【機械学習】深層学習(ディープラーニング)とは何か
ฝัง
- เผยแพร่เมื่อ 21 ส.ค. 2024
- 深層学習(ディープラーニング)の立ち位置から説明します
このチャンネルのスポンサーをこちらで募集しています↓
camp-fire.jp/p...
---------------------------------------------------------------------------------------------------------
【ヨビノリたくみの書籍一覧】
「難しい数式はまったくわかりませんが、微分積分を教えてください!」
amzn.to/33UvrRa
→一般向けの微分積分の入門書です
「難しい数式はまったくわかりませんが、相対性理論を教えてください!
amzn.to/33Uh9Ae
→中学の易しい数学しか使わない相対性理論の解説本です
「予備校のノリで学ぶ大学数学 ~ツマるポイントを徹底解説」
amzn.to/36cHj2N
→数学動画で人気の単元を書籍にしてまとめたものです
----------------------------------------------------------------------------------------------------------
予備校のノリで学ぶ「大学の数学・物理」のチャンネルでは
①大学講座:大学レベルの理系科目
② 高校講座:受験レベルの理系科目
の授業動画をアップしており、他にも理系の高校生・大学生に向けた様々な情報提供を行っています
【お仕事のご依頼】はHPのContactからお願いします
【コラボのご依頼】はHPのContactからお願いします
【講義リクエスト】は任意の動画のコメント欄にて!
【公式HP】はこちらから(探している講義が見つけやすい!) yobinori.jp/
【Twitter】はこちらから(精力的に活動中!!)
たくみ(講師)→ / yobinori
やす(編集)→ / yasu_yobinori
【Instagram】はこちらから(たくみの大喜利専用アカウント)
/ yobinori
【note】はこちらから(まじめな記事を書いてます)
たくみ(講師)→note.mu/yobinori
やす(編集)→note.mu/yasu_y...
----------------------------------------------------------------------------------------------------------
【エンディングテーマ】
“物語のある音楽”をコンセプトに活動するボーカル不在の音楽ユニット”noto”(ノート)
TH-camチャンネル『予備校のノリで学ぶ「大学の数学・物理」』の主題歌として書き下ろした一曲。
noto / 2nd single『Telescope』(feat.みきなつみ)
*****************************************************
noto公式TH-camチャンネルにてMusic Video フルver.が公開中!
【noto -『Telescope』】
• noto -『Telescope』(feat...
【みきなつみ公式TH-cam】
/ @mikinatsu_official
----------------------------------------------------------------------------------------------------------
※上記リンクURLはAmazonアソシエイトのリンクを使用しています
【訂正】
入力層に近い方を「浅い」、出力層に近い方を「深い」というのはあまり一般的ではありませんでした。単に中間層の多いものを「深いニューラルネットワーク」と言うと理解してください。失礼しましたm(_ _)m
タイミングよく「まだ何言ってるか分からなくて構いません」が出た時の安心感は異常
しかし、動画の最後までそうだった時の拍子抜け感。
説明が分かりやすいのはもちろん、さらに黒板に書く時間を早送りして観る人に対する心遣いをされているのか非常に素晴らしいと思います。細かいですけどこういったところが大事で、仕事がデキる人だと思います。
AI作る側の人ですが、わかりやすく纏まっててよいと思いました。
ボトムアップ的な補足をさせてください!
