一年ももうすぐ終わりですね．皆さんにとって今年はどのような一年だったでしょうか．
2017年は，敵対的学習（生成器と識別器を同時に学習し，それらを戦わせながらお互いの精度を向上させる手法）が飛躍的に進歩した年だったように思います．
一年を通して人気だった記事をまとめたいと思います．懐かしい記事もあるのではないでしょうか．
2017年は，敵対的学習（生成器と識別器を同時に学習し，それらを戦わせながらお互いの精度を向上させる手法）が飛躍的に進歩した年だったように思います．
一年を通して人気だった記事をまとめたいと思います．懐かしい記事もあるのではないでしょうか．
第1位：Keras で畳み込みニューラルネットワーク
Deep learningで画像認識⑦〜Kerasで畳み込みニューラルネットワーク vol.3〜 - IMACEL Academy -人工知能・画像解析の技術応用に向けて-|LPixel(エルピクセル)
Kerasと呼ばれるDeep Learingのライブラリを使って、白血球の顕微鏡画像を分類してみます。
トレンドということもあり，Deep Learning のライブラリである，Keras を用いた畳み込みニューラルネットワークの記事が1位になりました．
画像をDeep Learning に用いる際に欠かせなくなる畳み込みニューラルネットワーク．CNNと略されるときも多いと思います．これからもCNNは発展していくでしょう．
画像をDeep Learning に用いる際に欠かせなくなる畳み込みニューラルネットワーク．CNNと略されるときも多いと思います．これからもCNNは発展していくでしょう．
第２位：MRIやCTなどのDICOM画像を3Dモデルに変換する方法
MRIやCTなどのDICOM画像を3Dモデルに変換する方法 - IMACEL Academy -人工知能・画像解析の技術応用に向けて-|LPixel(エルピクセル)
最近では医療分野でも3Dモデリングが取り沙汰されている。
第2位は，MRIやCTなどのDICOM画像を3Dモデルに変換する方法がランクインしました．やはり医療関係者・画像処理の研究者が見ているのでしょうか．ライターとしては嬉しい限りです．
第3位：細胞種を機械学習で判別する！
細胞種を機械学習で判別する！ - IMACEL Academy -人工知能・画像解析の技術応用に向けて-|LPixel(エルピクセル)
今回は深層学習、ディープラーニングで細胞の種類を判別してみたいと思っています。判別するのは私が普段実験で使っている上皮細胞のEpH4という細胞と、遺伝子発現用のHEK293という細胞です。
第3位は細胞種を機械学習で判別する記事です．画像解析と機械学習を用いた実践的な例で非常に興味深い記事がランクインしました．
最後に
一年間ありがとうございました．皆さんの希望に添えるような記事を書いていけるよう，これからもサイトを盛り上げていきたいと思います！