LSTMをよりわかりやすく＆より詳細に！（前処理・世界観の説明編） - AI学習者・実務家の「疑問」を解消したい
モチベーション(この記事は、どんな【疑問】の解消を目指すのか？) LSTMのモデル作りたいんだけど、 どうやってデータ準備すればいいの？ って混乱してませんか？ その混乱の原因って、ずばり、これに尽きると思う。 ・準備するべきデータの形 / 世界観 を理解してない もうホント、これに尽きる。 逆に言うと、”世界観”さえ掴めば！理解できる。 なので、その混乱を解消するぞぉ！！という思いで、この記事書きます。 かなり、気合入れて作ったので、是非参考にしてください:) この記事は、ディープラーニングの実務で、ご活躍されている、巣籠先生の本を参考にしています。 本編 結論から言うと、理解するべきステップ（世界観）は、大きく3つです。 いくつ前(何秒/分/時間）までを、予測に使いたいのか？を決める。 （何か、コードを書く必要はない。ただ決めるだけで良い。） 同じ変数同士で、ベクトルをつくる。 （イン
自然言語処理界隈の巨人：Transformerモデルのご紹介 - Platinum Data Blog by BrainPad
本記事は、当社オウンドメディア「Doors」に移転しました。 約5秒後に自動的にリダイレクトします。 今回のブログでは、発展を続ける「自然言語処理」技術の中から、さまざまな自然言語処理の課題を非常に高い精度で解決する「Transformer」モデルをテーマに、なぜ分析精度が高いのかを解説します！ はじめに こんにちは、アナリティクス本部アナリティクスサービス部の董です。 2017年に Google が発表した「attention is all you need」という論文で提案された「Transformer」は、機械翻訳や文章カテゴリの分類、文章生成等、さまざまな自然言語処理の課題を非常に高い精度で解決し、革命的な進歩で発展しています。当社でもTransformerモデルを業務に生かすことで、これまでは不可能だった分析が可能となっています。 本ブログでは、「なぜTransformerモデル
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
