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

※記事内容について動画でもご覧いただけます。

1. 講義概要と目的

ディープラーニングとは、機械学習の一種で、多層のニューラルネットワークを用いて複雑なパターンを学習する手法です。この講義の目的は、Excelを使ってディープラーニングの基本的な仕組みを理解することにあります。

専門的なソフトウェアを使わずに、身近なツールであるExcelを活用することで、ディープラーニングの奥深い世界をより身近に感じることができます。社会人にとっては、仕事の場でも応用が効く実践的なスキルを習得できる機会です。

2. 数字の認識とディープラーニング

皆さん、日常生活で様々な書き方をされる数字を一目で認識することに慣れていますよね。例えば、「7」という数字も、ひとつの書き方だけでなく何通りもの形で描かれます。それでも私たちは容易にそれが「7」であると認識できるのです。

ディープラーニングはこのような多様な手書きの認識を得意とし、背後に隠されたパターンを学びます。この講義では、Excelを活用しながら、数字の認識を通じてディープラーニングの基本を学びます。

3. ニューラルネットワークの基本的な仕組み

ディープラーニングの核心であるニューラルネットワークについて説明します。これは、入力層、中間の隠れ層、出力層を持ち、データ処理を階層的に行います。

「丸」と「バツ」の形を例に、データをいかにして特徴として捉えるかを考えます。例えば、「丸」は丸い形の特徴を、「バツ」は交差した形の特徴を学び、ニューラルネットワークがそれを処理します。

こうした特徴抽出を行うことで、さまざまなデータの中から重要な部分を見分ける力を養います。

4. 特徴量の抽出とパターン学習

ディープラーニングにおいては、データの「特徴量」を的確に捉えることが重要です。具体的には、「丸」や「バツ」といった形を特徴量として捉え、その特徴を学習します。これにより、ニューラルネットワークは入力データのパターンを学び、精度高く認識することが可能になります。

講義を通して、どのようにして特徴量を抽出し、パターン学習を行うのかを学び、ディープラーニングの理解を深めていきます。

5. 手書き文字データセットの活用

講義では、「0」と「1」に置き換えられた手書き文字データセットを使用して実際の学習を行います。このデータセットはパターン認識の練習に最適で、64枚の手書き文字画像を活用して学習を進めます。

このように、ディープラーニングでは大量のデータを用いて学習することで、正確な認識率を達成することができます。自身で手を動かして学習することで得られる理解は、一味違うものになるでしょう。

6. 学習における計算パラメータとその限界

ディープラーニングを進める際に重要な要素のひとつが計算パラメータです。

例えば、28×28のピクセル画像を用いる場合、必要なパラメータの数は膨大になりがちです。これに対し、如何にしてパラメータの数を最適化するかがポイントです。計算パラメータが増えすぎると処理に時間がかかるため、Excelなどを活用し効率良く学習を進める工夫を学ぶことになります。