- 「AI（人工知能）」について学びたいけど理解できるか不安･･･
- 「AI（人工知能）」についてどこから学んでいいか分からない
- 「AI（人工知能）」を体系的に教えて！
「AI（Artificial intelligence,人工知能）」は最近、よく耳にするキーワードですが興味があっても難しそうで大まかな考え方が分からず、勉強する意欲を失うケースは非常に多いです。
私は過去に基本情報技術者試験（旧：第二種情報処理技術者試験）に合格し、また2年程前に「一般社団法人 日本ディープラーニング協会」が主催の「G検定試験」に合格し、現在、「E資格」取得にチャレンジ中ですが、人工知能の勉強を始めた頃は多くの考え方や専門用語に圧倒され、全貌を理解するのに苦労した苦い経験があります。
そこでこの記事では、超初心者の方へG検定合格に必要な基礎知識について解説します。
この記事を参考に「AI（人工知能）」の基礎知識を身に付ければ、G検定に合格できるはずです。
<<G検定合格に必要な基礎知識のポイントを今すぐ見たい方はこちら
目次
1.機械学習について
はじめに機械学習について簡単にふれる。
- ディープラーニング（Deep Learning） 機械学習の分野で、現在最も注目を集めている手法である。その理由は「機械が特徴量を決めてくれる」という点にある。
- メトリックラーニング（Metric Learning） メトリックラーニング（計量学習）とは、データ間の関係性を考慮した特徴量空間を学習する手法。「どの関係性を重視するか」を制御することができ、情報検索やクラスタリング、個体認識など、さまざまな応用先が考えられる。
- ディープメトリックラーニング（Deep Metric Learning） ディープラーニング技術と組み合わせた新たなメトリックラーニングの手法が数多く提案されている。
2.AI（人工知能）について
人工知能（AI）について各内容毎に記事を作成しましたのでご覧ください。
- 0.【データサイエンス】データマイニングの概要
前段として、AIを利用して課題を解決するための基礎として、データ分析について説明する。 - １.学習に使用するデータフレームの作成
AIモデルの学習に使用するデータフレームを作成する。データフレームとは、行列と同じく２次元配置のデータである。 - ２.読み込んだデータの解析
読み込んだデータについて、各項目の相関関係等を分析する。精度の高いAIモデルを構築するために重要なステップである。 - ３.データの欠損値の補完
通常、AIモデルの学習に使用するデータには欠損値が存在するため、何らかの値で補完する必要がある。 - ４.データを訓練データとテストデータに分割
ロードし、補完したデータを訓練データとテストデータに分割する。また、AIモデルで学習できるようにデータを加工する処理が必要になる。※AI学習モデルを構築する際、データの準備が大半の作業だと感じた。データの加工をスムーズに行うことができればAIモデルを構築する上で強力な武器になると思う。 - ５.AIモデルの決定
AIモデルを決定する。具体的には活性化関数、入力次元数、出力次元数、目的関数（＝誤差関数＝損失関数）、最適化手法を決定する。 - ６.AIモデルによる学習
訓練データを用いてAIモデルを学習する。なお、学習する際は、エポック回数(１エポックとは全ての訓練データを学習し終えた段階)、バッチ回数(重みの更新間隔)を適切な値に設定しなければならない。 - ７.学習済みAIモデルの精度検証
訓練したAIモデルに対して、テスト用データを用いて精度の検証を行う。なお、精度の評価指標は回帰問題と分類問題で異なる。 - ８.AIで使用するライブラリ・フレームネットワーク
AIで使用する機械学習ライブラリ・フレームネットワーク、ディープラーニングのライブラリ・フレームネットワークについて述べる。
3.まとめ
最後まで読んで頂きありがとうございます。
皆様のキャリアアップを応援しています!!
コメント