入力層、中間層、出力層と別れているとそれぞれ違うことをしていそうな感じがしますが、それぞれの層を構成しているニューロンは基本的に「受け取ったデータに何らかの計算をして、次のニューロンに渡す」ということをしているだけです。
ニューラルネットワークの外からデータを受け取る層を入力層、ニューラルネットワークの外にデータを渡す層を出力層と便宜上呼んでいるだけで、基本的にはどの層もほぼ同じようなことをしています。
ちょうどニューロンのモデルが丸いので、インプットした知識をアウトプットしている、全員同じたくみさんだと思ってもらったらいいと思います。
【追記】
動画の最後に『学習』として超簡単に触れられていますが、層を深くするためにはこの部分の仕組みが超不可欠です。
それぞれの重みを調整するために、重み (+α) に関する『誤差関数』というものを用います。
これを単純に計算しようとすると、「「以降の層の分だけ入れ子になっていて、最奥に調整したい重みが存在する」というものの微分 (合成関数の微分の連鎖)」をユニット (ニューロン) ごとに逐一計算しなくてはならない問題がありましたが、実は1つ先 (出力側) の層の値から計算できることがわかりました。
これによって計算量が大幅にカットされ、層を深くすることが可能になりました。
出力側から入力側へ向かって順に計算されるため、『バックプロパゲーション (誤差逆伝播) 法』と呼ばれています。
これが、『学習』の内容です。
参考:MLP 深層学習 (著・岡谷貴之)
最後こら
全員同じたくみさん、は草
ディープラーニングの本質は、バックプロップだ。そんなに単純なものではない。
@@RS-303
そうですね。なので追記しました。
こういう機械学習系の授業は情報系の自分からするとめっちゃありがたいです
シリーズ化して欲しい
将来への不安で眠れませんが、今ここでこの動画を観たことを将来よかったと思えるように積み重ねていきたいです
高校生、大学入りたてとかの若い人、基本的に授業で学ぶ人たちに向けてはとても親切な説明だと思います
海外を含めた解説動画をより易しくしていると思います
お体。もう寝ますツァリーヌ。大尾。このためじゃ.ir/rつ真於が
偏微分、シグモイド関数、交差エントロピー関数、ソフトマックス関数…僕の数学力では生きていけない世界だった。AI分野はマジでかっけーわ
ヨビノリ は、いろんなことが得意なんだなあー
こんな時間にあげるなんて…
飯テロならぬヨビテロ…いやアンパンだから飯テロでいいのか…
*笑った*
おいこら
「まだ何言ってるか解んなくて構いません」
優しい!ここで挫折せずにすみます。
深層学習という取っ付きにくい分野をここまでわかりやすく説明できる人はなかなかいないよ
バケモンやな
これを全部プログラム(コード)書いて実現してるんよな。
これを実装する人は天才すぎ。まじで神の所業すぎ。
深層学習は入り口が分かりやすいのがいいですよね!
私も大学1年生の頃にそこから入り、今では深層学習ではないものの、大学院で機械学習の研究をしています。
ヨビノリさん、皆さん、はじめまして。数学・物理は小学校程度からやり直しており、ディープラーニングなども勉強中ですので、非常にためになります。ありがとうございます。
このテーマは元々予定されていたのだと思いますが、前回コメントで深層学習希望してたから授業して頂けて良かったです。分かりやすかったです。
ちょうど勉強したかった分野!
ありがたいです!
よかた
この手の話題は専門家が色々言いたくなるものかもしれんが,これ以上ないくらい分かりやすいと思いました.
これから深層学習学ぼうと思ってたところだからめちゃくちゃ助かりました…🙏
こんなにはやく見れたのはじめて😊
よびのりさんの動画があがるたび勉強意欲が掻き立てられる、助かります笑
高校生でも楽しめました
ありがとうございました
寝ようと思ってたのにみちゃう
こんな動画上げられたら眠いのに見てしまうじゃないですか
特定のタスクをこなせるように人間が機械に学習させるのが機械学習。深層学習は機械学習の手法のひとつで、ニューロンのつながりを数理モデル化したニューラルネットワーク。入力層、情報を合わせ統合している2つ以上の中間層、出力層の計4層以上で学習させることを深層学習と言う。そして、期待する出力層となるように、つながりの重みを調整していく過程が機械学習なんですね。
こんな時間に……!!
お疲れ様です🥱
全国民が見るべきチャンネル
こんな時間に投稿とは、、、、
見ますけどね!!!!
せんきゅ
こんな時間までお疲れ様です!
またしても興味深い内容!!
今からすぐ見ます♪
情報の教員です。
大学ではディープラーニングの授業があったのでかなり深く学んでたつもりだったので、知らなかった知識はないのですが、全く高校生に教える手法が検討ついていなかったので感動しました。
ただ「重み」のところは少し不正確だと感じました。
単純な線形和みたいなイメージの議論になっていますが、それでは深層学習になりません。
ありがとうございます深層学習がなにか分かりました
見終わるの早すぎだろ
自分なりの認識を言葉にすると、仕組みとしては入力データから特徴を抽出・統合して答えを出す。特徴の選別や組み合わせ方を最適化することが学習ってことかな
18:11 あとここ、AIが回答を導き出すまでの過程がブラックボックス化されて妥当性を検証できない問題があるらしいから、地味に大事なことだと思うな
今、1番面白い分野ですね
すごい時間にあげますね???
