All Posts

Machine Learning
Makoto Unemi (畝見 真) 0
ディープラーニングの判断根拠

予測モデル生成において、従来は、人が考えてデータの中から特徴を抽出する必要がありましたが、ディープラーニングでは、この特徴を自動的に抽出して学習することが可能になっています。 半面、どのように特徴が抽出されているのかに関しては、基本的にはブラックボックスであり、説明責任が求められるような業務要件では、その分析結果を業務に活用することが難しい場合もあります。 しかし、近年ディープラーニングから出てきた結果の根拠=判断根拠を可視化する手法がいくつか考案されてきています。 関連情報サイト: https://qiita.com/icoxfog417/items/8689f943fd1225e24358 https://pair-code.github.io/saliency/ http://blog.brainpad.co.jp/entry/2017/07/10/163000 SAS Viyaでは、各種のディープラーニング(DNN, CNN, RNN)を用いた学習が可能ですが、今回はCNNを用いた画像認識において、判断根拠となり得る情報の出力に関してご紹介します。 この例は、複数のイルカの画像をCNNで学習し、対象の画像(写真)がイルカなのかどうかを判別するものです。 モデルを作成後、以下の画像をモデルに当てはめてスコアリングを実施。 この画像は「イルカ」だと判定されたのですが、その判断根拠の一つとして、以下のように、この画像のどの部分がより重要であると判断されているのかを可視化することが可能になっています。 【レイヤー1のfeature map】 【レイヤー18のfeature map】 SAS Viyaでは、モデルのスコアリング時のオプションとして、指定したレイヤ(層)の特徴マップ(feature map)を画像として指定ライブラリに出力することが可能です。 >> スコアリング用のアクション:”dlScore” の layerOut={出力先ライブラリとテーブル名} オプションと layers={出力対象レイヤ名} オプション >> 上図はライブラリに出力された画像(feature map)を表示したものです。

Analytics | Data Visualization
Jeanne (Hyunjin) Byun 0
0.001초의 승부, 스포츠 결과를 결정하는 데이터 과학의 힘

전 세계가 눈 한 번 깜짝할 사이도 안 되는 찰나의 순간에 울고 웃습니다. 바로 냉혹해서 더 감동적인 스포츠 경기 때문인데요. 스포츠에서 정밀하게 시간을 측정하는 전문가 ‘타임 키퍼’의 역할은 매우 중요합니다. 덕분에 동계 스포츠의 꽃인 스피드 스케이팅은 1000분의 1초까지 시간을 측정할 수 있을 정도로 관련 기술이 빠르게 발전하고 있죠. 전 세계

Analytics | Artificial Intelligence
SAS Korea 0
사랑에 수학과 인공지능(AI)을 더하면 무엇이 나올까요?

2월, 봄기운을 느끼기에는 아직 추운 날씨지만 꽃 수요가 집중된다고 하는데요. 바로 2월 14일 발렌타인 데이와 졸업식 시즌 때문입니다. 올해도 어김없이 거리는 로맨틱한 분홍빛으로 물들고 있는데요. 이맘때면 초콜릿, 셔츠, 넥타이, 향수 등 선물 고르기에 골머리를 앓는 분들도 많아지죠. 물질만으로 사랑하는 마음을 다 표현할 수는 없기에 더욱 어려운 일인 것 같습니다. 그런데

1 … 391 392 393 394 395 … 707