Machine Learning, Deep Learning how to use in civic tehnology
•
3 gefällt mir•541 views
勉強会資料 Code for Kanagawa シビックテックにおけるDeep Learning, Machine Learning活用にむけて用途の説明
Empfohlen
Empfohlen
Weitere ähnliche Inhalte
Andere mochten auch
Andere mochten auch (11)
Ähnlich wie Machine Learning, Deep Learning how to use in civic tehnology
Ähnlich wie Machine Learning, Deep Learning how to use in civic tehnology (20)
Mehr von Kaz Furukawa
Mehr von Kaz Furukawa (20)
Machine Learning, Deep Learning how to use in civic tehnology
- 1. Deep Learning/ Machine Learning 非エンジニアのためのIT勉強会 2016年2月29日 Code for Kanagawa 古川
- 2. Why? • Deep Learning/Machine Learning • 何のためにやるのか？ 意外と説明できない人が少なくないです • なるべく簡単に使う、複雑にしない
- 3. ×技術から考える Deep Learning/Machine Learningを使って ～する 技術(手段)ありきで目的を探す ○目的から考える 人間の判断力をDeep Learning/Machine Learningで置き換えることによって省力化、 あるいは自動化する
- 4. • 主な用途は「分類」と「予測」です • 用途自体は難しくありません • 主なフィールドは音声、自然言語、画像解析 • 例 – ネコに分類する画像 Google 「猫認識」 教師無し学習 self- taught learning – 企業の株価変動のクラスタリングなど 類似の価格変動をするグループに対して分散あるいは集中して ポートフォリオを組む インプレス紹介記事 http://car.watch.impress.co.jp/docs/event_repo/gtc2015/20150320_693719.html
- 5. • 分類と予測は人間自身が仮説を立てられない と、機械が導き出した結果の妥当性を測れな い • 何をもって良い/悪いを判断するか • 構成した学習モデル(ニューラルネット)自体 精度の評価軸は人間 • 妥当なのか妥当でないか精度がわからない学 習モデルはビジネス的にも学術的にも役に立 たない
- 6. • オープン化されている国勢調査の市町村 データ（人口、法人、サービス業、製造 業、農業、家庭の平均収支、公共施設な ど）の分類と予測 – 予測はだいたい線形なので実は使いどころが 少ない… – Classification,Clusteringは結構使える – 特異点(異常値)検知は使える
- 8. PythonのSchikit-learnより http://scikit-learn.org/stable/tutorial/machine_learning_map Classification • Naïve Bayse(ベイジアンフィルタ) • SVM(サポートベクタマシン) • K近傍法 わかりやすい例では、有名どころのメー ラーが搭載しているスパムメールフィルタ
- 9. PythonのSchikit-learnより http://scikit-learn.org/stable/tutorial/machine_learning_map Clustering • K Mean(K平均法) • 平均変位法 • 混合ガウス分布 似たもの同士をまとめる テック煮ブログよりK-mean可視化 http://tech.nitoyon.com/ja/blog/2009/0 4/09/kmeans-visualise/
- 11. PythonのSchikit-learnより http://scikit-learn.org/stable/tutorial/machine_learning_map Dimensional Reduction • NMF(非負値行列印紙分解) • 主成分分析 データの成分の数を特徴を残しつつ削減 3次元→2次元 2次元→1次元 情報を削減することで検知しやすく
- 12. • 安直なアイデア – 類似の市町村をまとめれば、似た問題があっ て共通の政策を用いることができるのでは？ – できれば時間軸で意味づけしたい – 例えば、現在人口が同じくらいでも • それが上昇基調なのか減少基調なのか • そのペース(Δy/Δx)が急激なのか緩慢なのか。
- 13. • 分析のための筋の良い仮説は大抵フィールド ワークで得られる • ネットで入手できる情報、既に誰もが知って いる情報に価値は少ない • 今目の前で起きている生の情報を活用する • 常識と思われるところに感じた「違和感」を 大事にする
- 14. Deep Learning/Machine Learning • できること＝分類、予測 – クラス分け – クラスタリング – 回帰分析 – 次元削減 • 実現方法 – 教師あり＝精度が高い、準備が大変 – 教師なし＝精度低い、自動化部分が多い Deep Learningは高速演算によってこちらの精度を改善できたことで注目
- 15. • Deep Learningのフレームワーク # ツール名称 説明 開発言語 GPU ライセンス URL 1 Torch7 Facebook, Twitter, Google技術者が共同で開発 C/C++, Lua cuDNN,cuda- convet2 BSD license http://torch.ch/ https://github.com/ torch/torch7 2 Theano/Pyle arn2 Theanoは数式表現の定義、最適化、評価を行 うPython ライブラリ モントリオール大学にて開発 Python cuDNN Open Source http://deeplearning. net/software/thean o/ https://github.com/l isa-lab/pylearn2 3 Keras Theanoを使ったライブラリ 単一マシンで稼働する 導入が簡単 Python cuDNN(Theano) MIT http://keras.io/ 4 Lasagne Theanoで稼働するニューラルネットワークの 構築と訓練フレームワーク Python cuDNN MIT https://github.com/ Lasagne/Lasagne 5 Caffe カリフォルニア大バークレー校で開発 最も開発が盛んに行われている CNN、高速、学習済モデル配布 C++, Python cuDNN BSD2 clause http://caffe.berkeley vision.org/ 6 Chainer 2015年にPrefferdNetworks社が公開したライ ブラリ Pythonを制御コードを利用しシンプルに記述 できる Python cuDNN MIT http://chainer.org/ 7 H2O Map/Rduce分散クラスターでのDNN R/Java 非対応 商用 • nVidiaのGPUライブラリ CuDNN内部で使われる http://www.nvidia.co.jp/object/machine-learning-jp.html
- 16. • 世界のDeep Learningのキープレーヤー達 – Deep Learning Summit 2016スピーカー https://www.re-work.co/events/deep- learning-sanfran-2016 – Baidu, Twitter, eBay, MIT, Google, H2O.ai, Stanford University, UC Berkeley, University of Montreal
- 17. 日本での身近なビジネスでの応用例 • CfK Hack Nightにも来ている株式会社ピリカ 小嶌さん 「タカノメ」 • ディープラーニングでゴミを自動認識 引用元 http://kibi-dango.jp/info.php?type=items&id=I0000124
- 18. ビジネスでの応用例 • 株式会社ピリカ 「タカノメ」 • クラウドファンディングで資金を集めて開発（初期費） • ニューラルネットの精度が上がるまで並行して人力によ る教師有りデータの作成 • 「人力＜ニューラルネット」になった時点で収益化（固 定費がゼロに）