소개

2017년 9월 26일 19:30~22:00에 서포터스에서 행해진 「툴로서의 기계 학습: 유사한 이미지 검색 시스템을 예로 기계 학습을 툴로서 이용하는 방법을 배운다」의 연구회 메모 됩니다.

신경망을 이용한 기계 학습의 연구가 어지러운 기세로 진전하는 가운데, 시스템에 편입하는 사례가 증가해 왔습니다. 본 연구회는 주로 웹 애플리케이션에 어떻게 통합되는지를 주제로 깔끔한 개요와 도구에 대해 간단히 이야기하고 있었습니다.

본 공부회의 감상입니다만, 기계 학습 프레임워크는 Web 프레임워크등 달리, 어느 정도 뒷면에서 움직이고 있는 구조를 이해하지 않으면 툴로서 사용하는 것이 어렵다고 생각했습니다. 또, 기계 학습을 학습하는데 있어서 전제가 되는 것은, 이계 대학 교양 과정에 있어서의 초등 해석학·선형 대수학의 지식군이 되기 때문에, Python과 아울러 조금씩 학습해 나가려고 생각하고 있습니다.

강사 소개 : 야마데 야스키 ( @ 타마 노비 )
기고:잡지: WEB+DB PRESS Vol.95

illustration2vec

htps : // / r ぃ v. rg/아bs/1603.08511
이미지 벡터화 기술로 학습된 모델이 배포됨
Ex) 니로 계 라면을 취하면 어느 점포인지 알 수있는 이미지

* 기계 학습을 시도하는 데 적합
이전에는 1px 마다 해석해 화상을 판단하고 있었지만, 현재는 방대한 데이터군으로부터 화상과 태그를 수집해 벡터화하는 것으로 화상 인식을 행하고 있다.

Google은 유사한 이미지 검색에 관해서 텍스트 데이터도 함께 정확도를 올리고 있다.

일반 물체 인식이란?

사진이 주어졌을 때 이것이 무엇으로 얼마나 큰지 인식합니다.
htps //w w. s에서 멋지다. 네 t / MPRG_ 츄부_ 우니 ょ r ty / 01

YOLO(You Only Look Once)란

컨벌루션 신경망(CNN: Convolutional Neural Network)을 이용한 물체 검출 알고리즘으로, 현재는 v1과 v2가 존재합니다. 학습이 끝난 모델이 배포, 부담없이 시험해 일러스트에도 응용 가능.
htps //w w. s에서 멋지다. 네 t/데에 pぇ아 r닌 gJP2016/dl-레아ぢg ぺr20170804 pdf

기계 학습 주제 뉴스 소개

10억장의 화상의 분류가 PC 1대로 가능)
기계 학습에 의한 요리/비요리 판별
Alternative illustration2vec(고차원 태그 예측기)

질의 응답

메모가 시간에 맞지 않는 것도 있습니다 ...

학습이 끝났는지 여부를 어떻게 판단합니까?
→튜닝 전제로 제공되고 있기 때문에, 어느 정도 잘 되고 있는 모델을 가리키고 있다.

양자화할 때 차원수의 지정은 있는가?
→딥 러닝의 어느 층에서 꺼내는 부분에 따라 온다.

여기서 말하는 추천은 어떤 것인가?
→ 협력 필터링. 집합지에 근거한 추천이며, 자신과 비슷한 사람이 북마크하고 있는 것은 이 사람도 좋아할 것이라고 하는 것.

기계 학습을 잡는 방법은 무엇입니까?
→ 주로 정보에 강한 사람이 발신하고있는 트위터와 Qiita, Hatebu