画像認識 機械学習ディープラーニング opencv データマイニング データアーティクチャ
目的に適合したAI学習用データの事前処理・画像処理・品質調整及びデータ変換方策の検討
できること
AI学習用データの事前処理/品質調整で必要となるデータ変換について、基本的な内容及びモデルの目的と対象分野（画像/音声・言語/時系列/生命科学）ごとの応用例を解説します。
1）学習対象の特性調査
2）収集データの素性（品質/出典/収集条件/）調査
3）収集データからのノイズ除去
4）収集データからのバイアス除去
5）収集データの網羅性の検証
6）収集データの精度調査
7）収集データの特性調査
8）収集データの特性強調
9）学習対象の特性を用いた自動アノテーション
10）収集データを用いた予備モデル生成
11）学習対象の特性を用いた拡大したデータ収集
12）拡大した収集データを用いた学習データ生成
13）拡大した収集データに対する事前処理
14）拡大した収集データによるモデル生成
メンタープロフィール
コースメニュー
レビュー
相談できます
7時間前
ランサーズでの実績
受注数 4
スケジュール
問い合わせやアドバイスだけであれば、内容しだいで返信は早めに対応可能です。
返信スピード
1〜2日以内
※あくまでも目安となります