Submit Search
Upload
TensorFlowとは? ディープラーニング (深層学習) とは?
•
18 likes
•
25,888 views
KSK Analytics Inc.
Follow
ディープラーニング(深層学習)のソフトウェア「TensorFlow」の紹介と従来の機械学習との違いを解説
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 17
Download now
Download to read offline
Recommended
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
Yuya Unno
開発者からみたTensor flow
開発者からみたTensor flow
Hideo Kinami
機械学習
機械学習
Hikaru Takemura
ChainerでDeep Learningを試す為に必要なこと
ChainerでDeep Learningを試す為に必要なこと
Jiro Nishitoba
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
卓也 安東
協調フィルタリング with Mahout
協調フィルタリング with Mahout
Katsuhiro Takata
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
Ken Morishita
Pythonによる機械学習
Pythonによる機械学習
Kimikazu Kato
Recommended
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
Yuya Unno
開発者からみたTensor flow
開発者からみたTensor flow
Hideo Kinami
機械学習
機械学習
Hikaru Takemura
ChainerでDeep Learningを試す為に必要なこと
ChainerでDeep Learningを試す為に必要なこと
Jiro Nishitoba
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
卓也 安東
協調フィルタリング with Mahout
協調フィルタリング with Mahout
Katsuhiro Takata
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
Ken Morishita
Pythonによる機械学習
Pythonによる機械学習
Kimikazu Kato
深層学習とTensorFlow入門
深層学習とTensorFlow入門
tak9029
機械学習 入門
機械学習 入門
Hayato Maki
機械学習の理論と実践
機械学習の理論と実践
Preferred Networks
Randomforestで高次元の変数重要度を見る #japanr LT
Randomforestで高次元の変数重要度を見る #japanr LT
Akifumi Eguchi
TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門
Etsuji Nakai
Jubatusの特徴変換と線形分類器の仕組み
Jubatusの特徴変換と線形分類器の仕組み
JubatusOfficial
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Yuya Unno
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Preferred Networks
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Ryota Kamoshida
Jubatusにおける大規模分散オンライン機械学習
Jubatusにおける大規模分散オンライン機械学習
Preferred Networks
Python 機械学習プログラミング データ分析演習編
Python 機械学習プログラミング データ分析演習編
Etsuji Nakai
Jubatusにおける機械学習のテスト@MLCT
Jubatusにおける機械学習のテスト@MLCT
Yuya Unno
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
Hajime Sasaki
LCCC2010:Learning on Cores, Clusters and Cloudsの解説
LCCC2010:Learning on Cores, Clusters and Cloudsの解説
Preferred Networks
R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜機会学習・データビジュアライゼーション事始め〜
R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜機会学習・データビジュアライゼーション事始め〜
Yasuyuki Sugai
数式がわからなくたってDeep Learningやってみたい!人集合- dots. DeepLearning部 発足!
数式がわからなくたってDeep Learningやってみたい!人集合- dots. DeepLearning部 発足!
Hideto Masuoka
統計学勉強会#2
統計学勉強会#2
Hidehisa Arai
「機械学習とは?」から始める Deep learning実践入門
「機械学習とは?」から始める Deep learning実践入門
Hideto Masuoka
Jubatusが目指すインテリジェンス基盤
Jubatusが目指すインテリジェンス基盤
Shohei Hido
Learning Latent Variable Gaussian Graphical Models
Learning Latent Variable Gaussian Graphical Models
harapon
Relational Binarized HOG特徴量とReal AdaBoostによるバイナリ選択を用いた物体検出
Relational Binarized HOG特徴量とReal AdaBoostによるバイナリ選択を用いた物体検出
MPRG_Chubu_University
More Related Content
What's hot
深層学習とTensorFlow入門
深層学習とTensorFlow入門
tak9029
機械学習 入門
機械学習 入門
Hayato Maki
機械学習の理論と実践
機械学習の理論と実践
Preferred Networks
Randomforestで高次元の変数重要度を見る #japanr LT
Randomforestで高次元の変数重要度を見る #japanr LT
Akifumi Eguchi
TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門
Etsuji Nakai
Jubatusの特徴変換と線形分類器の仕組み
Jubatusの特徴変換と線形分類器の仕組み
JubatusOfficial
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Yuya Unno
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Preferred Networks
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Ryota Kamoshida
Jubatusにおける大規模分散オンライン機械学習
Jubatusにおける大規模分散オンライン機械学習
Preferred Networks
Python 機械学習プログラミング データ分析演習編
Python 機械学習プログラミング データ分析演習編
Etsuji Nakai
Jubatusにおける機械学習のテスト@MLCT
Jubatusにおける機械学習のテスト@MLCT
Yuya Unno
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
Hajime Sasaki
LCCC2010:Learning on Cores, Clusters and Cloudsの解説
LCCC2010:Learning on Cores, Clusters and Cloudsの解説
Preferred Networks
R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜機会学習・データビジュアライゼーション事始め〜
R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜機会学習・データビジュアライゼーション事始め〜
Yasuyuki Sugai
数式がわからなくたってDeep Learningやってみたい!人集合- dots. DeepLearning部 発足!
