ディープラーニングの処理フェーズとして、「学習処理フェーズ」「推論処理フェーズ」について紹介。

ディープラーニングの処理フェーズ

ディープラーニングの処理フェーズとして、「学習処理フェーズ」「推論処理フェーズ」について紹介。

ディープラーニングの処理フェーズは、大まかに「学習処理フェーズ」と「推論処理フェーズ」に分かれる。

学習処理フェーズ

適正な推論を行える学習モデルに育てるためには、大量の訓練用データを取り込み、学習を行う必要がある。

■大量の訓練用データが必要

ディープラーニングは「質の高い訓練用データが多いほど精度が上がる」という特徴がある。大量の訓練用データ(ビッグデータ)を確保できない場合は、高い推論性能を発揮できない。

AI開発において利用できるデータ量は重要なウェイトを占める。「日本の研究機関/企業は、良質なビッグデータを確保できないため、AI開発に遅れが出ている」という分析もある。

■強力な処理インフラが必要

膨大な量のデータを処理するため、「時間」「電力」「高機能サーバ(GPU)」が必要となる。

■難度が高いチューニング

ディープラーニングは、「過学習」や「過剰適合」などの課題もあり、チューニングが難しいという弱点がある。

ディープラーニングのチューニングを行うためには高度なスキルが必要であり、そのような人材は非常に少ないという問題もある。

推論処理フェーズ

推論処理フェーズでは、訓練した学習モデルを使用して推論を行う。

実際のビジネスにおいて、「学習済モデル」や「学習済モデルを利用できるサービス」を使用する場合は、自社でのAIトレーニングは行わずに、迅速に開始できる。

推論処理は、学習処理ほどのコンピュータリソースは必要としない。

ディープラーニング最新TOPICS

【AI】ディープラーニングでビジネスチャンスをつかむために必要なこと---日本ディープラーニング協会理事長の提言、「やったもの勝ち」「必要なのは行動するための知識」(2018年06月05日 10:03)

「ディープラーニングでビジネスチャンスをつかむために必要なことは何か?」について、日本ディープラーニング協会理事長である東京大学の松尾豊特任准教授は、「やったもの勝ちだ」「必要なのは行動するための知識」であると提言する。 【解説テーマ】 ・薄く広くでは負けてしまう ・やったもの勝ち!高校生もできる

セミナー講演資料公開中

With/Afterコロナ時代のIT体制を考える 〜リモートワークへの対応は、IT体制の拡充&効率化の入口〜

全員テレワーク時代のマーケティングを考える ~Webセミナーからの動画活用と訪問しないメール営業のはじめ方~

緊急事態宣言下、「テレワーク」のセキュリティ・リスクを、改めて考える ~GMOの「全員在宅勤務」を支えた、クラウドセキュリティを強化する認証基盤「トラスト・ログイン」~

  • KSKサイド007
  • OSSNEWSに広告を掲載しませんか?

facebook

twitter