製品概要
Deep Learner は当社のデータ分析基盤 Visual Analytics Platform (VAP) 上で、誰でも気軽にアイコン操作で試すことができる、 ティープラーニング実行環境です。ディープラーニングのモデル学習と予測を、プログラムなし、わずか 4 ステップで行うことができます。
Visual Mining Studio (VMS) / Visual R Platform (VRP) / Big Data Module のデータや分析アイコンと連係したディープラーニング
データや分析処理をアイコンで表示し、アイコン間を矢印でつなげることで一連の流れを作成、実行します。
データ読み込みから、加工、集計もアイコンで行えるので、ディープラーニングをするまでにどのような処理をしているのか、
途中結果が見やすく、試行錯誤しやすい環境です。
また、データマイニング (VMS) や R による統計解析 (VRP) と連係することができますので、モデルからの予測値の比較が容易です。
※ Visual Mining Studio (VMS) / Visual R Platform (VRP) / Big Data Module いずれかのライセンスが必要です。
対話型ユーザーインターフェースで複雑なディープラーニングモデルの構築ができます
4 ステップで完了！ 効果的な学習ができます。
- モデルの指定
- モデルパラメータの指定
- 学習方法の指定
- モデル学習の様子を確認
「データの種類」「目的変数、説明変数」を指定します。
ディープラーニングのモデルパラメータを指定します。
指定範囲から最良なパラメータを探索する、Model Optimizer 機能を用いることも可能です。
モデル学習の方法を指定します。GPU で計算させる、パラメータ探索の場合、並列実行の指定も可能です。
モデルが正しい方向に学習しているかどうか？画面で確認することができます。
学習の途中停止も可能です。
柔軟なモデル構築
「教師あり学習」「教師なし学習」両方に対応しています。
(「教師あり学習」の場合、判別モデル、回帰モデル両方に対応、それらを混在させた複数の変数を同時に
予測させることも可能です)
多彩な適応データ
- テーブルデータ (通常の表形式データ)： 顧客データ、販売履歴データ、製造データなど
- 時系列データ： センサーデータ、ログデータなど
- テキストデータ： アンケートや論文・特許情報等の技術文書 (※)
の 3 種類のデータに対応します。
※別途、Text Mining Studio のライセンスが必要になることがあります。
予測アイコンを備え、別データからの予測が可能
ディープラーニングによる、精度の高い結果が期待できます。
最適パラメータを指定範囲内から検出する Model Optimizer 機能付き
マシンパワーを効率的に使いながらネットワークのユニット数や活性化関数などのハイパーパラメータを自動的に探索し、
最良のモデルを選びます。
単語・文書を数値ベクトルで表現する Word Embedding, Document Embedding 機能
Word Embedding とは、「単語の使われ方」や「文脈」を加味して、似た使い方をされる単語が似た数値ベクトルとなるよう、
単語を数値ベクトルで表現する技術です。更に Document Embedding を利用することで、類似性を考慮した
文書の数値ベクトル表現を得ることもできます。
単語や文書を数値ベクトルとして表すことで、それらが
どの程度似ているかを計算したり、クラスターに分けることができます。より柔軟な 類義語・類似文書抽出 などへの
応用が期待できる技術です。
Word Embedding パラメータ設定画面
Deep Learnerでは、自然言語処理済みの文章データに、Word Embeddingアイコン, Document Embeddingアイコン を
適用することで、このような単語・文章の
ベクトル表現を結果として得ることができます。
分析結果をクラスター分析に当てはめることが可能ですので、テキストを用いた新たな分析に拡大することができます。
Word Embedding 機能を用い、単語を2次元のベクトル表現し、グラフ描画する
ネットワーク
多層パーセプトロン、RNN (及び LSTM, GRU )、Autoencoder、Seq2Seq、
Skip-Gram、CBOW(Countinuous Bag-of-Words)