管理人– Author –
-
【Python実践】画像分類を強化するデータ拡張（Image Augmentation）サンプル集
深層学習（ディープラーニング）を用いた画像分類では、高精度なモデルを構築するために膨大な量の学習データが求められます。しかし、現実には十分な画像データを収集するのは難しく、多くのケースでデータ不足が課題となります。 そこで活用されるのが I... -
【Python実践】YOLOv8で物体検出＆追加学習を試す（コピペで使えるサンプルソース付き）
YOLOは「画像に何が写っているか」を一瞬で判断できる、最先端の物体検出技術です。特にリアルタイム処理に強く、監視カメラ、自動運転、産業機械などで幅広く利用されています。 本記事では、Ultralytics社が開発した最新版YOLOv8を使って、画像内の物体... -
【Python実践】転移学習、追加学習、ファインチューニングの違いについて（簡単なサンプルソース掲載）
ディープラーニングの進化とともに、より効率的な学習手法が求められています。そこで登場するのが「転移学習」「追加学習」「ファインチューニング」といったモデルの強化手法です。これらは、すでに学習済みのモデルを活用して、新しいタスクへの適応や... -
【実践事例】画像の一部に着目して分類する『OpenCV＋OCR』（コピペで使えるサンプルコード付き）
紙の資料をデジタル化して管理することを考えた場合、その次に行う作業は、分類して整理することです。資料が少ない場合は１枚づつ読み込みと同時に分類できますが、数千枚や数万枚に及ぶ資料になると、そうもいきません。 そこで、今回は、「画像の一部」... -
【Python実践】時系列データのグラフ化手法（コピペで使えるサンプルコード付き）
製造現場では、センサーデータ、製造ログ、品質検査データなど、膨大な時系列データが生成されています。これらのデータを的確に分析し、品質向上、歩留まり改善、異常検知、予知保全に繋げるためには、データの特性に合わせた効果的な可視化が鍵となりま... -
【Python実践】GBDT（Gradient Boosting Decision Tree）で回帰問題と分類問題を解く（コピペで使えるサンプルコード付き）
機械学習のアルゴリズムは数多くありますが、「より高い精度を実現し、複雑なデータにも柔軟に対応したい！」そんなときに頼れるのが 勾配ブースティング決定木（Gradient Boosting Decision Trees, GBDT） です。 GBDTは、決定木を組み合わせてモデルの性... -
【Python実践】機械学習による分類モデルの予測精度を定量的に評価する [Accuracy,Precision,Recall,F1,ROC]（コピペで使えるサンプルコード付き）
機械学習モデルを開発する際、その性能を評価する指標を正しく選ぶことは非常に重要です。同じモデルでも、評価指標によって「優れたモデル」と評価されるかどうかが大きく変わることがあります。 例えば、製造業における設備異常の検知モデルでは、Precis... -
【Python実践】機械学習による回帰モデルの予測精度を定量的に評価する [MAE,MSE,RMSE,R2]（コピペで使えるサンプルコード付き）
回帰モデルの性能を評価する指標はいくつかあり、どの指標を選ぶかでモデルの「良さ」が大きく変わります。 例えば、予測値と実測値のズレを直感的に把握できる Mean Absolute Error (MAE) や、大きな誤差を強調する Mean Squared Error (MSE) や Root Mea... -
【Python実践】DBSCANでGPS位置情報をクラスタリングする（コピペで使えるサンプルコード付き）
近年、自動車や建設機械、農業機械などの車両に通信ユニットを搭載し、位置情報を収集して製品企画やメンテナンスに活用する取り組みが広がっています。 たとえば、トラクターの軌跡データから圃場（ほじょう）の面積を算出したり、建設機械の作業範囲を分... -
【Python実践】ハイパーパラメータチューニング（最適化）3選（グリッド、ランダム、ベイズ）と実務で使えるサンプルコード紹介
製造業の現場では、データ分析やAIモデルの導入が進む中で、「どうやってモデルの性能を最大限に引き出すか」が重要な課題となっています。 その鍵を握るのが ハイパーパラメータの最適化。最適なハイパーパラメータを見つけることで、モデルの精度が劇的...
