こんにちは、ブレインパッドの小俣です。

公開講座「Pythonではじめるディープラーニング実践：画像解析入門」が先週行われました。

講座が始まる前に受講者の方とお話をしたのですが、「ディープラーニングで何ができるかは勉強してみたけど、
仕組みや特徴が分からないから自分で使おうと思ってもどうすれば良いか分からない」
「とりあえずサンプルコードは見たことがあるけど、何を調整すればいいのか分からない」などの声を伺いました。

新しい技術を身に付けるためには仕組みを理解する必要がありますが、

そのためには知識をとりあえず頭へ入れながら、自分で動かしたり改良したりすることで理解を深める事ができます。

本講座ではディープラーニングの一般論や仕組みについての講義も行いますが、

講座の後半では画像識別演習を行います。

ここではグループでニューラルネットワークのモデルやパラメータ(*1)の調整を手分けして行いました。

パラメータを大きくするとどうなるのか、逆に小さくするとどうなのか。

グループで各パラメータの意味を考えながら担当を決めてディープラーニングモデルの学習を行い、

結果を分析して次の計画を考えることを繰り返しました。

そして、最後の結果発表では各グループから様々なモデルが発表されました。

従来の機械学習では到達できない画像認識率を全てのグループが達成し、

ディープラーニングの性能を実感して頂けたと思います。

講師のスコアを超えるモデルを考案されたグループも現れましたが、

受講者の理解が深まった証拠でもありますので講座の運営側としては嬉しい場面でした。

演習を通して様々な試行錯誤を行って頂きましたが、

講座終了後には「フレームワーク(*2)の操作だけでなく本質的な事を学べた」

「実例、実体験を交えていてとてもよかった」といった声を頂きました。

弊社の講座はビジネス現場で活かせる実践力を身に付けることを最大の強みとしています。

本講座では正しい理論を分かりやすく説明し、具体的な実践演習を通して理論を使えるようになるための

カリキュラムを作成しました。

今後もより高い学習効率でディープラーニングを理解して使えるようになる講座を提供できるように尽力いたします。

脚注：
*1　パラメータ：学習性能や学習効率に関わる数値のこと。性能向上のためにはユーザが自分で調整します
*2　フレームワーク：ディープラーニングのプログラムを効率的に使うための枠組み