AI・機械学習・ディープラーニング

ディープラーニングのフレームワーク

投稿日:

名前 ユースケース メリット
TensorFlow google MNIST(手書き数字を判別)、CNN(画像認識)、Word2Vec(各単語の関係を学習)、RNN(文章から次の単語予測)、Seq2Seq Model(フランス語を英語に翻訳) CPU/GPU意識しない
CNTK Microsoft 高速
Chainer 国産
Caffe yahoo 画像分類
Amazon Machine Learning 構造化データをS3,RDS,Redshiftに入れて、二値分類、クラス分類、回帰予測ができる GUIで簡単

Tensorflowが公開されたときのコメントとして、機械学習のフレームワークやアルゴリズムよりも、「持っているデータ」が価値があるとのこと。

ある程度まで機械学習を使えるようになったら、「どんなデータを、どうやって集めるか」に注力した方がよさそう。

-AI・機械学習・ディープラーニング

執筆者:


comment

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

関連記事

no image

人工知能解体新書 ゼロからわかる人工知能のしくみと活用

この本は良かった。実用例が豊富だから。IBM Watsonの解説が多いんだけど、それだけWatsonはAI産業で重要なポジションを占めているってことがわかった。G検定の推薦図書では具体例が少なくて、「 …

no image

numpy 配列の乗算

import numpy as np x = np.array([0,1]) w = np.array([0,5],[0.5]) print x*w >>>[0. 0.5] このよう …

no image

AIビジネス脳を考える・鍛える

AIで何ができるか?を理解し、事例を蓄えている。 すべてのものがデータとして認識でき、AIによりどんなROIを出せるかが数字で浮かんでくる。 あらゆるものがAIを入れた時にどうなるか映像で見え、宝の山 …

no image

ディープラーニングの分かりやすい記事まとめ

入門・解説記事 深層学習を勉強して説明してみた https://research.preferred.jp/2012/11/deep-learning/ 業界を代表するブログ https://rese …

no image

AWS Amazon Machine Learning で MNISTを分類

実際に機械学習アプリを使用するにあたってはAWSとGCPで最も簡単に作る方法を調査した。 GCPでは Cloud ML Engineというのがあるが、あくまでEngineであり、GUIで簡単にアプリを …