本連載では、Batch Normalization*1やDropout*2などの様々な精度向上手法を利用することによって、CNNの精度がどのように変化するのかを画像データセットの定番であるCIFAR-10*3を用いて実験していきたいと思います。

これまでの「テキスト分析入門シリーズ」ではテキスト分析とは何かという概要と活用方法を8つご紹介しました。今回は実際に利用できる日本語のテキスト分析サービスをご紹介します。

前回構築した学習環境を使って、コンペに取り組んでいきます。まずはコンペ概要を整理し、方針建てをしていきます。今回は建具認識・部屋領域認識のうち、建具の認識についてお話していきます。

深層学習を行うにはGPUが不可欠です。CPUで学習することも可能ですが、画像データに対して学習するには相当な時間がかかります。本コンペでは一体どのような学習環境を整えたのかご紹介いたします。

テキスト分析の活用方法は「情報を抽出したり気づきを得る活用方法」と「人間の業務を担う活用方法」の2種類に大別されます。今回は残る「人間の業務を担う活用方法」をご紹介いたします。

テキスト分析の活用方法は「情報を抽出したり気づきを得る活用方法」と「人間の業務を担う活用方法」の2種類に大別されます。今回は「情報を抽出したり気づきを得る活用方法」をご紹介いたします。

DIチームに配属されて最初のお仕事はコンペ参加！コンペに参加して画像分析への知見を蓄えるだけでなく、チームメンバーへの説明をお客様への報告会に見立てて挑戦してみました。

テキスト分析といても分析方法や活用方法は様々。本記事では、テキスト分析の概要を説明し、次号から事例とともに具体的な活用方法をご紹介いたします。