GRIデータサイエンスもくもく会とは
データサイエンスもくもく会は、データ活用人材の育成を行っているGRIならではの、教養を身につける「オンライン勉強コミュニティ」です。そのトピック例は↓↓↓
人工知能、機械学習、データ分析、Python
ディープラーニング、G検定、数学、統計学
■もくもく会は、参加者全員で毎回異なるトピックを一緒に学ぶ場を目指しています！
GRIの分析官が講師を務め、皆さんが興味を持ちそうなトピックで講義しながら皆さんの質問になんでもお答えします。また、毎回課題を提供し、記事及び次のもくもく回（間隔は半月程度）で解説します。
そして、ライブ講義だけではなく、Slack上でもディスカッションを展開しています。データサイエンスに関して気になったこと、興味を持ったこと、「いいなあ」と思った記事や学習サイトの共有をします。
■こんな方に向いています
- とにかくデータサイエンスに興味をもっている方！
- 最先端のAI技術について、自信を持って語れるようなりたい方
- 資格習得のモチベーションが欲しい方
- AI人材（分析官・AIエンジニア）への転職やキャリアアップをしたい方
本記事では、もくもく会の雰囲気、第１回の質疑応答の内容などを、後続の記事では、第１回で出題した課題を解説したいと思います。
第１回目のもくもく会はどんな雰囲気？
初回のテーマは以下です。
これでバッチリ理解！ 〜画像認識の王道〜畳み込みニューラルネットワーク（CNN）を解明〜
https://techplay.jp/event/832395
動画：https://youtu.be/afapha5BCXI
画像認識とは？CNNとは？
ディープラーニングの技術が浸透してきている今、顔認証、位置検出、OCR（画像認識）、AIスピーカー（音声、自然言語処理）、機械翻訳、検索エンジン（自然言語処理）、自動運転（深層強化学習）など様々な恩恵を受けています。ディープラーニングの研究開発が一番進んでいる分野は「画像認識」です。
（下図：もくもく会/GRIのG検定講座の講義資料より）
画像認識の最も強力な手法は、畳み込みニューラルネットワーク(Convolutional Neural Network; CNN)です。CNNは膨大な数の層からなるニューラルネットワークです。画像データを入力すると、モデルの入り口付近ではまず明暗単純な特徴を認識し、モデルの下流に進むにつれてより複雑な特徴を抽出できるようになります。画像から有効な特徴量を抽出しながら、高精度の認識結果へと導きます。
CNNは、画像認識に好都合で特殊な構造を持ったニューラルネットワークであり、その圧倒的な精度は、ディープラーニングが注目されるきっかけになりました。
ということで、第１回「もくもく会」では、CNNの仕組み、進化の歴史、画像認識の応用などについて解説しました。
CNNのイメージは以下となります。（出典：https://www.sbcr.jp/product/4815611675/）
講座中にいただいた質問の例
- 複数の物体が画像に映っている場合はどうやって区別するのか（つまり、一般物体認識）
- 画像認識のモデルの出力は具体的にどんな感じ？
- 全結合層がCNNの一番最終端に来ることについて
- 将来に聞きたいトピックのリクエスト（異常検知のアルゴリズム）
2については、第２回で実際のPythonのコードを動かしながら、画像認識のモデルを学習し、予測結果の出力をお見せします。
ちなみに第２回目の主要課題は↓（同じ「これでバッチリ理解」シリーズです）
これでバッチリ理解#2！ 〜ニューラル機械翻訳の歴史と仕組みに迫る〜
https://techplay.jp/event/835775
第１回もくもく会の課題
※ 本日出された課題を次回の冒頭で解説します
学習をサポートする教材・講座の案内
第１回目の講義の最後に、受講者様にデータサイエンスをものすごく網羅的かつ体系的にに学習できるお助けアイテムを紹介しました。
CNNはディープラーニングの目玉話題であり、ディープラーニングをはじめとする人工知能・機械学習を応用できる人材を育成することを目的とするG検定というのを知っていますか？
参考：https://gri.jp/media/entry/2213
この度、G検定対策の「緑本」を執筆させていただきました。
ディープラーニングG検定(ジェネラリスト)最強の合格テキスト[明瞭解説+良質問題]
こちらはG検定に合格したい方にとって効果抜群であることはもちろん、G検定を受けたい方にとっても、ずっと側に置きたくなる「データサイエンスバイブル」の存在となるように願っております。
書籍の概要を動画でご覧ください！
また、G検定対策講座もご案内させていただきました。今回はG検定対策講座ともくもく会のダブル参加者もいらっしゃいました！
ここまで読んでいただき、ありがとうございました。
先述の通り、次回は課題の解説をします！
それでは次回またお会いしましょう☺️。
記事担当：ヤン ジャクリン（分析官・講師）