数式がわからなくたってDeep Learningやってみたい!人集合- dots. DeepLearning部 発足!
Hideto Masuoka
統計学勉強会#2
統計学勉強会#2
Hidehisa Arai
「機械学習とは?」から始める Deep learning実践入門
「機械学習とは?」から始める Deep learning実践入門
Hideto Masuoka
Jubatusが目指すインテリジェンス基盤
Jubatusが目指すインテリジェンス基盤
Shohei Hido
What's hot
(20)
深層学習とTensorFlow入門
深層学習とTensorFlow入門
機械学習 入門
機械学習 入門
機械学習の理論と実践
機械学習の理論と実践
Randomforestで高次元の変数重要度を見る #japanr LT
Randomforestで高次元の変数重要度を見る #japanr LT
TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門
Jubatusの特徴変換と線形分類器の仕組み
Jubatusの特徴変換と線形分類器の仕組み
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Jubatusにおける大規模分散オンライン機械学習
Jubatusにおける大規模分散オンライン機械学習
Python 機械学習プログラミング データ分析演習編
Python 機械学習プログラミング データ分析演習編
Jubatusにおける機械学習のテスト@MLCT
Jubatusにおける機械学習のテスト@MLCT
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
LCCC2010:Learning on Cores, Clusters and Cloudsの解説
LCCC2010:Learning on Cores, Clusters and Cloudsの解説
R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜機会学習・データビジュアライゼーション事始め〜
R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜機会学習・データビジュアライゼーション事始め〜
数式がわからなくたってDeep Learningやってみたい!人集合- dots. DeepLearning部 発足!
数式がわからなくたってDeep Learningやってみたい!人集合- dots. DeepLearning部 発足!
統計学勉強会#2
統計学勉強会#2
「機械学習とは?」から始める Deep learning実践入門
「機械学習とは?」から始める Deep learning実践入門
Jubatusが目指すインテリジェンス基盤
Jubatusが目指すインテリジェンス基盤
Viewers also liked
Learning Latent Variable Gaussian Graphical Models
Learning Latent Variable Gaussian Graphical Models
harapon
Relational Binarized HOG特徴量とReal AdaBoostによるバイナリ選択を用いた物体検出
Relational Binarized HOG特徴量とReal AdaBoostによるバイナリ選択を用いた物体検出
MPRG_Chubu_University
局所特徴量と統計学習手法による物体検出
局所特徴量と統計学習手法による物体検出
MPRG_Chubu_University
機械学習ゴリゴリ派のための数学とPython
機械学習ゴリゴリ派のための数学とPython
Kimikazu Kato
Pythonによる機械学習入門〜基礎からDeep Learningまで〜
Pythonによる機械学習入門〜基礎からDeep Learningまで〜
Yasutomo Kawanishi
基礎からのベイズ統計学 2章 勉強会資料
基礎からのベイズ統計学 2章 勉強会資料
at grandpa
Pythonによる機械学習入門 ~SVMからDeep Learningまで~
Pythonによる機械学習入門 ~SVMからDeep Learningまで~
Yasutomo Kawanishi
基礎からのベイズ統計学 輪読会資料 第1章 確率に関するベイズの定理
基礎からのベイズ統計学 輪読会資料 第1章 確率に関するベイズの定理
Ken'ichi Matsui
【Unite 2017 Tokyo】「黒騎士と白の魔王」にみるC#で統一したサーバー/クライアント開発と現実的なUniRx使いこなし術
【Unite 2017 Tokyo】「黒騎士と白の魔王」にみるC#で統一したサーバー/クライアント開発と現実的なUniRx使いこなし術
Unity Technologies Japan K.K.
