Qiita Teams that are logged in
You are not logged in to any team

Log in to Qiita Team
Community
OrganizationEventAdvent CalendarQiitadon (β)
Service
Qiita JobsQiita ZineQiita Blog
13
Help us understand the problem. What are the problem?

More than 3 years have passed since last update.

ドラッグ&ドロップでディープラーニングができるNeuralNetworkConsoleの事例紹介

Neural Network Console (4).png

※この情報は2018年6月22日(金)のものです。

弊社の紹介

データサイエンスアカデミーは、次世代のデータサイエンティスト人材の育成・輩出を行っています。
現在、自社ブログでもデータサイエンスに関するコラムを連載しております。
ぜひご一読ください!
ブログについてはこちら

NeuralNetworkConsoleとは?

ソニーが開発したディープラーニングツールです。

4.PNG

サイトはこちら
https://dl.sony.com/ja/

従来までは、プログラミングでしかできなかったディープラーニングが
ドラッグ&ドロップでもできるようになった画期的なツールです。

今回はそのツールを活用して、どんなことが可能になったか事例を集めてみました。

画像データを使用した判別モデル作成事例

NeuralNetworkConsoleでは、すでに何個かのサンプルプロジェクトが用意されています。
そのうち、○○か○○じゃないか、を判別するサンプルプロジェクト、
「01_logistic_regression.sdcproj」を使うだけで簡単に判別モデルの作成ができます。
以下は、色々な画像で判別モデルを作った事例です。

ドラッグ&ドロップでディープラーニング!NeuralNetworkConsoleの使い方

弊社データサイエンスアカデミーの記事です。
AKB世界選抜総選挙が終了したということもあり、HTK48のメンバーの一人である宮脇咲良さんか、
そうではないかを判別するモデル作成に挑戦してみました。

インストールの方法から解説しておりますので、
以下、事例をお読み頂き、使いたくなってみた方は、ぜひご参考ください。

https://d4c-academy.org/topics/1569

1.PNG

2.PNG

Neural Network Consoleの学習モデル自動最適化機能が凄すぎる!

https://ai-coordinator.jp/neural-network-console
男女の画像を使ったモデル作成手順を解説しています。

1.PNG

【Neural Network Console】新規画像のDataset作成方法

きのこの山と、たけのこの里を判別するユニークな事例。
4.PNG

モデルの学習から評価までツールが自動でやってくれる分、
あとは画像を集めるだけ・・・ということで、
画像をどのように集めたのかの方法も解説してくれています。

画像収集の方法はこちら

数値データを使用した事例

NeuralNetworkConsoleだと画像だけではなく、数値データを使った推定なども
行うことできます。以下の事例ではデータの作り方から解説してくれています。

SONY Neural Network Consoleで日経平均株価をディープラーニング

http://cedro3.com/ai/nikkei-stock-dl/
ディープラーニングの例でよく見かける日経平均株価予測。
プログラミングではどのように作るかわからなかった、挫折した、という方にこそ、
データの作り方から学べるおすすめの事例です。

SONY Neural Network Console 家賃を推定するニューラルネットワーク

http://cedro3.com/ai/rent-dl/
日経平均株価の予測の次は、家賃の推定を行ってみたい方に参考となる事例です。
5.PNG

自社ブログで技術系コラムを連載中!

NeuralNetworkConsoleで弊社が実装した事例はこちら!
https://d4c-academy.org/topics/1569

この他にもデータサイエンスに関するコラムを連載しております。
ぜひご一読ください!
ブログについてはこちら

Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
13
Help us understand the problem. What are the problem?