マガジンのカバー画像

AI/機械学習をゼロからのStepByステップ！

9
本
Iや機械学習の知識を習得したいけれど、どこから始めればいいのかわからない……。そんな方に向けて、基本的な理解から高度な専門知識まで、段階的に学べる学習方法をまとめました。このガイ…
運営しているクリエイター
Hirokatsu

#ニューラルネットワーク

データ処理・前処理技術: データ正規化とスケーリングのPOC手順(評価方法の設定から実験準備まで)

この記事では、データ正規化とスケーリングがモデルに与える影響を評価するためのPOCを実施する手順を紹介します。この手順では、実際に画像を読み込み解析をしていきます。さらに、Min-MaxスケーリングやZ-score標準化などのデータ前処理技術を使って、モデルの収束速度や最終的な精度をどのように改善できるかを実際に試して確認します。 これらの技術は、Udemyなどのコースでも同様の内容が紹介されています。 「Data Pre-processing for Machine L

¥3,000
Hirokatsu

データ処理・前処理技術: データ正規化とスケーリングの重要性の説明

機械学習や深層学習モデルの精度や学習効率を高めるためには、データの前処理が不可欠です。中でも「データ正規化」と「スケーリング」は、モデルの学習過程で極めて重要な役割を果たします。本記事では、データ正規化やスケーリングの基本的な手法と、その効果について解説し、実際にPOC（Proof of Concept）を通じて検証する方法について紹介します。 データ正規化とスケーリングとは？ データ正規化とスケーリングは、データセットの特徴量（feature）を統一された範囲や分布に変

Hirokatsu

2. 深層学習を学ぶ

次に、AIの核とも言える深層学習（ディープラーニング）に進みます。画像認識や自然言語処理など、AIが得意とする分野に欠かせない技術です。 基礎知識 ニューラルネットワーク: ニューラルネットワークの基本構造、バックプロパゲーション、勾配降下法の理解 中級知識 データ処理・前処理技術 データ正規化とスケーリング: モデルの学習効率を高めるためのデータの正規化やスケーリングの方法 データ拡張: 画像データやテキストデータの拡張方法（回転、反転、切り取り、シノニム置換な

Hirokatsu