統計学の基礎の基礎
統計学の基礎の基礎
Ken'ichi Matsui
ZeroFormatterに見るC#で最速のシリアライザを作成する100億の方法
ZeroFormatterに見るC#で最速のシリアライザを作成する100億の方法
Yoshifumi Kawai
RuntimeUnitTestToolkit for Unity
RuntimeUnitTestToolkit for Unity
Yoshifumi Kawai
NextGen Server/Client Architecture - gRPC + Unity + C#
NextGen Server/Client Architecture - gRPC + Unity + C#
Yoshifumi Kawai
「黒騎士と白の魔王」gRPCによるHTTP/2 - API, Streamingの実践
「黒騎士と白の魔王」gRPCによるHTTP/2 - API, Streamingの実践
Yoshifumi Kawai
Viewers also liked
(14)
Learning Latent Variable Gaussian Graphical Models
Learning Latent Variable Gaussian Graphical Models
Relational Binarized HOG特徴量とReal AdaBoostによるバイナリ選択を用いた物体検出
Relational Binarized HOG特徴量とReal AdaBoostによるバイナリ選択を用いた物体検出
局所特徴量と統計学習手法による物体検出
局所特徴量と統計学習手法による物体検出
機械学習ゴリゴリ派のための数学とPython
機械学習ゴリゴリ派のための数学とPython
Pythonによる機械学習入門〜基礎からDeep Learningまで〜
Pythonによる機械学習入門〜基礎からDeep Learningまで〜
基礎からのベイズ統計学 2章 勉強会資料
基礎からのベイズ統計学 2章 勉強会資料
Pythonによる機械学習入門 ~SVMからDeep Learningまで~
Pythonによる機械学習入門 ~SVMからDeep Learningまで~
基礎からのベイズ統計学 輪読会資料 第1章 確率に関するベイズの定理
基礎からのベイズ統計学 輪読会資料 第1章 確率に関するベイズの定理
【Unite 2017 Tokyo】「黒騎士と白の魔王」にみるC#で統一したサーバー/クライアント開発と現実的なUniRx使いこなし術
【Unite 2017 Tokyo】「黒騎士と白の魔王」にみるC#で統一したサーバー/クライアント開発と現実的なUniRx使いこなし術
統計学の基礎の基礎
統計学の基礎の基礎
ZeroFormatterに見るC#で最速のシリアライザを作成する100億の方法
ZeroFormatterに見るC#で最速のシリアライザを作成する100億の方法
RuntimeUnitTestToolkit for Unity
RuntimeUnitTestToolkit for Unity
NextGen Server/Client Architecture - gRPC + Unity + C#
NextGen Server/Client Architecture - gRPC + Unity + C#
「黒騎士と白の魔王」gRPCによるHTTP/2 - API, Streamingの実践
「黒騎士と白の魔王」gRPCによるHTTP/2 - API, Streamingの実践
Similar to TensorFlowとは? ディープラーニング (深層学習) とは?
