AI、データサイエンス ディープラーニングのテクニック その2
ディープラーニングの有名どころのモデルとしてCNNについて記載する。画像データは座標情報(縦横)の2次元に、色情報を加えたもので、数値情報としては3次元になる。畳み込みニューラルネットワーク(Convolutional Neural Network：CNN)は座標情報の2次元データを入力するモデルとなる。
ディープラーニング
AI、データサイエンス 
AI、データサイエンス ディープラーニングのテクニック その１
ディープラーニングは様々なテクニックの集合体と言える。ここでは以下の代表的なテクニックを記載する。勾配消失の問題の最大の原因はシグモイド関数の導関数の最大値が0.25と小さいことであった。よって、このシグモイド関数を別の物に置き換えることでこの問題が回避できるのでないか？というアプローチの元、シグモイド関数
AI、データサイエンス ディープラーニング概要
前回までは、AIの歴史やディープラーニングのブレイクスルー前の話が主だった。今回からディープラーニングの話に突入。ディープラーニングの基本構造の由来はニューラルネットワーク。ニューラルネットワーク自体は隠れ層を持つことで非線形分類ができるようになったもの。単純パーセプトロンと比べると複雑なことができるとはいえる
AI、データサイエンス 人工知能の問題点 その2
前回の続き。ただし、今回の問題点はディープラーニングにより解決されているものも含まれる。知識獲得のボトルネック特徴量設計の問題シンギュラリティ(技術的特異点)機械翻訳の歴史は以下となる。1970年代後半：ルールベース機械翻訳1990年代以降：統計的機械翻訳コンピュータが「意味」を理解しているため、
AI、データサイエンス 第3次AIブーム(機械学習・深層学習の時代)
機械学習、ディープラーニング(深層学習)の時代に突入。昨今のAIによる恩恵の時代。機械学習とは、プログラム自身が学習する仕組みであり、その学習はサンプルデータが多いほど良い。2000年以降はビッグデータと共に注目を浴びる。(ビッグデータで大量のサンプルを集められるので相乗効果に期待)
AI、データサイエンス 人工知能(AI)って何？
動機は凡そ以下。・自動車業界のADAS/ADの領域で必要な知識として問われる場面が多発。・流行りものなのでまずは簡単に調べてみよう。・具体的な手法等は一旦置いておいて、大雑把に把握しておきたい。先に結論を書くと以下。・定義の話はあるようで、カッチリ決まっているわけでは無い。