もう絶望しない！ ディープラーニングによる画像認識のビジネス活用事例
もう絶望しない！ ディープラーニングによる画像認識のビジネス活用事例：いまさら聞けないDeep Learning超入門（3）（1/2 ページ） 最近注目を浴びることが多くなった「Deep Learning」と、それを用いた画像に関する施策周りの実装・事例について、リクルートグループにおける実際の開発経験を基に解説していく連載。今回は、Deep Learning／CNN（Convolutional Neural Net）をどうビジネスに活用しているかに焦点を当て、その試行錯誤の過程を紹介します。 連載目次 最近注目を浴びることが多くなった「Deep Learning（ディープラーニング）」と、それを用いた画像に関する施策周りの実装・事例について、リクルートグループにおける実際の開発経験を基に解説していく本連載。 第1回「ニューラルネットワーク、Deep Learning、Convolutio
Deep Learningとオセロでガチ勝負してみた - acomagu's diary
Deep Learning、最近よくわからないけど熱いですよね。 私も最初は高をくくっていました。 「たかがコンピューターに『本物のディープ』がわかるはずがない」と。 しかし決戦の日は突然やってきたのです... というわけでDeep Learning AIと戦えるオセロを作ってみた とりあえず成果物はこちらです。 https://acomagu.github.io/dl-reversi 自分は青(or 黒)固定で、先攻です。 上の顔文字は機械学習側の考える「勝率」を表していて、それに合わせて8パターンに変化します。 簡単に仕組みを説明すると、AzureMLで作ったモデルにAWS Lambda経由でリクエストし、毎ターン一番勝率の高そうな手を指しています。 また、勝敗が決定したと同時に学習用データをAWS Lambda→DynamoDBに溜め込んでいます。 詳しくはソースコードをご覧ください
Deep Learning を実装する
2. 目次 • Deep Learning とは" – 機械学習について" – 従来の NN とのちがい" – Deep Learning のブレイクスルー" • dA (Denoising Autoencoders) をうごかす" – 数理モデルの解説" – Python で実装する前準備" – コードレビュー" – 実行結果" • RBM (Restricted Boltzmann Machines) をうごかす" – 数理モデルの解説" – 実行結果" • まとめ 4. Deep Learning とは • 入力信号からより抽象的な概念を学ぶ・特徴を抽出する 機械学習の手法の集合です " “ニューラルネットとどう違うの？”! • ニューラルネットを多層にしたんです " “従来のニューラルネットワークと何が違うの？”! • ひとつひとつのレイヤー間でパラ
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
処理を実行中です
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
