AWS公式資料で挑むMLS認定(3)-深層学習(ディープラーニング) #機械学習

はじめに

前回は、AI/機械学習の基本を取り上げました、
今回は、少し深い学習手法深層学習を理解します。

3層構造
- 入力層
- 中間層
- 出力層
各層に重みを設定
- 学習しながら重みを調整することで、より精度の高い予測を行なう
多層人工ニューラルネットワーク(DNN: Deep Neural Network)
- 中間層が複数層となり、深いネットワーク構造
- DNNを用いる学習を深層学習(ディープラーニング)と呼ぶ

コンピュータが自律的に学習を行い、管理を必要としないため、
幅広い人工知能のユースケースに適している。

画像や動画の分類と区分け
- 畳み込みニューラルネットワークは、対象分類や顔認識など視覚的タスクにおいて、人間を上回る
- 写真ストレージサービスに、深層学習による顔認識機能が使用される
- Amazonサービス: Amazon Rekognition
音声認識
- 仮想アシスタントがリクエストを認識し応答を返すように設計
- 深層学習により、発話とその意味を簡単に判断できる
  - 人間のアクセントや音声パターンは変化するため、伝統的な数学やコンピュータサイエンスを利用して音声認識を行うことは困難
- Amazonサービス: Amazon Transcribe
自然言語処理
- システムが人間の言語、語調、文脈を理解できるように設計
  - 感情や皮肉などのより難しい概念を識別できる
- ユーザーからの問い合わせを解読し応答を行う音声/テキストボットで顧客サービスを自動化
- Amazonサービス: Amazon Lex
レコメンデーション(推奨)エンジン
- オンラインショッピングで購入したいアイテムに関連する、パーソナライズされたコンテンツを推奨
- ユーザー行動を追跡し、多数ユーザーの行動を総合的に比較することで、ユーザーが興味を持つ新しいアイテムを特定
- Amazonサービス: Apache MXNet

スピード
- 深層学習アルゴリズムは、短期間で学習できるように設計されている
- 複雑な行列演算にGPUやCPUのクラスタを使用し、深層学習モデルのトレーニング期間を短縮
- 構築したモデルを使用し大量データを処理可能で、精度の高い結果を出すことが可能
- 分散ネットワークを活用し、深層学習アプリケーションを短期間で設計、開発、トレーニングできる
スケーラビリティ
- ニューラルネットワークで、複数プロセッサをシームレスかつ効率的に活用し、ワークロードを分散
- 幅広いリソースをオンデマンドで利用でき、あらゆる規模の深層学習モデルに、リソースを無制限にデプロイ可能
- 大規模データセットの取り込み、管理が可能
柔軟性
- パッケージ化されたライブラリから、ウェブ/モバイル/接続デバイスなどユースケースに適した深層学習アルゴリズムを選択できる
- クラウドで実行できる深層学習フレームワーク
  - Apache MXNet
  - TensorFlow
  - Microsoft Cognitive Toolkit
  - Caffe
  - Caffe2
  - Theano
  - Torch
  - Keras

機械学習手法である深層学習の基本を勉強しました。
次回はもう一つの学習手法強化学習です、お楽しみに。