Phase 3の総復習回。ジャスミンちゃんが『もう全部覚えた!』と豪語するところから始まります。本当に大丈夫? 本番前のおさらいをしていきましょう。基礎の繋がりが見えれば、Phase 4 以降がぐっと分かりやすくなります。
戸倉 ジャスミン
よーし、Phase 3完璧に覚えた! CNNもRNNもGANも、全部あたしのものだよ!
香月 リサ 先生
あら、頼もしいわね。
じゃあ『勾配消失問題を解決するゲート機構を持つRNNの改良モデルは?』って聞かれたら、答えられるかしら?
戸倉 ジャスミン
えっ、えーっと……あ、あれだ、Ad……Adamじゃない?
深見 つむぎ
……ジャスミンちゃん、それ最適化手法ね。
勾配消失を解決するのはLSTMとGRUよ。
戸倉 ジャスミン
あっ、やばっ、混ざった……。
雪村 ましろ
ふぇぇ、やっぱり復習は大事ですぅ……わたしも一緒に確認しますぅ。
香月 リサ 先生
慌てず整理しましょう。
Phase 3は大きく4ブロックに分かれるのよ。
学習安定化はドロップアウト・バッチ正規化・最適化手法 (SGD/Adam)。
実用技術は転移学習・事前学習モデル・ファインチューニング・GPU・フレームワーク (PyTorch/TensorFlow)。
深見 つむぎ
1つ目は基礎: パーセプトロン・ニューラルネットワーク・活性化関数 (ReLU/Sigmoid/Softmax)・誤差逆伝播法。
2つ目はアーキテクチャ: CNN (画像)、RNN・LSTM・GRU (時系列)、Seq2Seq、オートエンコーダ、GAN。
雪村 ましろ
そうでしたぁ! こうして並べてもらうと、全部が繋がって見えますぅ。
戸倉 ジャスミン
アーキテクチャの使い分けが試験で問われるんだよね。
画像→CNN、時系列→RNN/LSTM、生成→GAN/VAE、翻訳→Seq2Seq。
深見 つむぎ
忘れてはならないのが、ブラックボックス問題やデータバイアスなどの課題、そしてAlexNet→Transformer→GPTの歴史の流れ。
香月 リサ 先生
技術の可能性と限界の両方を理解することが、生成AIパスポート試験でも問われるのよ。
戸倉 ジャスミン
よし、もう1回『AdamじゃなくてLSTM』って100回唱えてから寝るね! 次のPhase 4、絶対攻略するよ!
深見 つむぎ
次のPhase 4では、この基礎の上に、いよいよ生成AIの本丸が来るわね。
Phase 3の知識が土台になる。
香月 リサ 先生
そのとおり。
Phase 3を制した人が、Phase 4以降で深く学べるのよ。
みんなでここまで来られて、先生も嬉しいわ。
お疲れさまでした。
雪村 ましろ
みんなで一緒にここまで来られて、なんだか嬉しいですぅ。
次もよろしくですぅ!
確認クイズ
深層学習が従来の機械学習と比べて大きく優れている点はどれか?
- どんなデータでも必ず高い精度が出る
- データから特徴量を自動的に学習できる
- 計算コストが低い
- 学習データが不要
こたえを見る
正解: 2. データから特徴量を自動的に学習できる
深層学習の最大の強みは、人間が特徴量を手作業で設計する必要がなく、データから自動的に学習できる点です。ただし大量のデータと計算資源が必要という制約もあります。