Now Loading...

Now Loading...

データの扱い方

データの扱い方

データの扱い方に関して、データの収集や注釈付け(アノテーション)、加工といった作業はモデルの学習の成功の可否を決める要素として最も重大な要素の一つです。

例えば、データの収集であれば質の高いデータを偏りなく大量に集める必要があります。また、言語データ等においては表記ゆれや誤植、言葉の間違い等を修正する必要があります(データクレンジング)。画像データのデータ拡張における画像反転は有効ですが、数値や文字といった画像に対しては不適切です。目的とするタスクに最適なデータの扱い方を考えることが重要です。

クイズ

交通量調査を自動で行うため、路上を走る自動車を検出する物体検出モデルを学習したい。この際に行うデータ拡張の方法として、最も不適切な選択肢を1つ選べ。
  • 正解を見る
  • 解説を見る
    今回のモデルの目的は交通量調査であるため、訓練画像に対して上下方向の反転操作は必要ありません。むしろ検出の精度を下げてしまうことに繋がります。

人工知能基礎講座を提供中

人工知能の第一人者である東京大学の松尾豊教授が監修した人工知能基礎講座を受講してみませんか? 人工知能の歴史から自然言語処理、機械学習、深層学習といった最先端のトピックやAIに関わる法律問題まで網羅しているので全てのビジネスパーソン・AIの初学者におすすめです。

サンプル動画

人工知能基礎講座はこちら↓ zero to one G検定 人工知能基礎 jdla

AIエンジニアを目指すならE資格

日本ディープラーニング協会の実施するE資格の受験に必要となるE資格認定プログラムを割引価格で提供中です。最短合格を目指す方向けのスピードパッケージを70,000円で提供中。(一発合格で33,000円のキャッシュバックキャンペーンも実施中です) zero to one E資格 jdla

AI初学者・ビジネスパーソン向けのG検定対策講座

G検定受験前にトレーニングしたい方向けの問題集「G検定実践トレーニング」も提供中です。 zero to one E資格 jdla

関連ワード

ディープラーニングの手法

畳み込みニューラルネットワーク

深層生成モデル

画像認識分野

音声処理と自然言語処理分野

深層強化学習分野

モデルの解釈性とその対応

モデルの軽量化