社会情報特論Ⅲ はじめに - fc2oohorisemi.web.fc2.com/otaru/sj/slide010409.pdf ·...
TRANSCRIPT
社会情報特論Ⅲはじめに
開講学科・学年
社会情報学科 3・4年前期
単位
選択 2単位
担当教員
大堀隆文(非常勤)
社会情報特講Ⅲ 1
自己紹介
名前 大堀隆文
生まれ 伊達市(~15才)
育ち 札幌市(15才~)
職歴 北海道科学大教授(~2016年)
現在 北海道科学大非常勤講師(2016年~)
小樽商科大非常勤講師(2017年~)
Email [email protected]
その他 毎回のCoffee Breakの中で順次紹介
2社会情報特講Ⅲ
授業スケジュール
4月 9日(月) 第1回 ガイダンス4月16日(月) 第2回 講義
以下毎週月曜日4講講義(307室と第1実習室)
社会情報特講Ⅲ 3
【お勧め参考書】
講義の中で適宜紹介する。
【教科書】
「深層学習のすべて」大堀・木下共著PDF教材をWeb配布予定
社会情報特講Ⅲ 4
【スライドとテキストの場所】
社会情報特講Ⅲ 5
下記をクリックhttp://oohorisemi.web.fc2.com/otaru/
小樽商大講義資料のページの
【スライド】社会情報特講Ⅲスライドpdfの4月09日第01回スライドをクリック
Slide010409.pdfをダウンロード
【テキスト】社会情報特講Ⅲテキストpdfの深層学習のすべて0104章をクリック
AllDeepLearning0104.pdfをダウンロード
出席の確認と成績評価
毎回講義終盤の小テストで出席をとる。
成績の評価方法出席と感想 20%
小テスト 80%
定期試験は実施しない。
社会情報特講Ⅲ 6
小テストの感想について
毎回小テストに感想を書いてもらう。
その中からベスト感想を選び、次回
の講義で公表する。
公表を望まない人はその旨書くこと。
社会情報特講Ⅲ 7
講義(社会情報特講Ⅲ)の背景
画像認識、自動対局、自動運転などの分野で
革新的手法の深層学習の概要を学ぶ。
深層学習の本質をできるだけ数理表現を用い
ずに説明する。
受講者が深層学習に興味や面白さを感じ、学
習意欲を引き出す例題や課題を用意する。
数学が苦手な文科系の方に考慮し、高レベル
な数学表現を極力減らし身近な話題から例題、
課題を作成する。
社会情報特講Ⅲ 8
講義の概要
深層学習の背景・理論・実際を学ぶ。1. 概要2. パターン認識3. ニューラルネット4. 深層学習5. 深層学習の実行
身近な話題から例題を紹介し、例題の解を手計算やクラウド環境ツールで解く。
社会情報特講Ⅲ 9
講義の構成
第2〜3回:深層学習の概要・歴史・従来のニュー
ラルネットとの違いを学ぶ。
第4~6回:学習対象のパターン認識の概要・前
処理・特徴抽出・識別法を学ぶ。
第7~9回:ニューラルネットのモデル・学習・論理
課題と文字認識を学ぶ。
第10~12回:深層学習の数学基礎・アルゴリズ
ム・従来法との違いを学ぶ。
第13~15回: クラウド実行環境Azure MLの概
要・使用法を学ぶ。
社会情報特講Ⅲ 10
講義の達成目標
(1) モチベーションを保ち深層学習に興味を持
つ。
(2) 問題を正しく把握し深層学習のモデルを定
式化できる。
(3) モデルをプログラミング言語で実現、または
Web実行環境の利用技術を身につける。
(4) 解を吟味しモデルの再検討や改良ができる。
社会情報特講Ⅲ 11
講義の進め方
前半:スライドによる30~40分間の講義
を聞き、内容を深く理解する。
休憩:Coffee Breakで10分の休憩
後半:スライドを用いて、深層学習問題とその解法を20~30分間説明する。
終盤:10〜20分間で課題をORモデルで定式化し、手計算やExcelソルバーで解き、感想とともに提出する。
社会情報特講Ⅲ 12
Coffee Breakの目的
30~40分の講義後に10分程度休憩
より講義に集中してもらうための息抜き。
聞いても良し、聞かなくても良し。
各自講義前半の復習整理もできる。
内容は主に私の興味の一部紹介。
その結果、私の自己紹介にもなる。
社会情報特講Ⅲ 13
社会情報特講Ⅲ 14
好きな言葉(その1)
一期一会
一生にただ一度の出会いを大切するべきという意味。
出会う人とは必ず離れる時が来て、もう二度と会えないかもしれない。
だからこの人と共にいられるこの瞬間を、大切に過ごすべき。
社会情報特講Ⅲ 15
好きな言葉(その1)
一期一会人と人との出会いは一度限りの大切なもの
地球誕生 –約46億年前 生命誕生 –約40億年前 人類(猿人)誕生–約800万年前(アフリカ)
新人(ホモサピエンス)誕生–約10万年前 日本人の起源 –約3万年前
深層学習とは何?