Building Software Reliability through Distributed Tracing.pdf
Building Software Reliability through Distributed Tracing.pdf
Shotaro Suzuki
Ai for marketing
Ai for marketing
Hiroki Iida
Oracle Advanced Analytics 概要
Oracle Advanced Analytics 概要
オラクルエンジニア通信
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
Daiyu Hatakeyama
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
Satoshi Hara
Supervised Machine Learning of Elastic Stack
Supervised Machine Learning of Elastic Stack
Hiroshi Yoshioka
DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
Sho Nakamura
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
Takashi J OZAKI
tut_pfi_2012
tut_pfi_2012
Preferred Networks
Hadoopカンファレンス2013
Hadoopカンファレンス2013
Recruit Technologies
WWW2018 論文読み会 Web Search and Mining
WWW2018 論文読み会 Web Search and Mining
cyberagent
Beyond Accuracy Behavioral Testing of NLP Models with CheckList
Beyond Accuracy Behavioral Testing of NLP Models with CheckList
Dannis Lai
ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展
Recruit Technologies
XP祭り関西2011 森崎 修司「プラクティスが有効にはたらく前提は明らかになっていますか?」
XP祭り関西2011 森崎 修司「プラクティスが有効にはたらく前提は明らかになっていますか?」
Shuji Morisaki
Retty recommendation project
Retty recommendation project
Jiro Iwanaga
Growth team 概要
Growth team 概要
egusa
How to organize data science project (データサイエンスプロジェクトの始め方101)
How to organize data science project (データサイエンスプロジェクトの始め方101)
Yasuyuki Kataoka
Big data解析ビジネス
Big data解析ビジネス
Mie Mori
SASより高速なRevolution R Enterprise
SASより高速なRevolution R Enterprise
Satoshi Kitajima
ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-
ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-
Hironori Washizaki
Similar to TensorFlowとは? ディープラーニング (深層学習) とは?
(20)
Building Software Reliability through Distributed Tracing.pdf
Building Software Reliability through Distributed Tracing.pdf
Ai for marketing
Ai for marketing
Oracle Advanced Analytics 概要
Oracle Advanced Analytics 概要
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
Supervised Machine Learning of Elastic Stack
Supervised Machine Learning of Elastic Stack
DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
tut_pfi_2012
tut_pfi_2012
Hadoopカンファレンス2013
Hadoopカンファレンス2013
WWW2018 論文読み会 Web Search and Mining
WWW2018 論文読み会 Web Search and Mining
Beyond Accuracy Behavioral Testing of NLP Models with CheckList
Beyond Accuracy Behavioral Testing of NLP Models with CheckList
ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展
XP祭り関西2011 森崎 修司「プラクティスが有効にはたらく前提は明らかになっていますか?」
XP祭り関西2011 森崎 修司「プラクティスが有効にはたらく前提は明らかになっていますか?」
Retty recommendation project
Retty recommendation project
Growth team 概要
Growth team 概要
How to organize data science project (データサイエンスプロジェクトの始め方101)
How to organize data science project (データサイエンスプロジェクトの始め方101)
Big data解析ビジネス
Big data解析ビジネス
SASより高速なRevolution R Enterprise
SASより高速なRevolution R Enterprise
ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-
ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-
More from KSK Analytics Inc.
【KSKアナリティクス】 NYSOL 使い方 顧客の年齢を計算編
【KSKアナリティクス】 NYSOL 使い方 顧客の年齢を計算編
KSK Analytics Inc.
【KSKアナリティクス】 NYSOL 使い方 顧客を男女別に分割編
【KSKアナリティクス】 NYSOL 使い方 顧客を男女別に分割編
KSK Analytics Inc.
【KSKアナリティクス】 NYSOL 使い方 顧客数の確認編
【KSKアナリティクス】 NYSOL 使い方 顧客数の確認編
KSK Analytics Inc.
【KSKアナリティクス】 NYSOL 使い方 データ準備編
【KSKアナリティクス】 NYSOL 使い方 データ準備編
KSK Analytics Inc.
【KSKアナリティクス】 NYSOL 使い方 【後編】 オープンデータ 分析 - 頻出パターン の作成・可視化 -
【KSKアナリティクス】 NYSOL 使い方 【後編】 オープンデータ 分析 - 頻出パターン の作成・可視化 -
KSK Analytics Inc.
【KSKアナリティクス】 【前編】 オープンデータ 分析 - XML ファイルからデータ抽出・整形 -
【KSKアナリティクス】 【前編】 オープンデータ 分析 - XML ファイルからデータ抽出・整形 -
KSK Analytics Inc.
【KSKアナリティクス】 NYSOL インストール (Windows 64 bit 編)
【KSKアナリティクス】 NYSOL インストール (Windows 64 bit 編)
KSK Analytics Inc.
【KSKアナリティクス】Pentaho紹介
【KSKアナリティクス】Pentaho紹介
KSK Analytics Inc.
【KSKアナリティクス】 RapidMiner 紹介 (short)
【KSKアナリティクス】 RapidMiner 紹介 (short)
KSK Analytics Inc.
