須多先生

みなさん お疲れ様でした
アクティビティはいかがでしたか？

徳井 天

層の数を変えると 精度と学習時間が変化したのが確認できました

須多先生

層の数を増やすと ニューラルネットワーク内のユニット数が増えますので データの特徴をより的確にとらえやすくなります

深田 あい

ですが 層を増やしても必ず精度がよくなるわけではないんですね…層を増やしてユニットが増えれば増えるほど 賢くなると思ったのに

須多先生

そうなのです
実はこの層やユニットのチューニングには明確な正解がありません

須多先生

しかも訓練データの種類や量によって 最適なニューラルネットワークの形は変わってきます

徳井 天

ということは あるデータはうまく認識できても 他のデータでは うまくいかない場合もあるのか

深田 あい

えー それじゃあ 毎回 データに合わせてチューニングを考えなければならないのですか
これは大変そう…

須多先生

安心してください
すでに世界中の研究者によって 様々なニューラルネットワークの構造が研究されて公開されています

徳井 天

と いうことは俺たちはそういうのを参考にして 自分のAIを作ればいいのか

須多先生

画像認識の大会で優勝しているものや 動画の認識が得意なもの 音声の認識に向いているものや 言語の処理に適したものなど 様々な形のニューラルネットワークが公開されていますよ

深田 あい

そんなにいろいろあるんですね
研究者の方々に感謝ですね

須多先生

ぜひ今後のレッスンでは それらの有名で優秀なニューラルネットワークも使ってみましょう

徳井 天

先生 今回はニューラルネットワークの層の数を自分で変えていろいろ試してみましたけど 他に俺たち人間が設定するようなものってあるんですか

須多先生

良い質問ですね
さきほど設定した層の数など AIを学習させる前に私たちが決めるべき項目のことを「ハイパーパラメータ」と呼びます

須多先生

代表的なハイパーパラメータのひとつに「エポック数」があります

深田 あい

エポック数…また新しい用語ですね

徳井 天

それはどんなものなんですか？

須多先生

エポック数は「学習回数」と言い換えると分かりやすいかと思います
エポック数についてはアクティビティでいろいろと試してみましょう

須多先生

それでは STAR Colabの演習を用意しましたので 次のアクティビティの指示に従って進めてください