Pythonで機械学習入門⑥ディープラーニング（深層学習）編
TensorFlow? ディープラーニングは自動で大量のデータから特徴を発見する技術で、現在起こっているAI（人工知能）の第三次ブームの火付け役です。 そうした技術を応用することで、さまざまな分野でAIは急激に賢くなっている。 ディープラーニングとひと言にいっても、その中にはさまざまなアルゴリズムがあります。
7
TensorFlow? ディープラーニングは自動で大量のデータから特徴を発見する技術で、現在起こっているAI（人工知能）の第三次ブームの火付け役です。 そうした技術を応用することで、さまざまな分野でAIは急激に賢くなっている。 ディープラーニングとひと言にいっても、その中にはさまざまなアルゴリズムがあります。
7この時、学習済みのモデルは「特徴抽出器」として扱われます。
例えば、私たち人間が猫を見て猫だと判断できるのは、過去に見てきた特徴を学習し、それを元に判断しています。 混合ガウスモデルによる異常検知のイメージ しかし、この混合ガウスモデルのような従来の方法では、画像や自然言語のような高次元のデータに対しては、その特徴をうまく捉えることができず、正常データの分布を適切に推定することができませんでした。
17ディープラーニングの種類 ディープラーニングは、機械が学習するにあたり、大きく分けると 6 種類あります。
ディープラーニングに携わりたい人は、 AI エンジニアを目指して下さい。
ここでは、それぞれの種類を個別に解説していきましょう。 これだけAI（人工知能）だのディープラーニングだのと騒がしくなってきたのだから、誰にでもわかる言葉で説明してくれたっていいのでは？ ということで、今回AI（人工知能）の初心者向けに「機械学習」と「深層学習」の違いを、誰にでも理解できる言葉で説明してみました。 その結果、工場での不良品の検査の自動化が向上したり、Web広告の精度が向上したり、医療の画像診断が医師の診断の補助をしたりすることが実現できました。
13次に、観測したデータが得られた正常データの分布からどれだけ離れているかによって異常を判別します。
敵対的生成ネットワークによる異常検知のベースとなるアイデアは、自己符号化器による異常検知と似ていて、「正常データのみで学習させた敵対的生成ネットワークは異常データを表現できない」というものです。 つまり、エージェントが環境に対して、なんらかの望ましい結果を作用させたときの報酬が、その結果を起こす前の行動へと順番に伝搬されていくイメージです。 ネコの画像認識で言えば、「耳の形」とか「目の色」、「毛の長さ」など、着目すべき特徴を自ら発見することができるのが深層学習。
選別は、多くの場合手動で実施しなければならず、途方もない手間を要することもあります。
今回は、AI（人工知能）初心者向けに、「機械学習」と「深層学習」の違いについてお話しました。
「機械学習」「深層学習」って何が違うのか 機械学習と深層学習はイコールではなく、機械学習の手法の1つとして深層学習があることを先ほどご説明しました。 事例としては、分かりやすさと実用性を考慮して、異常検知と予防保全を取り上げました。
現在、AIを構成するアルゴリズムとして、もっともよく用いられている手法です。