【KSKアナリティクス】製品・サービス案内
【KSKアナリティクス】製品・サービス案内
KSK Analytics Inc.
【KSKアナリティクス】会社案内・事例紹介
【KSKアナリティクス】会社案内・事例紹介
KSK Analytics Inc.
More from KSK Analytics Inc.
(11)
【KSKアナリティクス】 NYSOL 使い方 顧客の年齢を計算編
【KSKアナリティクス】 NYSOL 使い方 顧客の年齢を計算編
【KSKアナリティクス】 NYSOL 使い方 顧客を男女別に分割編
【KSKアナリティクス】 NYSOL 使い方 顧客を男女別に分割編
【KSKアナリティクス】 NYSOL 使い方 顧客数の確認編
【KSKアナリティクス】 NYSOL 使い方 顧客数の確認編
【KSKアナリティクス】 NYSOL 使い方 データ準備編
【KSKアナリティクス】 NYSOL 使い方 データ準備編
【KSKアナリティクス】 NYSOL 使い方 【後編】 オープンデータ 分析 - 頻出パターン の作成・可視化 -
【KSKアナリティクス】 NYSOL 使い方 【後編】 オープンデータ 分析 - 頻出パターン の作成・可視化 -
【KSKアナリティクス】 【前編】 オープンデータ 分析 - XML ファイルからデータ抽出・整形 -
【KSKアナリティクス】 【前編】 オープンデータ 分析 - XML ファイルからデータ抽出・整形 -
【KSKアナリティクス】 NYSOL インストール (Windows 64 bit 編)
【KSKアナリティクス】 NYSOL インストール (Windows 64 bit 編)
【KSKアナリティクス】Pentaho紹介
【KSKアナリティクス】Pentaho紹介
【KSKアナリティクス】 RapidMiner 紹介 (short)
【KSKアナリティクス】 RapidMiner 紹介 (short)
【KSKアナリティクス】製品・サービス案内
【KSKアナリティクス】製品・サービス案内
【KSKアナリティクス】会社案内・事例紹介
【KSKアナリティクス】会社案内・事例紹介
TensorFlowとは? ディープラーニング (深層学習) とは?
1.
www.***.com TensorFlowとは? 株式会社KSKアナリティクス © KSK Analytics
Inc. 2016/07/25 TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
2.
www.***.com 2 TensorFlowとは? 人工知能を簡単に実装できるソフト ウェアライブラリをGoogle社が開発し、 オープンソース化された革新的な技術 です。 人工 知能 TensorFlowオープンソース化 すごい! © KSK Analytics
Inc. TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
3.
www.***.com 3 TensorFlowとは? Google社内でも広く活用されています。 Google検索 Gmail Google翻訳 Android YouTube Googleフォト etc. お世話になっています。 Inbox © KSK
Analytics Inc. TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
4.
www.***.com 4 TensorFlowとは? 何が出来るのでしょうか? 画像検索 メール自動返信文作成 リアルタイム翻訳 音声認識 メール分別 顔認識 ウェブ検索最適化 etc. 夢が膨らみます。 被写体認識 ©
KSK Analytics Inc. TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
5.
www.***.com 5 TensorFlowとは? 何がすごいのでしょうか? 何よりもすごいのは精度です。 例えば、写真を見て何が写っているかど うかを人間と同じレベルで認識できます。 © KSK Analytics
Inc. TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
6.
www.***.com 6 TensorFlowとは? 何がすごいのでしょうか? この精度を上げるために、 ディープラーニング(深層学習) を使用しています。 人工 知能 ディープラーニング (深層学習) © KSK Analytics
Inc. TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
7.
www.***.com 7 TensorFlowとは? 何がすごいのでしょうか? このディープラーニングを 簡単に実装することが出来るのが TensorFlowです。 人工 知能 ディープラーニング (深層学習) TensorFlow © KSK Analytics
Inc. TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
8.
www.***.com ディープラーニング(深層学習)とは? 株式会社KSKアナリティクス データサイエンス本部 データアナリスト 足立 悠 ~従来の機械学習との違い・活用メリット~ ©
KSK Analytics Inc. TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
9.
