G検定対策~第八章 ディープラーニングの応用に向けて(1)産業への応用~

こんにちは。管理人のピヨ猫でーす。

日本ディープラーニング協会(JDLA)が実施している機械学習の認定試験のG検定って何かすごいらしいねー。この前、機械学習のセミナーでG検定に合格したという方が講師していて、みんな「おっ!」てしていたよ。僕も機械学習の仕事に就きたいからG検定取りたいけど、機械学習って分野が広すぎて何をどう勉強して良いかわからないんだー。

疑問がある

日本ディープラーニング協会(JDLA)がG検定の推薦図書を出してくれているから、これに従って勉強すれば良いんだよ。すごく分かり易く書かれているから、今まで理解できないと思っていたこともすんなり理解できるようになるよ。これから詳しく勉強方法を説明するね。

記事の説明です

 

1.日本ディープラーニング協会(JDLA)のG検定とは

日本ディープラーニング協会(JDLA)とは

日本ディープラーニング協会(JDLA)は、ディープラーニングを中心とする技術による日本の産業競争力の向上を目指し、2017年6月1日設立日された一般社団法人です。

詳しくは以下の記事を参照ください。
日本ディプラーニング協会のG検定とは?

G検定とは

G検定は日本ディープラーニング協会(JDLA)が実施している機械学習の検定試験です。
ディープラーニングの基礎知識を有し、適切な活用方針を決定して事業応用する能力を持つ人材であることを測る検定』です。

2.G検定の勉強方法

日本ディープラーニング協会(JDLA)の推薦書籍

G検定の勉強方法は至ってシンプルです。
日本ディープラーニング協会(JDLA)が「G検定の問題はここから出す」と言っている、日本ディープラーニング協会(JDLA)が推薦する書籍があります。

日本ディープラーニング協会(JDLA)のG検定の問題はここからでる!!

深層学習教科書 ディープラーニング G検定(ジェネラリスト) 公式テキスト (EXAMPRESS) [ 一般社団法人日本ディープラーニング協会 ]

価格:3,024円
(2019/4/3 21:03時点)
感想(1件)

なので、基本的にはこの本を読んで書いてあることが分かればG検定に合格できます。
この本はG検定の合格目的でなくてもとても良い本です。
機械学習を始める上での入門書と言った感じで、とても分かり易く順序立てて機械学習を行う上で必要なことが書かれています。機械学習を始める方は絶対に読んだ方が良いでしょう。

G検定の勉強のコツ

理解度を深めるコツとしては、
本を読む → キーワードを抑える → キーワードを見て意味が分かる程度になるまで、また本を読む
を繰り返すのが良いと思います。人それぞれですので、これが必ずしも良いということはありませんので、自分に合った勉強法があれば、自分に合った方法で勉強するのが良いかと思います。どうすれば良いかわからないという方は、上記の方法を試してみて下さい。

本記事で『深層学習教科書 ディープラーニング G検定(ジェネラリスト) 公式テキスト』の第八章のキーワードを纏めましたので、良ければ利用して下さい。

第八章~ディープラーニングの応用に向けて(1)産業への応用~のキーワード

8-1. ものづくり領域における応用事例

1. 不良品検出/検品

1.1 自動車ギア不良品検出
  • 不良品が少ないので不良品データが手に入らない
  • 良品データのみから不良品を検知

2.予兆検知/予防保全

2.1 射出形成機の予防保全
  • ディープラーニングで形状を分析し磨耗量を判断

3.バラ積みピッキング

3.1 バラ積みピッキング
  • ロボットに求められる紙業が高度化
  • ピッキングを複雑な教師作業なしで実現するためにディープラーニングを活用

4.不良品検出(食品工業)

4.1 食品製造ラインにおける不良品検出
  • 異物混入や不良品を検知
  • 良品データを学習しそうでないものを弾く異常検知を採用
  • 検査工程での異音検査
  • 音響解析
  • 加工制御最適化
  • 工業デザイン生成補助

8-2. モビリティ領域における応用事例

1.自動運転

1.1 自動運転
  • 内閣官房IT総合戦略室が2020年に自動走行による移動サービスを目指す
  • 様々な走行環境における実証実験の実施
  • 関連法整備も非常に重要
  • 交通ルールの在り方
  • 保険を含む責任関係の明確化
1.2 ロボットタクシー
  • 移動サービス(ロボットタクシー)の開発が進められている

