Comment utiliser l'apprentissage automatique pour le travail? 01_ Comprendre l'objectif de l'apprentissage automatique

Bonjour à tous. J'ai commencé Qiita à partir d'aujourd'hui.

En tant qu'ingénieur en apprentissage automatique, je suis généralement impliqué dans le développement d'IA et le développement d'applications Web.

Dans ma vie privée, je suis devenu un nouveau père. J'écris un article en tenant mon fils aîné de 4 mois (rires)

Comme motivation pour écrire des articles, je travaille sur l'apprentissage automatique depuis 2017 alors qu'il n'y avait pas encore de livre de référence, Je pense que l'expérience d'apprendre l'apprentissage automatique grâce à un travail acharné est vraiment utile pour quelqu'un.

Par conséquent, j'ai décidé d'écrire un article qui peut soutenir les personnes qui visent une progression de carrière. Le thème du premier message mémorable était "** À quoi servait l'apprentissage automatique?" **"est.

Quelle que soit la qualité d'un livre de référence que vous lisez, vous ne pourrez rien apprendre si vous ne comprenez pas le but de l'apprentissage automatique. Tout d'abord, comprenons la vue d'ensemble qui est à la base de tout.

Diverses informations sont également publiées sur SNS, donc si vous pensez que vous pouvez lire l'article Je vous serais reconnaissant de bien vouloir suivre Compte Twitter "Saku731".

Qu'est-ce que l'apprentissage automatique?

Je pense que tout le monde a vécu une période difficile.

** "Je ne sais pas ce que j'ai appris de l'apprentissage automatique" ** ** "Régression logistique, arbre de décision, support machine vectorielle, il y a trop de méthodes" **

L'un des points faibles de l'apprentissage automatique est ** de nombreuses techniques à retenir **. Il est nécessaire de comprendre 5 à 10 méthodes en lisant un seul ouvrage de référence.

De plus, ** «quand» et «comment» utiliser correctement ces méthodes **? Je n'ai jamais rencontré d'ouvrage de référence qui soit expliqué avec soin.

Alors, au contraire, pourquoi ne pas comprendre à partir de ** pourquoi il existe différentes méthodes ** et leurs ** points communs **? De cette façon, vous pouvez obtenir une vue d'ensemble plus rapide de l'apprentissage automatique.

Un objectif commun à tout apprentissage automatique. Cela signifie faire un ** bon modèle **.

Comme vous pouvez le voir sur la figure, il s'agit de l'apprentissage automatique. "** Donnez une grande quantité de données à un ordinateur et découvrez les règles pour faire des prédictions **"

Cependant, il existe différents types de données dans le monde.

--CSV (Excel): données de vente, données client

Image: Photos publiées sur Instagram, images de caméras de surveillance --Voice: mémo vocal de la réunion, enregistrement des appels du centre d'appels

Les ingénieurs en apprentissage automatique sont tenus de créer de bons modèles (prédictions très précises) pour toutes les données. Diverses méthodes sont préparées comme une boîte à outils à cet effet.

Données de vente ⇒ Régression (régression multiple, arbre de régression, etc.) --Insta photo ⇒ Méthode basée sur CNN (VGG16, LesNet, etc.) --Mémo vocal ⇒ Analyse des séries temporelles (RNN, LSTM, etc.)

Dans le cas de la cuisine, l'objectif commun est «** de préparer des plats délicieux **». Pour cela, cela revient à utiliser la ** recette (= méthode) ** appropriée selon le ** matériau (= données) **.

Organisation des termes liés à l'apprentissage automatique

Maintenant que vous pouvez voir l'objectif de l'apprentissage automatique, élargissons un peu plus nos horizons.

En tant que première partie de l'apprentissage automatique qui se débat ** AI / Machine Learning / Deep Learning ** J'ai l'impression que beaucoup de gens ne comprennent pas ces différences.

Si vous lisez les actualités et les articles de 2018 lorsque l'IA (apprentissage automatique) est devenue populaire, à propos de ces trois Je me souviens qu'il y avait de nombreuses phrases qui m'ont fait sentir: "La personne qui l'a écrite ne comprend-elle pas trop?"

Si vous ne comprenez pas la différence ici, même si vous étudiez dur Il s'agit d'un problème important car il n'est pas systématiquement organisé en tant que connaissance utilisable.

Tout d'abord, les trois termes ** IA / apprentissage automatique / apprentissage en profondeur ** ont une relation globale, comme le montre la figure.

(Source: https://www.shikaku-square.com/media/ai-license/001-how-to-study-deep-learning-for-general/)

Comme vous pouvez le voir, il s'agit d'une relation globale «AI ＞ Machine learning ＞ Deep learning». C'est comme suit lorsqu'il est organisé en mots.

AI ( Artificial Intelligence )：
Le concept né du premier boom de l'IA des années 1950
Le but est de reproduire artificiellement l'intelligence humaine avec un ordinateur.
Apprentissage automatique:
Une méthode concrète conçue pour réaliser l'IA
Le but est de découvrir les règles à partir d'une grande quantité de données et de prédire l'avenir. --L'apprentissage en profondeur ――Parmi l'apprentissage automatique, le domaine qui utilise la technologie appelée ** réseau neuronal ** -Le but est d'automatiser le processus de développement d'IA le plus important (et laborieux) appelé ** extraction de fonctionnalités **

En valorisant ces connaissances de base, vous pouvez approfondir votre compréhension des articles et des ouvrages de référence à la fois. De plus, lorsqu'il s'agit de projets d'apprentissage automatique, cela devient une connaissance que même les non-programmeurs devraient connaître.

à la fin

La prochaine fois, après avoir organisé le ** aperçu du projet de développement de l'IA ** ** «Où» et «Comment» ** J'écrirai sur la façon dont l'apprentissage automatique est utilisé.

(Ajouté le 24/12/2019) "2nd: Overview of AI Development Project" a été publié.

Si vous avez étudié l'apprentissage automatique, vous en avez peut-être entendu parler. ** Chaque sujet tel que "prétraitement" "apprentissage" "réglage" "vérification" ** Il sera organisé en lien avec l'avancement du projet de développement de l'IA.

Dans le prochain article, il sera basé sur le langage de programmation ** Python ** Nous organiserons des méthodes d'étude spécifiques, alors attendez-le avec impatience.

(Ajout) "Partie 3: Divulgation complète de la procédure de codage Python" a été publié.

Merci d'avoir lu pour moi jusqu'à la fin.

【P.S.】 Diverses informations sont également publiées sur SNS, donc si vous pensez que vous pouvez lire l'article Je vous serais reconnaissant de bien vouloir suivre Compte Twitter "Saku731".

~~ De plus, à la fin de la phrase, nous faisons "** Team Development Experience Project **" pour une durée limitée. ~~ ~~ Si vous êtes intéressé, veuillez consulter [Fiche de candidature] pour plus de détails. ~~ (Une addition) La date limite a été fermée car elle est pleine. La prochaine fois est prévue pour mars 2019, donc si vous souhaitez être informé, veuillez remplir le [Formulaire de réservation].