• 深層学習は、Deep Learning(ディープラーニング)とも呼ばれ人工知能の革新的手法である。
• 機械学習の一種でニューラルネットを用いた最新の人工知能技術の総称である。
• 画像認識コンペティションで優勝するなど近年話題を集めている。
• 特定手法を指さずニューラルネットの一種の多層パーセプトロンの最新手法全般を指す。
16社会情報特講Ⅲ
深層学習の特徴
ニューラルネットは、脳をモデル化しシミュレ
ーション用の数学モデルを指し、パターン認識
で用いる多層パーセプトロンを指す。
深層学習は、ニューラルネットの構造上「入力
層」と「出力層」の間の「隠れ層」の数を増やす。
隠れ層により認識の段階を繰り返し、色・形状・
全体像の複数の特徴を抽出し正確な識別を実
現。
17社会情報特講Ⅲ
社会情報特講Ⅲの構成
深層学習の概要・歴史
パターン認識による識別法
ニューラルネットによる文字認識
深層学習の基礎・理論
クラウド環境による深層学習の実行
18社会情報特講Ⅲ
深層学習の概要・歴史1
【人工知能(AI)とは〜なぜ今AIなのか】
• 人工知能は機械が人に代わる技術の総称。
• 近年世界中で人工知能を用いたサービスや研
究の話題が増えてきた。
• 大企業は人工知能研究所を立ち上げグローバ
ル規模でのAI研究を開始している。
• 人工知能が注目される背景にニューラルネット
技術革命がある。
19社会情報特講Ⅲ
深層学習の概要・歴史2
【ニューラルネットとは】
• ニューラルネットとは脳を構成するニューロン(神経細胞)のネットを人工的に実現。
• ニューロンは種類毎に層を作り高度な情報処理を実現。
【深層学習とは】
• ニューラルネットの中間層の数を増やし、階層が深くなるので深層学習と呼ぶ。
• 画像・音声から特徴を抽出し識別するパターン認識が得意。
20社会情報特講Ⅲ
パターン認識
【パターン認識とは】• 画像・音声などの雑多な情報を含むデータから一定の規則や意味を持つ対象を選別する。
• 画像・音声・文字認識、全文検索を得意とするニューラルネット等の人工知能と融合し、学習による識別手法が確立。
【最近傍法とは】• 特徴量を数値ベクトルとし、未知パターンをいくつかの既知パターンとのベクトル間距離を計算し、最短の既知パターンを解とする。
21社会情報特講Ⅲ
パターン認識例題
• 表にバスケット選手A,B,
Cとラグビー選手D,E,F
の身長と体重を示す。
• 種目不明の選手G(身長
175cm体重103kg)がど
ちらのスポーツ選手かを
最近傍法を用いて推定せよ。
22社会情報特講Ⅲ
ニューラルネット
• ニューラルネットは下図のように、入力層、出力層、隠れ層から構成され、層間にはニューロン同士のつながりの強さを示す重み係数がある。
• 重み係数は学習初期はランダムに決め、正しい出力を出すように変更する。
• 出力層出力が期待値と同じなら重み係数は変更しない。
• 出力が期待値と異なるときは重み係数を変更する。
23社会情報特講Ⅲ
ニューラルネット文字認識例題
•右下図を参考に、9入力4出力のTCLX文字(右図)認識課題を学習するプログラムを作成せよ。•下図の3未知文字を入
力したときの認識文字を求めよ。
24社会情報特講Ⅲ
深層学習の基礎・理論
• 深層学習は、脳をモデルにした多層ニューラルネ
ットを用い、特徴量の設定を自ら考えて決定する。
• 従来の学習では特徴量を指定する必要があるが、
深層学習では指示なしで自動学習する。
• 深層学習では、畳み込み層とプーリング層からな
るニューラルネットを用いる。
• 画像処理の場合、畳み込み層は画像の局所的
特徴を抽出しプーリング層はそれをまとめる処理
をする。
25社会情報特講Ⅲ
クラウド環境による深層学習実行
• 深層学習のプログラムには高度な専門知識や
ハイスペックPCが必要である。
• プログラムや専門的知識がなくても、インターネ
ット上で公開される深層学習実行環境の
AzureMLを使い深層学習を行う。
• AzureMLは深層学習をWebブラウザ上で簡単
に行うことのできるサービスである。
• 必要な環境は提供されインターネットに接続で
きれば始められる。
26社会情報特講Ⅲ
社会情報特論Ⅲ(4/9)の小テスト
学生番号と氏名を記入した後、社会情報特論Ⅲの半年の講義に関して、以下を答えてください。
この講義に期待すること
この講義で不安なこと
この講義に対する意気込み・抱負
その他(何でも)
社会情報特講Ⅲ 27