マスログ

【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

#和から #DeepLearning #集団セミナー

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。

新着記事

CONTACTお問い合わせ

個別講義や集団講義、また法人・団体向けの研修を行うスペース紹介です。遠人に在住の方や自宅で講義を受けたい方はオンライン講座をご用意しております。よくある質問はこちら