8-3. 医療領域における応用事例

1.診断支援

1.1 胃がんを検出する内視鏡画像診断支援
  • 医師の診断支援にCNNを活用
  • 人間の解析速度を遥かに凌駕
1.2 大腸内視鏡検査支援
  • ポリープと早期がんの発見率98%
1.3 広角眼底画像を用いた網膜剥離判定支援
  • 網膜剥離判定でAUC98%の精度
  • 診断見落としを防ぐ二重チェックに利用
  • 遠隔診断への応用を検討

2.創薬

2.1 創薬生産性向上
  • リード化合物の探索と最適化
  • GCN(Graph Convolutional Network)
  • 化合物とたんぱく質の相互作用予測モデル
  • 化合物デザインを支援する、化合物構造の可視化
  • 新しい化合物を提案する化合物生成モデル

3.ゲノム解析

3.1 ゲノム解析
  • Google Deep Variant
  • ゲノム配列を解析するツール
  • 推定因子特定技術(Deep Tensor)
  • 根拠構成技術(ナレッジグラフ)
  • 説明責任が問われる医療現場で推定理由や根拠を見える化
3.2 ガン疾患者個々人に最適化された医療
  • 国立がん研究センターに蓄積された膨大なデータをディープラーニングで統合的に解析
3.3 ゲノム医科学用共用スーパーコンピューター利用環境整備
  • 計算資源の確保が課題
  • データ及び計算・解析機能の共有(シェアリング)

8-4. 介護領域における応用事例

1. 介護サポート

1.1 着衣介助

  • ロボットが披介助者の衣服の襟や袖を認識するのにディープラーニングを利用

1.2 介護コーチングへの応用

  • 研修者の動きを動画で撮影
  • 熟練者が赤入れを実施
  • 赤入れをディープラーニング
  • 次回研修の赤入れをAIが実施

8-5. インフラ・防犯・監視領域における応用事例

1.インフラ領域におけるメンテナンス効率化

1.1 コンクリートひび割れ検出

  • ひび割れの特徴をCNNを用いて検知
  • 実用化の基準値の80%以上を達成

1.2 舗装道路損傷判断

  • 検出レベルは専門技術者の黙視レベルと同等

1.3 橋梁内部の損傷度合い推定

  • 振動データをディープラーニングで解析
  • 目に見えない内部歪みを検知

1.4 送電線点検

  • 異常発生度が非常に低いので異常画像を大量に入手出来ない
  • 敵対的生成ネットワーク(GAN)で異常画像を生成
  • 再現率が90%から92%に改善
  • 適合率が73%から81%に改善

2.建築現場における活用

2.1 トンネル切羽や掘削のり面の地質評価

  • 岩盤の画像と強度データを8万件読み込ませることで8割以上の精度で岩盤強度を特定

3.産業廃棄物選別

3.1 屋内型混合廃棄物選別

  • ロボットハンドの把持姿勢計画性にディープラーニングを利用
  • 18人で行っていた作業を2人に削減
  • 8時間であった稼働時間を24時間化

4. 防犯・監視

4.1 "困っている方"動き検知

  • 道に迷っている人や体調をくずしているひとをディープラーニングで検知

8-6. サービス・小売・飲食店領域における応用事例

1. タクシー需要予想

1.1 タクシー需要予想

  • タクシーの需要が多い時間帯と場所を予測
  • Autoencoderを発展させたStacked denising Autoencoder(SdA)を利用
  • タクシー需要を92.9%の割合で予測

2. 来店者情報把握

2.1 大型商業施設におけるテナントごとのリアルデータ分析・活用

  • 各テナントに来店人数計測カメラと年齢・性別判定カメラを設置

3. 無人コンビニ検証

3.1 無人コンビニ検証

  • バーコードの読み取り不要
  • 手に取った商品をカメラが検知
  • 出口で会計を表示、ICカードで決算

4.多様な作業への応用

4.1 双腕型マルチモーダルロボット

  • 従来はロボットの制御に膨大なプログラムが必要
  • ディープラーニングとVR技術によりプログラムを不要に
  • 人が人に教える様に人がロボットに作業を教えることが可能になった

