話題のディープラーニングとは【ここから学べるトレンド技術】
最近、ニュースや記事で注目を浴びているディープラーニング。
これに対して
ディープラーニングってなに？
できることはどんなことなのか？
興味はあるけど、実際よくわからない。
いろんな疑問があるディープラーニング。
ディープラーニングの基礎的な知識をここで解説していきます。
目次
ディープラーニングとは
ディープラーニングは深層学習といわれる技術で、大量のデータがあれば、人間の力を使わずに自動的に大量のデータから特徴などを抽出してくれるディープニューラルネットワーク【DNN】を使った学習です
例えば、
こういったリンゴの画像を読み込ました時のデータ抽出は
色彩でデータをとれば・・・赤：黄色＝8：2
のようなデータをとります。
※あくまでも簡単な例です。実際と異なります
DNNについて、ニューラルネットワークと言われるパターン認識行うように開発された人間や生物の脳神経回路をモデルとしたアルゴリズムを多層構造化したものです。
今、注目されているディープラーニング
ディープラーニングが、こんなに注目されるようになったのは最近のことなんです。
今までの手法と大きく違う点は、自らデータの特徴を捉えれる点です。
私たちは、どんな種類のモノでも大きく分けることができます。例えば、ブルドッグやダックスフンドの犬を見てこれは「犬」と判断することができますが、今までの手法では、そういった判別することが困難でした。しかしディープラーニングでは学習を重ねることでそういった判別ができるようになりました。他にも人工知能の囲碁システムの「AlphaGo」が世界トップレベルの韓国プロ棋士に勝利をしたのも記憶に新しいことだと思います。では、人工知能・機械学習・ディープラーニングはどういう違いでどういった関係性なのかを紹介します。
ディープラーニングとの関係性
この3つがあり混乱されている方も多いと思います。これを簡単に説明していきます。
大小関係でいうと
といったようになります。
この3つは一つ一つが違う技術ということではなく人工知能という大きな要素の一つなのです。
どういうことと思われた方に解説します。
人工知能の中に機械学習があり機械学習の中にディープラーニングがあると考えられるといいです。
では一つごとに深く知っていきましょう。
人工知能（AI）
人工知能（AI）この頃よく耳にするワードだと思います。
AIというのは定義がいまだ定まっておらず人によってAIかどうかそれぞれの意見が飛び交っています。
ここでは「大量のデータに対して、高度な推論を的確に行うことを目指したもの」という立場で解説します。
AIの中でも大きく2つに分かれます。
弱いAIと強いAIです。
弱いAI
人間の知能の一部を担えるもの、限られた問題を解決するもの
弱いAIにもまた種類があり
特化型と汎用型です。
特化型：特定の作業を行うもの（囲碁AI等）
汎用型：特定の作業・タスクに限らず人間と同様もしかしたら人間の脳と同等の知的処理が実現したもの。
ニュースで報道されるのは基本的に弱いAIの特化型の方が多い。
汎用型は今の技術では現実的に難しいとされています。
機械学習
機械学習とは、機械学習のパイオニアの1人のアーサー・サミュエルは「人が明示的に挙動を指示することなしにコンピュータに学習能力を与えること」と定義されています。
機械学習には他にもいろいろな種類があります。
教師あり学習
正解付きのデータを機械に学習させる方法
その中にも回帰・分類に分かれます。
回帰：データ入力で数値を出力する方法
分類：データ入力でデータの種類や属性を出力する。
教師なし学習
正解は必要とせずに、膨大なデータから特徴量から構造や傾向・法則を導く
方法として
クラスタリングというのがある。
クラスタリング：データ入力するとデータのグルーピング結果を出す方法
強化学習
自ら試行錯誤し、最適な行動を見つける学習。
目標を達成し、報酬を与えることで上達していく。
ディープラーニング
ディープラーニングにも種類があり、その一つ一つに得意分野があります。
今回は3つ紹介します。
DNN・CNN・RNN
主に、この3つです。
DNN（Deep Neural Network）
ニューラルネットワーク（NN）といわれるパターン認識を使い人間・動物の脳神経回路をモデルとしたアルゴリズムを多重構造化したものです。
CNN（Convolutional Neural Network）
畳み込みニューラルネットワークと言われるもので、局所的な情報の抽象化および位置普遍性をもたせ順伝播型ニューラルネットワークを利用しています。
DNNを2次元のデータに対応させたものなので、画像処理に対して高く発揮します。
RNN（Recurrent Neural Network）
再帰型ニューラルネットワークと言われるもので、音声・動画データのような可変長データ扱えるように中間層に再帰的な構造をもたせ双方が伝播するもの
ディープラーニングの可能性
現状ディープラーニングでできることを紹介していきます。
画像認識
画像や動画を入力し文字や顔などを認識して特徴を検出することができます。
例：：自動運転 感情分析など
音声認識
音声を認識させる技術で、人間の声を認識して文字に起こしたり声の特徴をとらえて識別したりすることができます。
例：：Siriのような音声入力
自然言語処理
人間が日常的に使う自然言語（書き言葉・話し言葉）をコンピューターに処理・理解させることができます。
例：：コールセンターの問い合わせ対応など
異常検知
機器などに取り付けられたセンサーなどの時系列データから異常を感知することができる。
例：：工場内の監視 製品の変色処理
勉強方法
スクールに通う・独学で勉強する。
おすすめスクールは
独学時のおすすめの教材
ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装
この教材を読めば知識ゼロからでもできてしまいます。教材の中に簡単な実例もあるので勉強しやすい。
全国送料無料！IT書、ビジネス書、資格書が豊富なSEshop 
人気記事：：
