が必要となるのでしょうか?

基本的には自動で処理を行うのでIT・数学・機械学習のスキルが必要となります。

まずは機械学習からみていきましょう。

 

機械学習とは、コンピューターが大量のデータを学習し、分類や予測などのタスクを遂行するアルゴリズムやモデルを自動的に構築する技術であり現在のAIの中核技術でもあります。

機械学習は「教師あり学習・「教師なし学習」・「強化学習」の3つに分類されます。

機械学習に出来ることは{画像認識」・「自然言語処理」・「音声認識」・「予測」があります。

 

教師あり学習とは

正解(正しい出力)付きのデータを機械に学習させる方法。

代表的な手法として、“回帰”と“分類”があります。

 

◆回帰

データを入力すると出力として数値を返す方法(予測)

用途としては株価予測など

 

◆分類

データを入力すると出力としてデータの属性や種類を返す方法(ラベリング)

用途としてはメールのスパム検知など

 

教師なし学習とは

正解を必要とせずに膨大なデータから自動的に算出した特徴量から構造や傾向、法則などを導くことで機械に学習させる方法。

代表的な手法として、“クラスタリング”があります。

 

◆クラスタリング

データを入力するとそのデータのグルーピング結果を返す方法

 

強化学習とは

自ら試行錯誤して最適な行動を見つける学習で、直近の目標を達成し、報酬を与えることで上達していく方法。

 

AI技術の中核をなすことからまずはプログラミングの勉強からする事が必要となるでしょう。

ただプログラミングの勉強と言ってもプログラム言語はたくさんありどれを勉強すれば良いのかと迷いますよね。

ではプログラム言語の特徴を見ていきましょう。

 

プログラミング言語の特徴

■Python

作れるものとしてはAI・WEBアプリ・データ解析ツール等多数あります。

 

Pythonは現在の機械学習、科学計算の分野で最もシェアを獲得している言語です。さらに、学習環境も非常に整っており、スクール・書籍・WEB等多岐にわたっています。

WEBを例に挙げるとProgate【プロゲート】というプログラミング学習サイトがあります。

こちらはユーザー数100万人を超える初心者向けのログラミング学習サイトとなります。

 

またYouTubeにもいろいろなYouTuberがpythonの学習動画をあげており、ライブラリが充実しています。

 

しかし、実行速度はそれほど速くはありません。

 

■R(アール)

R言語は統計解析向けのプログラミング言語です。

その為近年のデータ解析、AI分野で必須の技能である統計学の分野でよく使われます。

特徴としては、統計解析に特化した言語であることでしょう。

しかし、ライブラリを使いこなすにも専門分野の基礎知識が必要になり、Pythonよりもさらに高速な動作を苦手としています。

 

この他にも[Julia]・「Java Script」・「C++」・「Java」・「MATLAB」等があり、どれも長所や短所があります。

どれを使うかは使う人の好みや環境、使用用途によると思われます。

 

 

ディープラーニングで必要な「数学」とは

ディープラーニングで必要となる数学は大きく分けると3分野になります。

「微分積分」・「ベクトル・行列(線形代数)」・「確率・統計」になります。

 

微分・積分で重要となるのは以下の部分と言われています。

・関数の「極大」「極小」の扱い方

・関数の合成や合成関数の微分

・「指数関数」や「対数関数」の微分

・「多変数関数」の扱い方

どれもさわり程度は高校生の数字で習ったものだと思います。

頑張って記憶をたどりながら書籍やWEBを利用してやっていきましょう。

 

まとめ

流石に現在の流行りであり、これから必要となっていく技術ですので難しく取っつきにくい面が多々ありますが覚えて損はない技術ですので、やってみる価値は多いにあると思われます。

例えば、PythonなんかはExcelの自動化なんかから始めるとExcelを使っている人には多少ハードルは下がるのではないでしょうか。

今は情報化の時代ですのでWEBをうまく活用するのも一つの手段です。

もし覚えることができたのならばWEB等でも求人情報がたくさん出回っていますし、今のご時世在宅ワークも多くなっていますので一つの強みとできるのではないでしょうか。

ディープラーニングなんて難しいと思っていても知らず知らずに生活の中にも溶け込んできています。一番近い例は、やはり自動運転でしょうか。

近い将来漫画の世界のように行き先を告げただけで車が勝手に連れていってくれるようになるかもしれませんよ。

 

 

 

Contact

お問い合わせ

電話アイコン電話によるお問い合わせ

03-4405-3988

営業時間:平日 11:00-20:00

メールアイコンメールによるお問い合わせ

info@waocon.com

または以下のお問い合わせより

お問い合わせフォームへ

LINEアイコンLINEでお問い合わせ