こんにちは。シンラボ共同代表草場です。

何回か書きましたが、ディープラーニングを使いこなすのに有用なコンテンツが、FASTAIです。

これはほんと全員にやってほしいです！Gooble Colaboratoryがあるので有料のGPUは必要ないし、セッティングも必要なしです。

とにかくスポーツを学ぶかの如く、使いながら学ぶのがコンセプトです。解説本のFASTBOOKも、購入も可能だし、GitHubであれば無料で読めます。

第一章に以下の記載があります。

深層学習とは、人間の音声認識や動物の画像分類などのデータを、複数の層のニューラルネットワークを用いて抽出・変換するコンピュータ技術です。
ディープラーニングには、パワー、柔軟性、そしてシンプルさがあります。そのため、多くの分野で応用されるべきだと考えています。
社会科学、物理学、芸術、医学、金融、科学研究など、さまざまな分野に応用できます。
個人的な例を挙げると、ジェレミーは医学のバックグラウンドがないにもかかわらず、深層学習アルゴリズムを使って病気や疾患を診断する会社、Enliticを立ち上げました。起業して数ヶ月で、そのアルゴリズムが放射線科医よりも正確に悪性腫瘍を特定できることが発表されました。
ここでは、深層学習、または深層学習を多用した手法が現在世界で最も優れている、さまざまな分野の何千ものタスクの一部をご紹介します。

自然言語処理（NLP）：質問への回答、音声認識、文書の要約、文書の分類、文書内の名前や日付などの検索、ある概念に言及している記事の検索
コンピュータビジョン：衛星やドローンによる画像解釈（災害対策など）、顔認識、画像キャプション、交通標識の読み取り、自律走行車における歩行者や車両の位置確認など
医学：CT、MRI、X線画像などの放射線画像の異常の発見、病理スライドの特徴のカウント、超音波の特徴の測定、糖尿病性網膜症の診断
生物学：タンパク質の折り畳み、タンパク質の分類、腫瘍と正常のシーケンスや臨床的に対処可能な遺伝子変異の分類など、多くのゲノミクスタスク、細胞の分類、タンパク質/タンパク質相互作用の分析
画像生成：画像のカラー化、画像の高解像度化、画像からのノイズ除去、著名なアーティストのスタイルで画像をアートに変換する
レコメンデーションシステム：ウェブ検索、製品推奨、ホームページのレイアウト
ゲームをする：チェス、囲碁、ほとんどのアタリのビデオゲーム、多くのリアルタイム戦略ゲーム
ロボティクス：見つけるのが難しい物体（例：透明、光沢がある、質感がない）や拾うのが難しい物体の取り扱い
その他の応用例： 金融や物流の予測、音声合成などなど。

驚くべきことは、深層学習にはこれほど多様な用途があるにもかかわらず、深層学習のほとんどすべてがニューラルネットワークという単一のタイプのモデルをベースにしていることです。

とにかくあらゆる分野で新しいことを実現しています。ぜひ触ってみて、体感しましょう。

英語のYoutubeもあるし、なんと日本語も！

日本語

楽しいです。

草場壽一
https://sinlab.future-tech-association.org/