6/6 代表勉強通信～「Deep Learning for Coders with fastai and PyTorch」①

こんばんは。代表の草場です。

Jeremy Howardさんのfast.aiがとても好きです。Practical Deep Learning for Codersは、全員が観て学ぶべきです。Deep Learningは難しいものではなく、とにかく使えるもの。全員が「Deep Learning Practitioner」として、実践すべきだと。

Practical Deep Learning for Codersを観て勉強していましたが、わからない点があるなーということでしばらく放置していました。なんとこれに関しての本が８月に出ます。「Deep Learning for Coders with fastai and PyTorch: AI Applications Without a PhD」。ACMに登録したおかげで無料で読める状態ですが、なんとGitHubにもドラフトが公開されています。ということで、改めて一つ一つ解説しながら自分のものにしていこうと思います。

「Deep Learningには、パワー、柔軟性、シンプルさがある。そのため、Deep Learningを多くの分野に適用すべきだと考えている。例えば、社会科学、物理科学、芸術、医学、金融、科学研究など。」

医学のバックグラウンドがないにも関わらず、JeremyさんはDeep Learningアルゴリズムを使って病気の診断を行うエンライト社を立ち上げて数ヶ月以内に、彼らのアルゴリズムが放射線技師よりも正確に悪性腫瘍を特定できることが発表しました。
一章で、Deep Learningを使用して世界で最も優れているタスクをおこなっている例がいくつかを紹介されています。
・自然言語処理
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、概念に言及した記事の検索

・コンピュータービジョン
衛星やドローンの画像解釈（災害時の回復力向上のためなど）、顔認識、画像キャプション、交通標識の読み取り、自律走行車の歩行者や車両の位置特定

・医学
CT、MRI、X線などの放射線画像からの異常の発見、病理スライドの特徴量のカウント、超音波検査での特徴量の測定、糖尿病性網膜症の診断

・生物学
タンパク質の折りたたみ、タンパク質の分類、腫瘍の正常な配列決定や臨床的に実行可能な遺伝子変異の分類などの多くのゲノミクス課題、細胞の分類、タンパク質/タンパク質相互作用の解析

・画像生成
画像のカラー化、画像解像度の向上、画像からのノイズ除去、有名アーティストのスタイルでのアートへの変換

・推奨システム
ウェブ検索、製品のおすすめ、 ホームページのレイアウト

・ゲーム
チェス、囲碁、ほとんどのアタリのビデオゲーム、そして多くのリアルタイムストラテジーゲームにおいて、人間よりも優れており、他のどのコンピュータアルゴリズムよりも優れている。

・ロボティクス
見つけるのが難しい（透明、光沢がある、テクスチャーがないなど）、または拾いにくいオブジェクトの取り扱い

・その他のアプリケーション
財務および物流の予測、テキストから音声への変換、他にも多くのことが可能です。

今後、章に沿って、自分で手を動かした結果を書いていきます。

次回また。