【和から株式会社】Excelではじめるディープラーニング(Deep Learning)講義抜粋
公開日
2024年12月8日
更新日
2025年1月19日

和から株式会社主催「Excelではじめるディープラーニング」講義抜粋です。
Deep Learningの基本的な数理・仕組みについてExcelを利用し理解することを目的とします。
◎詳細・開催日程はこちら→https://wakara.co.jp/course/4374
数字の認識と手書き文字
皆さん、数字の認識がどうなっているか考えたことはありますか?例えば、数字の「7」ですが、書き方には人それぞれ違いがあります。一般的な書き方では、縦に1本線を引き、斜めに線を加えていきますが、他の人は別の書き方をすることもあります。しかし、私たちはそれを見たとき、どんな書き方であれ「7」と認識できますよね。これがどうしてできるのかが、ディープラーニングの重要なポイントとなるのです。
ニューラルネットワークの仕組み
ニューラルネットワークは、入力と出力の間に隠れ層を挟んで、データを処理します。では、ニューラルネットワークがどのように「丸」や「バツ」などを認識するのか、例を挙げて説明します。例えば、「丸」と「バツ」を認識させるとき、私たちは「丸」なら丸い形、「バツ」なら交差した形を自然に認識します。これを入力データとして「0」と「1」で処理することで、ニューラルネットワークは特徴を抽出し、認識を行います。
特徴量の抽出
具体的には、データの特徴を抽出してパターンを学習することが重要です。例えば、「丸」の形と「バツ」の形を特徴量として捉え、それぞれの特徴に関連するデータをネットワークに学習させます。これにより、ニューラルネットワークは「丸」や「バツ」の認識を精度よく行うことができるようになります。
手書き文字のデータセット
ここでは、手書き文字を「0」と「1」に置き換えたデータセットを使用して学習します。このデータセットを使って、ディープラーニングを実際に学習させることで、パターン認識がどのように行われるのかが分かります。例えば、64枚の手書き文字画像を使用して学習を行います。このデータを使っても、ディープラーニングの学習は十分に可能です。
計算パラメータと学習の限界
学習を進める中で、必要なパラメータの数が増えていきます。例えば、28×28の画像データを使うと、必要となるパラメータは非常に多く、100倍以上のパラメータが必要になることもあります。そのため、パラメータの数を減らす工夫が必要です。エクセルなどのツールでディープラーニングを行う際は、このようなパラメータの数を最適化する必要があります。
次回は、さらに詳細な計算方法について掘り下げていきます。次回も楽しみにしてください。