寝るおともにこれ見ますね!!
”たくみ”に出来てる脳細胞モデル。
でも科学者の中には、人間の脳は自己組織化するけど、ニューラルネットワークは人間が造ってやらねばならない。
ニューラルネットワークは単なる非線形近似しているだけに過ぎない奇怪学習。という人もいるようです。
でも自分は現在、この機械学習に入力させる為のデータ前処理関係を作ってます。(-_-;)
@@raji0625
桜と梅の区別が出来ればきっとできます。
でも5X5の入力層では、ちと無理でせう。(-_-;)
なんつー時間にあげとんねん(ありがとう寝ながら見ます)
深く眠れますように
面白いですね。このようにニューロンのブロックに重みがかかって、解の可能性が絞られていくのですね。
人間の集合意識における思考の現実化も、このような仕組みで起こっているのかもしれませんね。すごく参考になりました。
医療従事者で趣味で深層学習使ってるものです^ ^
これは画像解析のCNNという種類ですね^ ^
是非このような授業を増やしていただけると幸いです!
今度ソースコードのせますね^ ^!!
数学的にはニューロン数を十分大きくとれば中間層は1層で十分だそうですね
それで任意の連続関数を任意の精度で近似できてしまうという万能性を持っているというのがすごいです
毎回思うけど、マジわかりやすい
診断士の学習で活用しました!ありがとうございます。
なんでこんな時間なあげるんですか。寝ようとしてたじゃないですか。見ますけど。
👍が23。何人起きてたんだ⁉️
本当にこれを無料で見れるの最高です!
こんな時間にあげるなんてびっくりしたわ。
長男だったから(寝るの)我慢できたけど。
長男は草
こういう文字は2であると認識するニューラルネットワークを作るために、人が見て2と判断したたくさんの画像について、そのネットワークを通すと2として判別される確率が大きくなるよう、重みづけの数値を機械的に調整していくということか。この技術を応用するためには最初の、物事をデータ化する方法を用途に合うように上手く定義しなきゃだなー。聴覚デバイスと視覚デバイスを付けて外の様子を常時識別および認知させる。手や足の動かし方はゲームとか物理エンジン搭載した仮想空間上で人が入力したデータ用いて学習。インターネットと接続させて膨大な計算処理をサーバー側のコンピュータに任せて出力結果だけをダウンロード。風とか温度とかその他行動の可否に関わってくるデータを読み取るためのデバイスを付けて試作品を作って教師データを集める。こんな感じでロボットが作れる?ネット回線が今の速度だと厳しいか。
中間層で何してるか今まで聞いた説明で一番理解できた
昼夜逆転させようとしてる!
めっちゃ面白いです!!神経心理学で少しかじっていたのでこれを機にちゃんと勉強しようかな。
プログラミング始めて、興味あったので助かりました!
すごい時間帯にあげますねww好きです
オンライン授業ですね。体調には気をつけて
めちゃめちゃ分かりやすいです
3層のニューラルネットから深層学習に話を広げるときに勾配消失問題抜きで説明するの難しいだろうなぁ、とか、マカロックとピッツの神経回路モデルからお話されるのかなぁ、と思って見始めたらかなりすっ飛ばすのでで驚きました。分野外の人に興味を持ってもらう工夫が伺えて大変勉強になりました。
わかりやすい内容ありがとうございます!ちょうどpythonで作成中だったのでイメージしやすかったです!
わかりやすかったです。ありがとうございました。
- 入力側の層を浅い層、出力側の層を深い層と呼ぶのはあまり一般的ではない
- ユニットの集まりを層と呼ぶのではなくて、結合の集まりを層と呼ぶ(入力層を除く)
知恵袋で深層学習の畳み込み説明をするのにこの動画が役に立ちました!
勉強出来なくて寝ようとしたら出てきたから見るってゆうね
これ、機械学習のうち、正解との答え合わせをさせながらのアタリ確率を上げてゆくという、このまえ言ってた教師あり学習の例ですよね。
たくみさんの画像を学習させたら顔の丸さの特徴に関する部分に大きく重み付けされるってことかな?
