ディープ・ラーニングのスピードアップに役立つオンデマンドWebセミナーをご覧ください

概要

ディープ・ラーニングとは

ディープ・ラーニングは機械学習のサブセットであり、ニューラル・ネットワーク(人間の脳に着想を得たアルゴリズム)が大量のデータから学習します。 ディープ・ラーニングアルゴリズムは、1つのタスクを繰り返し実行し、漸進的な学習を可能にするディープ・レイヤーを通じて結果を徐々に改善します。 これは、ニューラル・ネットワークに基づく機械学習手法のより大きな集合に属します。

ディープ・ラーニングは、複数の業界に大きな影響を与えています。 ライフサイエンスでは、ディープ・ラーニングは、高度な画像分析、研究、創薬、健康上の問題や病気の症状の予測、ゲノム配列決定からの洞察の加速などに活用できます。 運輸では、自動運転車での状況変化への適応に役立てることができます。 また、重要なインフラストラクチャーを保護し、応答を速めるためにも使用されます。

企業は、多くの場合、ディープ・ラーニングの開発を外部委託しています。 ただし、ビジネスの中核となるユースケースについては、ディープ・ラーニングの開発作業を内部で継続することをお勧めします。 このユースケースには、不正の検出と推奨、予測保全と時系列データ分析、推奨システムの最適化、カスタマー・リレーションシップ・マネジメント、オンライン広告のクリックスルー率の予測などが含まれます。

IBM Cloud Pak® for Data as a ServiceのIBM Watson Studio®を使用してディープ・ラーニングを開始できます。

IBM Watson Studioでのディープ・ラーニングのメリット

主要な機能

実験ビルダー

バッチ・トレーニングの実験を開始してモニターし、モデル間のパフォーマンスをリアルタイムで比較した上で、ニューラル・ネットワークの設計に集中します。

分散型ディープ・ラーニング(DDL)

TensorFlow、Caffe、Torch、Chainerなどの、人気のあるオープンソース・フレームワークを複数のGPUに拡張できるようにします。

手書き数字の認識

事前にトレーニングされたPyTorchモデルを使用して、画像から手書きの数字を予測します。 REST APIを使用して、トレーニング・ジョブを送信し、状況をモニターし、モデルを保存してデプロイします。

画像認識サービス

IBM Watson Visual Recognitionサービスのディープ・ラーニング・アルゴリズムを使用して、シーンやオブジェクトの画像を分析します。 コラボレーション環境で画像とデータ・セットに対して作業をします。

画像の分類

マルチクラス分類を実行し、画像を前処理してアクセスし、モデルの理解を深めるために視覚化します。

言語モデル

ノートブック、Keras、TensorFlowを使用して、テキスト生成用の言語モデルを構築します。

IBM Watson Studioのディープ・ラーニングを見る

ディープ・ラーニングの実験

新しいディープ・ラーニングの実験のためのメタデータを定義する場所を示す製品のスクリーン・ショット

ディープ・ラーニングの実験

ディープ・ラーニングの実験を実行して、各定義のトレーニング実行を作成します。

モデルの定義

名前、トレーニング・ソースコード、フレームワーク、実行コマンドなどのモデル定義を追加する場所を示す製品のスクリーン・ショット

モデルの定義

モデル構築コード、実行コマンド、GPU、その他のメタデータを定義します。

リソース・プラン

GPU構成の「概要」タブ、「ユーザー統計」タブ、「アクティブ・アプリケーション」タブを含む、プロジェクトのリソース・プランを示す製品のスクリーン・ショット

リソース・プラン

リソース・プランでGPU構成を決定します。

トレーニング進行状況

トレーニング状況の線グラフを示す製品のスクリーン・ショット

トレーニング進行状況

ディープ・ラーニング・トレーニングをモニターします。

GPUノートブック

GPUノートブック内の画像分類を示す製品のスクリーン・ショット

GPUノートブック

GPU環境定義を作成し、ノートブックの作成時にノートブックを実行します。

好みのフレームワークの使用

事前インストールされIBM Watson Studioでパフォーマンスが最適化されたフレームワーク

TensorFlowのロゴ
Kerasのロゴ
PyTorchのロゴ

ディープ・ラーニングを始める

IBM Watson Studioでディープ・ラーニングの実験を開始できます。