www.***.com 9 データ分析の活用例 機械・設備の故障予測、異常検知 サービス解約顧客の予測
商品のレコメンデーション(推薦) 新商品の需要予測 クレーム要因の特定 ※BA(ビジネス・アナリティクス)に限定 「機械学習」の手法を適用 © KSK Analytics Inc. TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
10.
www.***.com 10 機械学習とは? データに潜むパターンや規則性を発見すること。 ・機械の稼働ログ ・センサ ・顧客マスタ ・購買履歴 ・アンケート ・・・など 入力データ 機械学習の 「手法」 学習モデル 入力データの パターンや規則性 機械に「学習」させる © KSK
Analytics Inc. TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
11.
www.***.com 11 機械学習の手法(アルゴリズム) 対象 変量 分類
説明性 分析手法 事例 デ ー タ 分 析 1 変 量 分布と 代表値 ◎ 要約統計量 品質管理 RFM分析 ロングテール ◎ 度数集計 ◎ ヒストグラム 推測 統計 ○ 検定 実験計画法 臨床試験 多 変 量 ○ 推定 機械 学習 (教師なし・ 発見型) △ 主成分分析(PCA) 価格最適化 マーケットバスケット分析 顧客セグメンテーション クロスセル・アップセル 系統樹(生命科学) アンケート分析 ◎ 相関分析 ○ アソシエーション分析 △ コレスポンデンス分析 ○ 階層型クラスタリング ○ K-meansクラスタリング △ 自己組織化マップ 機械 学習 (教師あり・ 予測型) △ 協調フィルタリング レコメンデーション 顧客離反防止 倒産予知モデル キャンペーンの効果測定 店舗別売上予測 広告効果測定 ソーシャルメディア分析 クレジットカードの不正検知 物流最適化 設備の予防保全 画像解析 ◎ 決定木分析 ○ K近傍法 ○ ナイーブベイズ ◎ 線形回帰分析 ○ 分散分析 × ニューラルネット × サポートベクターマシン × ロジスティック回帰 × 判別分析 ※1:構造化データサイエンスモデル[SDSM] (工藤卓哉氏, 2013)より修正加筆。※2:分析手法(太字)は弊社RapidMinerトレーニングに含む。 © KSK Analytics Inc. TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
12.
www.***.com 12 機械学習を使えるソフト RapidMiner(→) プログラミング不要で誰でも簡単に分析できる。
NYSOL(→) コマンドベース。高速ETL,高速DBが不要。 R Server(Revolution R Enterprise) R言語でスケーラブルなハイパフォーマンス分析環境を構築。 © KSK Analytics Inc. TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
13.
www.***.com 13 技術体系 © KSK Analytics
Inc. TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
14.
www.***.com 14 ディープラーニング(深層学習)とは? 機械学習の一種でニューラルネットをベースと した技術。ニューラルネットの学習において使用 される「層」を多く(深く)重ねて学習するため、 ディープニューラルネットとも呼ばれる。 分類問題、回帰問題を解くことができ、従来の 機械学習の手法と比較し高精度に学習できる。特 に画像認識、音声認識の分野において効果を発揮 している。 © KSK Analytics
Inc. TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
15.
www.***.com 15 機械学習とディープラーニングの違い 従来の機械学習 ディープラーニング 入力 特徴抽出 パラメータ学習 入力 特徴抽出+ パラメータ学習 ・身長 ・体重 ・髪の長さ ・咽喉の凹凸 etc 答え:女性 答え:女性 ディープラーニングに注目が集まる! 問い:前から歩いてくる人は男性か女性か? ©
KSK Analytics Inc. TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
16.
www.***.com 16 ディープラーニングを使えるソフト TensorFlow Google社が提供するDL、最もポピュラー
CNTK Microsoft社が提供するDL、2015年の画像認識コンペで優勝 Theano アカデミックで最も使用されているDL Caffe UCバークレー発のDLフレームワーク Chainer Preferred Networks及びPreferred Infrastructure社が提供するフレームワー ク © KSK Analytics Inc. TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
17.
www.***.com ↓お問い合わせはこちらまで↓ 株式会社 KSKアナリティクス セールス&マーケティング本部 www.ksk-anl.com sales@ksk-anl.com ©
KSK Analytics Inc. TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
Download now