マガジンのカバー画像

G検定

162
運営しているクリエイター

2020年10月の記事一覧

G検定 予測結果の評価尺度 #2

株式会社リュディアです。G検定対策として機械学習の評価尺度についてまとめたいと思います。予測結果の評価尺度 #1 の続きです。

予測結果の評価尺度 #1では〇 ×を使って用語のまとめのみを行いました。今回は〇×ではなくG検定公式テキストで使う用語でまとめていきます。まず混同行列からです。

予測値、測定値のとりうる値を陽性(Positive)、陰性(Negative)とします。予測値、測定値のそれ

もっとみる

G検定 予測結果の評価尺度 #1

株式会社リュディアです。G検定対策として機械学習の評価尺度についてまとめたいと思います。日本語でよく似た用語が並ぶので混乱しやすいと思います。言葉の意味をしっかりと理解してください。

機械学習に限らず予測値と測定値のあたりはずれを評価したい状況はよくあります。そのデータ集計を行う際に用いるのが混同行列 (Confusion Matrix) です。混合ではなくて混同です。間違えないようにしてくださ

もっとみる

G検定 CNNの計算問題まとめ #2

株式会社リュディアです。G検定問題集にもある CNN の具体的な計算問題についてまとめてみます。CNN の具体的な計算問題 # 1 の続きです。

最初にパディング (Padding) について説明します。以下の入力画像を考えます。画像サイズによっては、与えられたカーネルサイズとストライドの条件では全体を覆うことが不可能な場合があります。

具体的な例をみてみましょう。次の絵をみてください。入力画

もっとみる

G検定 CNN計算問題まとめ #1

株式会社リュディアです。G検定問題集にもある CNN の具体的な計算問題についてまとめてみます。

最初の問題はあるサイズの画像、あるサイズのカーネル(フィルター)、ストライドが与えられたときに特徴マップを求めるものです。特徴マップとは畳み込み演算により得られた新規の2次元データのことです。畳み込み演算の出力と考えてよいです。

今回は CNN の主な 2 つの演算である畳み込み演算とプーリング演

もっとみる

G検定 CNNまとめ

株式会社リュディアです。今回はG検定でも頻出の CNN (畳み込みニューラルネットワーク)についてまとめてみます。

CNNは主に画像認識、画像生成のような画像、つまり2次元データを扱うのに適したニューラルネットワークです。CNNの元祖としてネオコグニトロンと LeNET が有名です。これら2つの手法は一部異なる箇所がありますが基本的な考え方は同じです。対比した表を以下につけておきます。

以下の

もっとみる

G検定 テストデータなど

株式会社リュディアです。今回はデータセットについて有名なところをまとめてみたいと思います。

ちなみにいろいろなデータセットについてまとめたものが既に arXiv に存在します。

ただ G検定対策としては細かすぎると思いますので、いくつかピックアップして以下にまとめておきます。

ImageNet
G検定公式テキストにも何度も出てくる ImageNet からです。スタンフォード大学の Fei-F

もっとみる

G検定 ILSVRC の歴史まとめ

株式会社リュディアです。2回に渡って ILSVRC についてまとめてきました。

ILSVRC については正誤問題で出題されることも多いので歴史、モデル名、発表機関を頭に入れておくことをお勧めします。

Kaggle のページに ILSVRC の各年ごとの成績?がまとめられていますので以下につけておきます。2012年、2015年という2つの節目は意識しておいたほうがよいと思います。

最後に優勝チ

もっとみる

G検定 ILSVRCの歴史 2015 ~ 2017

株式会社リュディアです。今回はG検定公式テキストでも頻繁に参照される ILSVRC の歴史についてまとめてみたいと思います。2012 ~ 2014の歴史に続き今回は 2015 ~ 2017 の歴史です。

ILSVRC 2015優勝は Microsoft Research の ResNet です。原論文は "Deep Residual Learning for Image Recognition"

もっとみる

G検定 ILSVRCの歴史 2012 ~ 2014

株式会社リュディアです。今回はG検定公式テキストでも頻繁に参照される ILSVRC の歴史についてまとめてみたいと思います。今回は 2012 ~ 2014 の歴史です。

ILSVRC ( ImageNet Large Scale Visual Recognition Challenge ) は 2010年に始まり、2012年にチーム SuperVision が発表した AlexNet が圧倒的な

もっとみる

G検定 アンサンブル学習

株式会社リュディアです。アンサンブル学習についてまとめてみたいと思います。

アンサンブル学習とは複数のモデルを使って1つのモデルを構築することです。大きくバギング、ブースティング、スタッキングの3つに分類可能です。順番に見ていきましょう。

バギングは Bootstrap Aggregating の略です。訓練データをブートストラップサンプリングにより N 個のグループに分割します。次に N 個

もっとみる

G検定 リコメンデーションシステム

株式会社リュディアです。G検定対策としてリコメンデーションシステムをまとめます。リコメンデーションシステムは正誤問題で1問は出るのでは、と思います。

リコメンデーションシステム、要は「あなたへのお勧めはこれ!」と表示するものです。リコメンデーション = 推薦、提言です。あるいは単に検索した結果でどれを上位に表示するか、というレベルのものも含みます。そのリコメンデーションシステムの核になるアルゴリ

もっとみる

G検定 勾配降下法の種類

株式会社リュディアです。G検定対策として勾配降下法についてまとめてみたいと思います。同時にイテレーション、エポック、バッチサイズという言葉についても説明します。

勾配降下法は最小化したい関数、つまり目的関数のある点での勾配を求め、勾配の値を元に最小値を探索する手法です。ある変数の値に対する目的関数の勾配を求めることは目的関数をある変数で偏微分した値を使って探索することになります。

最初にイテレ

もっとみる

G検定 転移学習と蒸留

株式会社リュディアです。G検定対策として転移学習と蒸留についてまとめてみます。深いところまで厳密に説明すると大変なことになるので雰囲気をつかんでもらうことを目的とします。厳密性を欠く部分はご容赦ください。

いつものように一言で記載してみます。

転移学習は既に学習済みのモデルを使って別の問題を解くこと

蒸留は既に学習済みのモデルを使ってよりコンパクトなモデルを実現すること

転移学習は学習済み

もっとみる

G検定 画素とは

株式会社リュディアです。G検定公式テキストや画像処理の文書で画素という単語が出てきます。何となくはわかっているが、他人に説明できるほどはわかっていない、という方も多いと思います。今回は画素についてまとめてみたいと思います。

画素は英語で Pixel (ピクセル)と言います。人間が目で見ている印刷物やPC, TV のディスプレイは細かい点で表現されており、その細かい点を画素と呼びます。TVや P

もっとみる