Simple introduction for beginners to study deep learning with neural networks.

1. トライアルグループ ティー・アール・イー
阿久沢崇
VEGA Tech Meetup 2019/10/24
おさらい、機械学習としての
ディープラーニング

2. 本⽇の私たちのゴール

3. 本⽇の 私たちのゴール
• 「初学者にディープラーニングのしくみを伝える」を考える
• 例として、基本的なニューラルネットワークの計算
• その道のプロ
「そこまで省略して伝えれば良さそうだね」
• その道のプロ以外、初学者含む
「そうそう、そんな感じですよね」
• 本当にほんとうの初学者
「おー、なるほど！」

4. ニューラルネットワークの
計算

5. ニューラルネットワークの計算
推論の
しくみ
計算⽅法を
少し詳しく
学習の
しくみ

6. ニューラルネットワークの計算
推論の
しくみ
計算⽅法を
少し詳しく
学習の
しくみ

7. 推論のしくみ
• ⼊⼒層と出⼒層
• 中間層または隠れ層
• ディープニューラルネットワーク

9. 推論のしくみ
• ⼊⼒層と出⼒層
• ⼊⼒と出⼒は⼈間が⽤意する
• 中間層または隠れ層
• ⼊⼒と出⼒の間の関係はコンピュータが計算する
• ディープニューラルネットワーク
• 中間層を増やしたディープなネットワークでラーニング

10. ニューラルネットワークの計算
推論の
しくみ
計算⽅法を
少し詳しく
学習の
しくみ

11. 計算⽅法を少し詳しく
• ニューラルネットワークの計算⽅法
• バイアス
• 活性化関数

14. 計算⽅法を少し詳しく
• ニューラルネットワークの計算⽅法
• ニューラルネットワークは関数
• バイアス
• イメージ：上下にずらす
• 活性化関数
• イメージ：曲げる

15. ニューラルネットワークの計算
推論の
しくみ
計算⽅法を
少し詳しく
学習の
しくみ

16. 学習のしくみ
• 誤差を最⼩化する
• 重みを調整する
• 学習済みネットワーク

19. 学習のしくみ
• 誤差を最⼩化する
• 接線の傾きと学習率
• 重みを調整する
• 誤差をもとに計算する
• 学習済みネットワーク
• 重みが調整されたネットワーク

20. 少し寝かせると
記憶は定着しやすくなります

21. ここらで⾃⼰紹介でも

22. ⾃⼰紹介
• 株式会社TRE 阿久沢崇
• 流通のシステムを⼀通り、今はディープラーニング講師
• 20分でおさらい
• ニューラルネットワークの計算、今⽇の話
• 3時間で早わかり
• 概論、数学、プログラミング
• 3⽇間で実務
• 画像処理、時系列、⾃然⾔語、環境構築、データ作成

23. 本題に戻って、おさらい

24. 本⽇の 私たちのゴール
• 「初学者にディープラーニングのしくみを伝える」を考える
• 例として、基本的なニューラルネットワークの計算
• その道のプロ
「そこまで省略して伝えれば良さそうだね」
• その道のプロ以外、初学者含む
「そうそう、そんな感じですよね」
• 本当にほんとうの初学者
「おー、なるほど！」

25. ⼈間とコンピュータの役割分担
• ⼈間の得意なこと
• 判断：⼊⼒と正解ラベル、教師データ
• コンピュータの得意なこと
• 計算：判断基準は理解しない、ひたすら計算

27. ⼈間とコンピュータの役割分担
• ⼈間の得意なこと
• 判断：⼊⼒と正解ラベル、教師データ
• コンピュータの得意なこと
• 計算：判断基準は理解しない、ひたすら計算
これで学習が進む！
この役割分担、すごくないですか？

28. ⼈間とコンピュータの役割分担
• ⼈間の得意なこと
• 判断：⼊⼒と正解ラベル、教師データ
• コンピュータの得意なこと
• 計算：判断基準は理解しない、ひたすら計算
これで学習が進む！
この役割分担、すごくないですか？
ありがとうございました！