そうに違いない。
学習って重みづけをすることなんですね。なんとなくのイメージしかなかったので知れてよかったです。
機械学習も説明できるとか強すぎだろ
初心者ですが、とても分かりやすくて助かります!
とても面白かったです。中間層の話が最初さっぱりわからなかったのですが、要するにそれぞれのニューロンに何等かの特徴が割り当てられ、その特徴に対してどの入力ニューロンと関係性が強いかという重みが調整されるってことなんですね。
でもこのネットワークで中間層に特徴が自動で割り振られていく理由が感覚的に理解が難しいですね。
非常にわかりやすくこの方面の勉強し初めで、助かりました。また、AIやデータサイエンス,ブロックチェーンなどで必要する数学の勉強方法などどうすればいいか分からないので、講義動画やっていただけたら、ありがたいです。
AI系の授業いい!!!
G検定、勉強してますけど
鬼のように数学、物理は弱いけどめちゃ参考になります。
概要も分からないのと、何となく分かってるのは全然違いますね。
サブチャンのラジオきいて寝ようと思っていたら上がっていた。。こんな時間に。。。
来た、私の研究分野だわ!学ばせていただきますー!
大学で嫌いな分野だったけどこれ聞いてまた勉強し直そうと思いました。
ヨビノリのチャンネルで
プログラミングを
教えてもらう事は出来ませんか?
高校数学でディープラーニングをヨビノリさんの視点で説明するシリーズお願いします!!
やっぱニューロンに説明してもらえるとわかりやすいなぁ
いずれバリバリ数式使う系も出して欲しい
深層学習完全に理解した
機械学習 関連
・【大学数学】ベイジアンネットワーク【機械学習】 → th-cam.com/video/zYKOL5RpVbo/w-d-xo.html
・【機械学習】深層学習(ディープラーニング)とは何か → 本動画
・【機械学習】クラスタリングとは何か(k-means) → th-cam.com/video/8yptHd0JDlw/w-d-xo.html
・【機械学習】教師あり学習と教師なし学習の違い → th-cam.com/video/U8uqieKYtY4/w-d-xo.html
おまけ
・Amazon Web Services Japan 公式/[K-2] 招待講演: 機械学習の「そと」と「なか」 → th-cam.com/video/aDKplnbBziM/w-d-xo.html
・クライン【KLeIn】/ヨビノリたくみにプログラミングについて聞いてみた。 → th-cam.com/video/lP1N3P6wBZk/w-d-xo.html
追加
・絶対に理解させる誤差逆伝播法【深層学習】 → th-cam.com/video/0itH0iDO8BE/w-d-xo.html
・高校数学からはじめる深層学習入門(畳み込みニューラルネットワークの理解) → th-cam.com/video/xzzTYL90M8s/w-d-xo.html
11:52 (⌒,_ゝ⌒)書こうとしたのかと思いました。
で、真面目な質問なんですけどパーセプトロンというのはディープラーニングに入るんですか?最近誤差逆伝播法とか勉強したんですけど…。
切れ味抜群!!
機械学習助かります
大学のノリで学ぶ予備校の外国語とか出てこないのかな?
人間の脳を模倣しているというよりかは、結果的にそういうものを使っている、に近い気がする。
ニューロンと似た動きをするパーセプトロンは一つだと単純な線形問題しか解けないんだが、それらを組み合わせたネットワークは非線形問題を解くのに有用性があると。
別に非線形問題を解くだけならSVMなり決定木なり使えばいいんだが、マシンスペックの向上でフィッティングが高速になったのと、殊画像認識や音声認識の分野での有効性に気付かれ始めたんで、最近話題になってきた。
ニューラルネットワークの概念自体は結構昔からあって新しいものではない。
敵対的学習編待ってます!!!
基本情報技術者試験受けるかもだから参考になる!ありがとうございます!
