A Primer for Understanding Machine Learning | ONE Tech
616
post-template-default,single,single-post,postid-616,single-format-standard,bridge-core-1.0.4,translatepress-ja,bridge,ajax_fade,page_not_loaded,,qode_grid_1200,qode-content-sidebar-responsive,wpb-js-composer js-comp-ver-5.7,vc_responsive
 

機械学習(ML)が簡単に

機械学習(ML)が簡単に

24 5月18

機械学習

機械学習(ML)が簡単に

この記事では、機械学習の「何」、「方法」、「なぜ」を簡単に説明します。機械学習は、最適な手順も正確な手順も調整せずに、データから学習できるシステムです。これは機械学習の高レベルの定義であり、その使用の急増に興味がある場合は、MLに投資している大手企業の簡単なリストを以下に示します。

 Amazon Google Uber

 IBM Netflix Apple

Facebook Luminoso Qualcomm

 

わかりましたので、おそらくあなたがこの時点で持っている他のいくつかの質問があります:

 

「機械学習とユビキタスソフトウェアプログラミングの違いは何ですか?プログラムに機能を割り当てて、それがそれを実行するのを見るのと同じではないでしょうか?」

機械学習とソフトウェアプログラミング できる 同じソリューションに到達しますが、機械学習をそれだけに制限することは逆効果になります。従来のプログラムは、その方法がプログラムされていればソリューションになりますが、問題をスケールアップする必要がある場合は、より複雑な回答のために正確にプログラムする方法を知らずにどうなりますか?これは、機械学習から価値を引き出すことができる場所です。従来のプログラミングとは異なります。仮説モデルを機械学習にフィードし、関連するデータに適応させて、最も複雑なタスクに取り組むことができるより高度なモデルまたはプログラムを生成できます。

これは、問題解決の未来が機械学習に置き換わると言っているわけではありません。従来のソフトウェアプログラミングには、まだその場所があります。機械学習は、画像認識、自動運転など、よりニッチなカテゴリに使用されます。ご想像のとおり、これらのカテゴリは従来の方法ではプログラムできません。データの消費による学習プロセスが必要です。

 

「機械学習はどうやってそれを行うのですか?学習しますか?確かに、それは人間の子供が正しいか間違っているかを教えられることによってする方法で学ぶことはできません」。

これは良い質問であり、機械学習の「方法」への移行に役立ちます。この質問に答えるために、機械学習の手順を見てみましょう。

  1. データの集約—関連データの質と量が優れているため、機械学習モデルの精度が決まります。
  2. モデルの選択—プリセットまたは仮説モデルを提供することにより、機械学習モデルを提示されたデータにより適合させることができます。たとえば、音響関連データに適したモデルは、画像認識の目標に役立たない場合があります。
  3. 模擬トレーニング—間違いなく機械学習の最も重要なプロセス。このステップでは、機械学習モデルを微調整する際に、データがトレーニングの燃料として使用されます。画像認識の例では、トレーニングには、特定のオブジェクトまたは人間の何千もの画像をモデルに送るプロセスが含まれる場合があります。マシンがより多くのトレーニングを受けるほど、モデルはより正確になります。
  4. 評価—トレーニング後、モデルを評価する必要があります。これは、新しいまたは未使用のデータを使用して、モデルのパフォーマンスがどれほど効果的かを確認する良い機会です。たとえば、画像認識モデルに数千のiPhoneの画像を入力した後、一定の距離にあるか部分的に隠されている新しいiPhone画像を表示できるようになりました。これらの結果から、パラメーターを調整したり、より多くのデータを供給したりして、モデルを微調整できます。

“What are the real-world applications of 機械学習?”

  • サイバーセキュリティ— MLモデルは、特に洗練された区別のないマルウェアと戦うように教えることができます。
  • 金融取引—独自のアルゴリズムを開発して、株式市場と金融取引を予測できます。これは現在の時代では幼児かもしれませんが、時間を考えると、機械学習モデルがどれほど高度になるかがわかります。
  • 自然言語処理(NLP) —人間の発話パターンに焦点を当てたモデルは、より良いAI統合顧客サービスを提供するためにNLPに利益をもたらします。
  • 自動車両 — IoTデバイスによって収集されたデータと統合されたモデルは、完璧なスマートカーの完成に役立ちます。これらのモデルは、車の雰囲気、自動運転機能、路側支援などをパーソナライズするのに役立ちます。
  • デジタルマーケティング— MLを使用して、よりパーソナライズされたカスタマージャーニーを作成し、関連する推奨事項を消費者のニュースフィードの最前線にもたらすことができます。

機械学習