データの学習

AIを理解する

Maarten Van den Broeck

Senior Content Developer at DataCamp

AI機能と関連分野

AI機能と関連分野

機械学習（ML）について

機械学習：データから学習してパターンを見つけること

機械学習（ML）について

機械学習：データから学習してパターンを見つけること

機械学習（ML）について

機械学習：データから学習してパターンを見つけること

機械学習（ML）について

機械学習：データから学習してパターンを見つけること

機械学習（ML）について

機械学習：データから学習してパターンを見つけること

分類（教師あり学習）

分類：各データ実例を適切なカテゴリを割り当てること

• 二項分類：2つの分類。例: 陽性/陰性、男性/女性など

分類（教師あり学習）

分類：各データ実例を適切なカテゴリを割り当てること

• 二項分類：2つの分類。例: 陽性/陰性、男性/女性など
• 多クラス分類：複数のカテゴリに分類　例: 複数の生物種

教師あり学習：推論を行える モデル を学習/訓練するために、データアノテーション（既に分類されたラベル付きデータ実例を取得すること）が、必要

回帰と予測（教師あり学習）

回帰：入力データをもとに、各データに数値のラベルを割り当てる

時系列予測：過去の変数データをもとに、将来の値を予測する

教師なし学習と強化学習

クラスタリング：k-means（k平均法） アルゴリズムなどで、類似する 特徴を持つデータをサブグループ化

異常検知：異常なデータ観測の検出。例: 不審なカード取引

アソシエーション分析：取引データ内に商品のパターンを見つける

強化学習： _経験_ （試行錯誤）を通じて、複雑なタスクを攻略する

ディープラーニングとは

• ディープニューラルネットワークに基づいた高度洗練モデル：従来のモデルにはできない、特に高度で難しい問題に対応

• 人間の脳のようにデータから学ぶ

学習には大量のデータが必要： 何百万規模のデータ

ディープラーニングとは

ディープニューラルネットワークに基づいた高度洗練モデル：従来のモデルにはできない、特に高度で難しい問題に対応

学習には大量のデータが必要： 何百万規模のデータ

練習しましょう！

AIを理解する