8-7. その他領域における応用事例

1.物流

1.1 物流画像判別

  • 多様な荷物の荷姿、寸法、取り扱い、汚破損などを画像から自動的に判別

1.2 倉庫運用最適化

  • 最も効果的なルートで該当商品をピックアップするのが命題に
  • 最短ピックアップルートの推定にCNNを活用

2.農業

2.1 収穫・仕分け支援

  • 収穫ロボットに画像認識技術を利用
  • 重なりあって見えにくいトマトの検出等の検出率向上に寄与

2.2 ピンポイント農薬散布

  • 農薬を必要な箇所にピンポイントで散布
  • 農薬使用料を1/10に削減
  • 従来品質を維持

3.金融

3.1 株価予想

  • 株価市場予想に応用
  • 時系列解析系アプローチを採用

3.2 不正取引検知

  • オンライン取引データから不正取引を検知する試み
  • LSTMを適用したところ誤検知が大幅に減少

4.学習

4.1 講義動画内「先生の声/黒板の文字」検索対象化

  • オンライン講義サービスに機械学習を適用
  • 動画内の黒板の文字をテキスト化
  • 先生の声もテキスト化

4.2 採点支援

  • 筆記試験の祭典にディープラーニングを活用

5.インターネット関連サービス

5.1 ユーザーコメント分析

  • 不正コメント検知にディープラーニングを活用
  • LSTMを利用
  • 全体の75%は目視確認が不要に

5.2 画像商品検索

  • エンドユーザーが撮影してアップロードした商品と類似する商品を表示

5.3 レコメンド

  • 従来手法では人気商品をレコメンドしがち
  • 音楽データの波形を解析し類似曲をレコメンドするなど、新しいレコメンド方法にディープラーニングを利用

5.4 出品監視

  • 指定した禁止商品物画像の類似画像を検知

5.5 音声認識

  • 音声区間検出、音響モデル領域でディープラーニングを活用

6.その他

6.1 チャットボット

  • カスタマーサポート領域において顧客対応時間の拡大に寄与

第八章~ディープラーニングの応用に向けて(1)産業への応用~のポイントの復習

8章は機械学習のビジネス・研究への応用の話でした。
本章の趣旨は講読者が機械学習を実社会に利用するアイディアを生む助けとなるように、機械学習の活用手段の実例を紹介することです。
つまり、G検定の目的であるジェネラリストよ養成が目的です。

全ての分野を細かく理解するのは極めて難しいので、そこまでする必要は無いと思いますが、機械学習がどういうことに応用出来るのか?どういう技術が使えるのかはしっかり把握しておきましょう。

  • CNNによる画像解析はどの分野でも必須で大きな成果をあげていました。
  • 医療の現場では製新薬の開発に生成モデルを利用していました。
  • 医療においては説明責任を果たすため、推定理由や根拠を見えるかする必要があるという特色がありました。
  • 橋梁内部の審査を音声データ(時系列データ)を利用した解析診断も行われていました
  • 異常画像を敵対的生成ネットワーク(GAN)を使って準備するなど生成技術もビジネスに利用されていました。
  • 画像認識技術は故障箇所などの物体検査に留まらず、画像認識技術で人の動きを解析することで介護や警備などの幅広い分野に活かされていました。
  • 小売り、飲食店、物流、農業などの幅広い業界で慢性的な人で不足が深刻な問題であり、その解消の手段としてAIが利用され無人化が進んでいました。
  • ディープラーニングによる画像認識精度が向上したことにより、人の行っていた作業がAIにより自動化されてきていました。
  • レコメンドや音声認識などはディープラーニング以前からあった技術ですが、ディープラーニングを用いることで精度が向上していました。
    新しい分野へのAIの適用だけでなく、既存技術分野の技術向上にもAIが貢献していました。

第八章はこれで終了です。次章も頑張りましょー

がんばろー

(参考)日本ディープラーニング協会(JDLA)のその他の推薦図書

◆◆AI白書 2019 / 情報処理推進機構AI白書編集委員会/編 / 角川アスキー総合研究所

価格:3,888円
(2019/4/3 22:46時点)
感想(0件)

人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書) [ 松尾豊 ]

価格:1,512円
(2019/4/3 22:46時点)
感想(2件)


広告




スポンサーリンク
広告




広告




シェアする

  • このエントリーをはてなブックマークに追加

フォローする

スポンサーリンク
広告