機械学習を理解する
機械学習では、大量のデータをアルゴリズムにフィードし、そのデータを処理してパターンや関係を見つけます。
たとえば、過去の掃除機がけの習慣と家の間取りに関するデータを AI モデルに提供すると、その結果得られたモデルを使用して、ロボット掃除機が同様のパターンでカーペットを掃除するようにプログラミングできます。 ここで、このようなロボットが多数販売されており、すべての掃除機がけデータが開発者に送信されていると想像してください。 機械学習を使用してパターンを検出すると、より効率的な動きのパターンを発見し、同じ設計ですべてのロボット掃除機の進路を最適化できます。
最初のビデオでは、機械学習とは何かについて理解を深めることができます。
機械学習は、アルゴリズムを使用して予測モデルを作成する AI 手法です。 これらのモデルは既知のデータに対して検証されており、特定のメトリックによって測定され、必要に応じて調整されます。 学習と検証のこのプロセスは、"トレーニング" と呼ばれます。 機械学習モデルは、再トレーニングを行うことで、時間の経過と共に改善されます。 また、モデルの主要なトレーニング方法としては、教師あり学習、教師なし学習、強化学習などがあります。
次のビデオでは、これらの方法の違いについて説明し、それらを階層的に組み合わせたディープ ラーニングと呼ばれる手法について紹介します。