株式会社PROMPT– Author –
-
【０から学ぶAI】第236回：クラウド環境でのモデル実行 〜AWSやGCPを使ったモデルの運用方法を解説
前回のおさらいと今回のテーマ こんにちは！前回は、APIの作成と公開について解説し、Flaskを使って学習済みモデルをAPI化し、Herokuにデプロイして公開する方法を紹介しました。APIを使うことで、他のアプリケーションやシステムからモデルの予測機能を利... -
【０から学ぶAI】第235回：APIの作成と公開 〜モデルをAPIとして提供する方法を紹介
前回のおさらいと今回のテーマ こんにちは！前回は、FlaskによるWebアプリケーション化を学び、Flaskを使って学習済みモデルをWebアプリケーションに組み込む方法を解説しました。ユーザーがフォームからデータを入力し、予測結果をリアルタイムで確認でき... -
【０から学ぶAI】第234回：FlaskによるWebアプリケーション化 〜シンプルなWebアプリにモデルを組み込む方法を説明
前回のおさらいと今回のテーマ こんにちは！前回は、モデルのデプロイ方法として、Flaskを使ったシンプルなWeb APIの構築方法を学びました。APIを使うことで、学習済みモデルをリアルタイムに利用可能なサービスとして提供できることが分かりましたね。 今... -
【０から学ぶAI】第233回：モデルのデプロイ方法 〜学習済みモデルを実際のアプリケーションで使用する方法を解説
前回のおさらいと今回のテーマ こんにちは！前回は、事前学習済みモデルを利用して新しいタスクに適応させる転移学習の実践について学びました。転移学習を用いることで、少ないデータでも高精度なモデルを効率的に構築できることがわかりましたね。 今回... -
【０から学ぶAI】第232回：転移学習の実践 〜事前学習済みモデルを活用する方法を紹介
前回のおさらいと今回のテーマ こんにちは！前回は、データ拡張の実践について学び、Kerasを使って画像データの拡張方法を紹介しました。データ拡張により、モデルがより多様なデータを学習しやすくなり、過学習を防ぐ効果も確認できました。 今回は、転移... -
【０から学ぶAI】第231回：データ拡張の実践 〜画像データを増やす方法を説明
前回のおさらいと今回のテーマ こんにちは！前回は、モデルの保存と読み込みについて解説しました。Kerasを使って訓練済みモデルをファイルに保存し、後から再利用する方法を学びました。これにより、モデルの開発と運用が効率的に行えるようになりました... -
【０から学ぶAI】第230回：モデルの保存と読み込み 〜学習済みモデルの扱い方を解説
前回のおさらいと今回のテーマ こんにちは！前回は、Kerasを使ってRNN（再帰型ニューラルネットワーク）を実装し、テキストデータの感情分類を行うモデルを構築しました。RNNは、時系列データや自然言語処理に適したモデルであり、長期的な依存関係を捉え... -
【０から学ぶAI】第229回：RNNの実装 〜再帰型ニューラルネットワークを実装してみる
前回のおさらいと今回のテーマ こんにちは！前回は、画像認識に強いCNN（畳み込みニューラルネットワーク）を実装し、手書き数字を分類するモデルを構築しました。CNNは画像データの特徴を階層的に学習するため、画像処理分野で非常に強力なツールです。 ... -
【０から学ぶAI】第228回：CNNの実装 〜畳み込みニューラルネットワークを実装してみる
前回のおさらいと今回のテーマ こんにちは！前回は、Kerasを使ったモデル構築方法について解説しました。Kerasを使えば、シンプルな全結合ネットワークから複雑なカスタムネットワークまで、簡単に構築できることが分かりましたね。 今回は、ディープラー... -
【０から学ぶAI】第227回：Kerasを使ったモデル構築 〜高レベルAPIでのモデル構築方法を紹介
前回のおさらいと今回のテーマ こんにちは！前回は、ディープラーニングフレームワークTensorFlowの基本について解説しました。TensorFlowを使うことで、テンソルの操作からニューラルネットワークの構築まで、様々な機械学習モデルを効率的に実装すること... -
【０から学ぶAI】第226回：TensorFlow入門 〜ディープラーニングフレームワークTensorFlowの基本を説明
前回のおさらいと今回のテーマ こんにちは！前回は、PythonのライブラリKerasを使って基本的なニューラルネットワークを構築し、手書き数字の分類モデルを実装しました。KerasはシンプルなAPIを提供し、初心者でも簡単にモデルを作成できる便利なツールで... -
【０から学ぶAI】第225回：ニューラルネットワークの実装 〜基本的なニューラルネットワークを構築する方法を解説
前回のおさらいと今回のテーマ こんにちは！前回は、モデルの性能を最大化するためのハイパーパラメータチューニングについて解説しました。グリッドサーチを使って最適なハイパーパラメータを見つけることで、モデルの精度を大幅に向上させることができま... -
【０から学ぶAI】第224回：ハイパーパラメータチューニングの実践 〜グリッドサーチを用いて最適なパラメータを探す
前回のおさらいと今回のテーマ こんにちは！前回は、機械学習モデルの評価方法について詳しく解説しました。正解率、精度、再現率、F1スコア、ROC曲線、AUCスコアといった指標を使うことで、モデルの性能を多角的に評価する方法を学びましたね。 今回は、... -
【０から学ぶAI】第223回：モデルの評価方法を実践 〜実装したモデルの性能を評価する方法を説明
前回のおさらいと今回のテーマ こんにちは！前回は、ロジスティック回帰モデルを使って分類問題を解く方法について学びました。データの前処理からモデルの訓練、そして予測と評価までの基本的な流れを理解できましたね。 今回は、機械学習モデルの評価方... -
【０から学ぶAI】第222回：分類モデルの実装 〜ロジスティック回帰モデルを実装してみる
前回のおさらいと今回のテーマ こんにちは！前回は、機械学習における最も基本的なモデルである線形回帰モデルを実装し、データの傾向を予測する方法について学びました。線形回帰は、連続的な数値を予測するために用いられるモデルで、シンプルながら強力...
