2020年、Deep Learningをはじめましょう！
Deep Learning（深層学習）をこれから学びたいという方を対象にした、導入のための解説動画です。
Neural Network Console KZreadチャンネル
/ @neuralnetworkconsole
再生リスト「Deep Learning入門」
• Deep Learning入門
再生リスト「Neural Network Console チュートリアル（クラウド版）」
• Neural Network Console...
再生リスト「Neural Network Console チュートリアル（Windows版）」
• Neural Network Console...
再生リスト「実践Deep Learning」
• 実践Deep Learning
再生リスト「Deep Learning 精度向上テクニック」
• Deep Learning精度向上テクニック
Neural Network Console
dl.sony.com/ja/
Neural Network Libraries
nnabla.org/ja/
Пікірлер: 30
声が無茶苦茶いい
こんな内容が無料で見られるなんて新時代だなぁ
非常に聞きやすい声、流れるようなお話、登録させていただきました。
Oh great!...nice. Looking forward to your new videos.
すごく聞きやすい、BGM音量もいい、即チャンネル登録しましたｗ
溢れ出る有能感
BGMがクラシカルで好き。 興味あったけど、高い書籍買って全然ちんぷんかんぷんのことあるからどこから手つけていいかわからなかった。 いやー、日本にソニーがいてよかった。
@user-vz3ch7od7m
3 жыл бұрын
笑
さいこうです
人の顔があることで、直接教えてもらってる感が出てより頭に入りやすくなるかも？？
初めまして、Deep Learningについてとても分かりやすい説明でした。 Deep Learningをドキュメントの検査業務に活用してみたいと思いました。 具体的にはA4サイズのpdfファイルで、文字切れや文字の罫線との重なり、 スペルミスの検出、不適切なイメージ情報等で、 エラー箇所の検出と合否判定で活用したいと考えております。 これだけの情報で答え辛いとは思いますが、 Neural Network Consoleで実現可能でしょうか？
AIをツールとして使いたいがデータを行列にするやり方がわからないので AIを使えないでいる人が多いと思うが インプットのデータを作るノウハウを紹介する動画も作ってもらいたい
声だけでなく顔もかっこいい
it seem very interesting, but I don't understand japanese
この動画のシリーズ、わかりやすくて大好きです。ただ画面に人の顔があると気になるのとスライドサイズが小さくなってしまうので、できれば今までと同じくスライドのみの動画にしてほしいです。
基本的なDeepLearningは１階の数値微分が分かる知識が有れば、個人で簡単にゼロからプログラミングできるしね・・・有限要素法とかの方がよっぽど難しい
@shinsokayborg
2 жыл бұрын
ほんと そうですね。
どこでもdeep learningで、出てくる例が必ず手書き数字の認識ばかりですが、画像だけでもない他の例はないのでしょうか? いろいろな例がないと、よく理解できません。
放課後児童会での子供達のおやつタイムお菓子を、予算·仕入れ業者·市場商品の中から最適化して人員数で処理したい。
ビックデータのデータの蓄積基盤作ってます。 使う側の立場から、使いやすいデータ基盤ってどんな機能があったらいいんでしょうか？
せっかくここまで発展したセンサーやコンピュータリソースを機械学習で利用しない手はないですね
一瞬霜降り明星のせいやに見えた
日本人では、えーとかあーとか画話に入ってしまいますが、それをAIで削除しているのではないかと思う。
14分からのソフトはどこから使えるんですか？ やってみたいです。
Deep Learningが従来の手法に比べて簡単であるというのは「ツールやライブラリを用いれば」従来の手法に比べて簡単であるということであって、画像信号処理も統計的な予測もツールやライブラリを用いればそれほど専門知識は必要なかったわけです(特にExcelの統計処理では、専門知識がなくても、いくつもの検定を手軽に行うことができます)。 Neural Network Consoleを売るためかもしれませんが、そこのミスリードだけが少し気になりました。従来手法に対してフィルタ処理などの内部的な処理を持ち出すのであれば、Deep Learningの内部的な処理も持ちだすべきではないでしょうか。結局、フィルタを通してプーリングして……ってやっているわけですから。
@monofo757
4 жыл бұрын
deep learningが簡単な理由として、専門知識がなくとも使用できる点が挙げられます。例として画像認識をあげます。deep learningが流行る前では専門家が知識を駆使して特徴量を作成しsvmなどの判別機を用いる必要がありました。しかし、deep learningでは特徴量も自動的に作成してくれるため専門家でなくても使用することができます。 その点から、deep learningは従来手法に比べて簡単だと言えると思います
@sanneko1098
4 жыл бұрын
@@monofo757 私も、そしておそらくn nさんもAIを作る側、研究する側だと思います。そういう人にとって確かに特徴量の設計が不要になったことは喜ばしいことです！ しかし、果たして従来の手法に比べて「簡単になった」と言えるでしょうか？例に挙げられたSVMでは、特徴さえ抽出してしまえば、後はある意味、カーネルとハイパーパラメータを突っ込むだけで良かったと思いますが、DNN(NN)では層の数、活性化関数を試行錯誤して精度を高めていくことになります。 既にあるモデルを使うだけなら簡単かもしれませんが、DNNのプロジェクト全てがそうであるわけではありません。DNNを使う時は活性化関数やバイアス、層の数、種類などを考える必要が出てきたわけです。 どちらが簡単に感じるか、という個人の考えに帰着するのかも知れませんが。。。
内容もすごいですが いい声してますね。
こういうの、他国企業からコピーが怖いんだけど、大丈夫なのかな。
😎💩