なぜML戦略が必要なのですか？
みなさん、こんにちは。このレッスン、機械学習プロジェクトの構築方法、つまり機械学習戦略を聞いてください。このコースを通じて、機械学習システムをより迅速かつ効率的に最適化する方法を学んでいただければ幸いです。では、機械学習戦略とは何ですか？
刺激的な例から始めましょう。猫の分類器をデバッグしているとします。調整後、システムは90％の精度に達しましたが、アプリケーションには不十分です。
システムを改善するための多くのアイデアがあるかもしれません。たとえば、トレーニングデータをさらに収集したいとします。あるいは、トレーニングセットの多様性だけでは不十分だと言うかもしれません。さまざまなポーズの猫の写真をもっと集めるか、反例のより多様なセットを集めるべきです。または、勾配降下トレーニングアルゴリズムをもう一度使用して、より長いトレーニングを行います。または、Adam最適化アルゴリズムなど、完全に異なる最適化アルゴリズムを試してみたい場合もあります。または、より大きいまたはより小さいニューラルネットワークを使用してみてください。または、ドロップアウトを試したいか、 正則化。または、アクティベーション機能の変更や隠しユニットの数の変更など、ネットワークアーキテクチャを変更したい場合。
ディープラーニングシステムを最適化しようとすると、通常、多くのアイデアを試すことができますが、間違った選択をすると、間違った方向に6か月を無駄にする可能性があるという問題があります。この方法がまったく機能しないことに気付いたのは、6か月後のことです。たとえば、一部のチームが6か月をかけてより多くのデータを収集しているのを見ましたが、6か月後には、これらのデータによってシステムのパフォーマンスがほとんど改善されないことがわかりました。したがって、プロジェクトに6か月の時間がない場合は、どのアイデアが信頼できるか、または新しいアイデアを提案するかを判断するための迅速で効果的な方法がある場合、どのアイデアが試す価値があり、どのアイデアが保証できるかを判断します。放棄された。
このコースでは、機械学習の問題を分析するためのいくつかの戦略と方法について、最も有望な方向に導くことができることを願っています。このコースでは、多数のディープラーニングプロダクトを構築してデプロイする際に学んだ経験と教訓を共有します。これらのコンテンツは、このコースに固有のものだと思います。たとえば、多くの大学のディープラーニングコースでは、これらの戦略についてほとんど言及されていません。実際、ディープラーニングの時代に機械学習戦略も変化しています。これは、ディープラーニングアルゴリズムに対して実行できることは、前世代の機械学習アルゴリズムとは異なるためです。これらの戦略が、効率を向上させ、ディープラーニングシステムをより実用的にするのに役立つことを願っています。
コースPPT
