AIとは？

人間の知能を人工的に機械で表現しようとすること

機械学習とは？

人工機能の中の仕組みを担う部分、予測したり分別したりする

ディープラーニング

【目的】

• 数値を予測
• 画像を分析
• グループ分け
  ..等

【手法】

• 回帰
• SVM
• 決定木分析
  ..

この手法の中の一つがディープラーニング

機械学習の役割は『⭐️ 入力と出力の関係性や規則性を見つけ出す』

機械学習の深掘り
パラメータ：定量化された評価軸を最小化する。
良いパラメータとは実際のデータに近い評価するのが良いパラメータ

モデル：データの特性を数式で表したもの
モデルはデータの規則性を表現した数式が入る箱のようなもので、明確な式が決まっているわけではないものをさす。

学習済みモデルは学習後、数式が明確になったもの。
つまり、パラメータが決まった計算式が箱に入っているイメージ

機械学習に必要な２ステップ

1. 学習

2. 推論

1. 学習
   何かの情報を答えなどをもらい、複数回学び理解すること
2. 推論
   学習した結果を元に何かの出力を行うこと

重要なのは、複数のデータを与え、機械がその情報を分類できるようにしていく ように学習させること。

機械学習の3大トピック

1. 教師あり

答えとなるデータも一緒にモデルに学習させる
教師ありは大まかに以下のようになっている！

• 回帰 => 数値を予測する
• 分類 => カテゴリを予測

2. 教師なし

答えがなく、与えられたデータの特徴や法則を自動的に抽出する
教師なしは以下のようなものがある。

• クラスタリング => 類似データをグループ化
• 次元削減 => 重要な情報を抽出し、変数の数、次元を削減する

次元削減では主成分分析が使われることが多い。

1. データの圧縮
2. データ可視化

3. 強化学習

自ら試行錯誤を繰り返しながら最適な行動を学習していく