ディープラーニング習得、次の一歩

ディープラーニング習得、次の一歩

ディープラーニングのチュートリアルが一通り終わったら、次に何をやればいいの? 実践に向けて踏み出す人の次の一歩を対象にした連載。

石垣哲郎 石垣 哲郎

目次

Kerasを用いたディープラーニング(LSTM)による株価予測

誰でもディープラーニングの時代
なぜ株価予測なのか
本稿のゴール
株価データの入手と加工
ラベルデータの作成
CSVファイルの取り込み
学習データのテンソル化と、訓練データ/評価データ/テストデータへの分割
ニューラルネットワーク構築
メイン処理
入力データの種類の追加
patienceのチューニング
Further Study
終わりに

挑戦! word2vecで自然言語処理(Keras+TensorFlow使用)

ディープラーニングと自然言語処理
自然言語のベクトル化手法「word2vec」
本稿のゴール
word2vecの特徴
訓練データの入手
形態素解析
CSVファイルの取り込み
辞書データの作成
訓練データ作成
ニューラルネットワーク構築
メイン処理
評価
Further Study
終わりに

word2vecリターンズ! 品詞分類による精度改善

word2vecの意義と応用分野
本稿のゴール
前回のおさらい
品詞分類データの入手
正解率算出の見直し
埋め込みベクトル次元の拡大
品詞分類を適用したword2vecの実装
品詞データ作成処理
辞書データの作成
品詞データ用辞書作成
訓練データ作成
ニューラルネットワーク構築
メイン処理
正解率の算出
評価
前後の単語数を増加させた時の結果
終わりに

ディープラーニングで自動筆記 - Kerasを用いた文書生成(前編)

ディープラーニングによる文書生成
なぜ文書生成か
本稿のゴール
訓練データの入手
形態素解析
実装
辞書データの作成
訓練データ作成
ニューラルネットワーク構築
メイン処理
学習と改善
文書生成
単語出現頻度による分類と、正解率改善
出現頻度による単語分類
出現頻度別単語予測
結果確認
次回予告

ディープラーニングで自動筆記 - Kerasを用いた文書生成(後編)

前回のおさらい
本稿のゴール
出現頻度分類ニューラルネットの改善
出現頻度分類ニューラルネット改善後の文書生成結果
LSTM多段化による精度改善
単語推定ニューラルネットの出力次元削減
LSTM多段化と出力次元削減実施後の文書生成結果
江戸川乱歩に無関係な文章を入力にしてみる
おわりに

 

著者紹介

Ishigaki Tetsuo(イシガキ テツオ)

Ishigaki Tetsuo(テツオ イシガキ)

定年後を見据えて、ディープラーニング始めました!

業務とは別に、オフタイムにKERASをいじる「日曜ケラサー」です。よろしくお願いいたします。


経歴

大手コンピュータメーカに就職後、役職定年を前に早期退職制度を利用してソフト開発会社に再就職し、現在に至る。

専攻

数学

好きな言葉

「十分に進歩した科学は、魔法と区別がつかない。」

  • このエントリーをはてなブックマークに追加