2回視直して納得しました‼️
深層学習を用いれば、よびのりさんとアンパンマンとピザの認識が出来るってことですね。
学校の先生が説明早すぎるのとその先生も自分で知識浅いって言ってて全く理解できなかったので助かりました!笑
Autokerasを実装したのですが、内部で何をやっているのか分からないままだったので、大変参考になりました。
ディープラーニングおもしろいですね。
たくみ先生
どの講義も解説がとても分かりやすいです。
私は超文系大学卒30年余り、昨今のご時世になって「統計・予測(推測統計)」の大切さが身に染みているオヤジ会社員なので、数値トラップには引っ掛かりまくっています(笑)
そこでたくみ先生に質問があります。
例えば、私が分かりやすく会社の業務に置き換えて質問させていただきます。
<前段階:試験的な取り組み例>
1)会社では1ヶ月あたりお客様からコンスタントに10000件のお申込みがある。
2)10000件の申し込みはA・B・C・Dの各地域担当の4拠点のセンターへ振り分け受付処理をしている。
3)生産性向上(業務改善)のため拠点Aにて10名のチームで試験的な運用を開始。
① 受付件数2500件中に常時発生していた250件の登録不備等の原因を特定し、お客様に喚起・周知することでお客様起因の入力ミス(書き直しして頂くやり取り)を10%削減。
② 同時に業務フロー・処理手順書等を再考し、2500件に対する作業工数(処理時間)を、6時間から4時間(2/3)に削減。
4)結果、従来10名体制であったチームが7名チームの運用となり人件費等の削減に繋がった。
5)また拠点Aをモデルに横展開し、他3拠点でも2/3近くの改善効果が図られた。
<ここからが問題>
1)A・B・C・Dの4拠点の各センターは現時点では県単位(エリア単位)で業務を担当し、お客様情報の登録の他にも料金請求等の様々な部署が存在、業務は10部門に及んでいる。
2)従来の紙出力・紙保管の慣行から今年よりペーパーレス業務へと移行し、そもそも地域担当制の必要性が無くなっている。
3)現4拠点のセンターの業務内容を再編し、拠点A・Bは業務1~3・4~6部門を担当、拠点C・Dは業務7~8・9~10部門を担当へと、地域担当から業務担当での集約効率化・スケールメリットによる自動化等を目指している。
4)★目指す目標★ 現在業務1=4拠点×各5名=計20名。を、1拠点に業務集約=イメージ推定:計15名?(イメージはあっても根拠となる算出方法は不明)
5)前段階での取り組み例で、業務改善比率(削減率)をそのまま持ってくるのが正しいとは思っていない。
6)さらに日常の処理実績データはあるも「統計学」の視点で「予測(推測統計)」を立てるにはどのような分析手法を根拠に算定したら良いのやら…。微積分や線形代数の記憶の呼び戻しからするのも大切ですが、差し迫った問題解決から統計学を実践しながら勉強したいと考えています。
長文になってしまい申し訳ありませんでしたが、「視聴者からの質疑応答のコーナー」のようなものは作くられるご予定はありますか?
いずれ誤差逆伝播法の解説もお願いします!!
バックプロパゲーション?でしたっけ?
自分で勉強すればいいと思います。
確率統計とてもわかりやすいです。
この間本を読んでいてある人が生涯で10人と付き合うとすると4~5人目で結婚する確率が高くなるというものを目にしました。何となく理解できたのですが計算方法とか深く知りたいので動画で解説して欲しいです!
Thank you for the video!
いや〜、ロンドンでは今17時辺りで暇だったので助かりました!
ありがとうございます!
まぁ、日本にいるんですけどね
というか、サムネのスーツ黒色だ!
ネクタイも無数アンパンマン柄じゃない!
中間層を多くしたものは深層(ディープ)ニューラルネットワーク(DNN)であって、深層学習では無いと思う。深層学習はDNNを使って学習させることだと思ってましたが、、どうなんでしょう、、、?
その通りですよ!
ディープラーニングのモデルにRNN(リカレントニューラルネットワーク)というモデルがありますが、このモデルは中間層は一層なんですね~
でも代表的なNNです!
わかりやすい講義ありがとうございました。もしよろしければ、たくみさんが参考にしたディープラーニングの書籍などあれば教えて下さい。
こんな時間に飯テロすな
食うな
DNNのしくみ理解するにはやっぱ画像から入るほうがわかりやすいですね
簡潔に説明されていて勉強になりました!!ありがとうございます!
学習のところは、重みだけでなくバイアスも調整・更新されますか?
爺さんも理解したぞ!ありがとう。