米国の調査会社Gartner（以下、ガートナー）は2017年8月15日（現地時間）、「先進技術におけるハイプサイクル2017年版」を公開した。 ガートナーのハイプサイクルは2000を超えるテクノロジーを119の分野にグループ化し、その成熟度、企業にもたらすメリット、今後の方向性に関する分析情報を図で表したもの。先進的な技術が「大きな期待」「幻滅」「最終的な安定普及」といった共通のパターンで定着することから、それぞれの技術がこのハイプサイクルのどこに位置するのかを示した調査資料だ。1995年からグローバル版を展開している。 “過度の期待のピーク”は「深層学習」や「機械学習」 「先進技術におけるハイプサイクル2017年版」では、製造業により深く関わる技術領域では、2015年版や2016年版と大きな変化はなく、IoT（モノのインターネット）やAI（人工知能）関連技術など、同じ技術革新の波が続いて
いまお仕事の関係で、機械学習の教科書的な書籍を読んだりオンライン講座を受講したりしながらサンプルやチュートリアルを動かして勉強しています。 機械学習を勉強するときは、Pythonの環境を構築し、JupyterNotebookを使って、実際に手と頭を動かしながら行うのが効率的です。が、アルゴリズムの理論そのものの理解がすでにしんどい上、過学習対策のための正則化、汎化性能の評価、クロスバリデーション、不均衡データや少ないデータはどうすればいいか、などなどいちいち難しいことを数多く勉強しなければなりません。 その上、、、、機械学習での学習は、1度やれば終わり！ではなく、パラメータチューニングしたり、データを増やしたり加工したりしながら、繰り返しなんども行う必要があります。一見ビジネス寄り＆アカデミックな雰囲気を醸し出していますが、実際のところは、非常に泥臭い作業のオンパレードです。 が、、、、、
学習させることで、どんどん賢くなっていくLUISをbotサービスで活用するには：認識系API活用入門（終）（1/3 ページ） コグニティブサービスのAPIを用いて、「現在のコグニティブサービスでどのようなことができるのか」「どのようにして利用できるのか」「どの程度の精度なのか」を検証していく連載。最終回となる今回は、LUIS（Language Understanding Intelligent Service）とMicrosoft Bot Frameworkを組み合わせてbotサービスを作成します。 ※本稿は2017年7月6日の情報を基に作成しています。この記事内で使用している画面やコグニティブサービスの仕様は変更になっている場合があります。 本連載「認識系API活用入門」では、MicrosoftのコグニティブサービスのAPIを用いて、「現在のコグニティブサービスでどのようなことができるの
はじめに 今流行りのディープラーニング(深層学習)ですが、いざ自分でやってみると思ったように精度が出なかったり、重みの初期化や学習率をどのように選択したらよいのか、といったことで戸惑うことがよくあります。 重みの初期化や学習率といった、ニューラルネットではなく人間が選択しなければいけないパラメータをハイパーパラメータ(Hyperparameter)と呼びます。逆に言えば、ハイパーパラメータとは学習アルゴリズムによって決定できず、ヒューリスティックな部分でもあります。 ハイパーパラメータは試行錯誤で決定していくのが基本ですが(もちろん自動化技術もあります)、50年以上の歴史があるニューラルネットには知恵やテクニックが多くの先人によって培われてきました。そして、今もなお研究が盛んに行われている分野でもあります。 あとで参照しやすいように本記事では、ハイパーパラメータの指南をまとめてみました。
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
