1. 機械学習とは何ですか?
1. 簡単な説明
機械学習は人工知能 (AI) およびコンピューター サイエンスの一分野であり、データとアルゴリズムを使用して人間の学習方法を模倣し、徐々に精度を向上させることに焦点を当てています。過去数十年にわたり、ストレージと処理能力の技術進歩により、Netflix のレコメンデーション エンジンや自動運転車など、機械学習に基づく革新的な製品が誕生しました。機械学習は、成長するデータ サイエンス分野の重要な部分です。統計的手法を使用することにより、アルゴリズムは分類や予測を行い、データ マイニング プロジェクトにおける重要な洞察を明らかにするようにトレーニングされます。これらの洞察は、アプリケーションおよびビジネス内の意思決定を促進し、理想的には主要な成長指標に影響を与えます。ビッグデータが拡大し成長し続けるにつれて、データサイエンティストに対する市場の需要は増加すると考えられます。最も関連性の高いビジネス上の質問と、それに答えるためのデータを特定するための支援が必要です。
2. 機械学習、ディープラーニング、ニューラルネットワーク
ディープラーニングと機械学習は同じ意味で使用されることが多いため、この 2 つの微妙な違いに注目する価値があります。機械学習、深層学習、ニューラル ネットワークはすべて人工知能のサブフィールドです。ただし、ニューラル ネットワークは実際には機械学習のサブフィールドであり、ディープ ラーニングもニューラル ネットワークのサブフィールドです。
ディープラーニングと機械学習の違いは、各アルゴリズムが学習する方法です。「深い」機械学習では、ラベル付きデータ セット (教師あり学習とも呼ばれる) を使用してアルゴリズムに情報を与えることができますが、必ずしもラベル付きデータ セットを必要とするわけではありません。ディープ ラーニングは、非構造化データを生の形式 (テキストや画像など) で取り込み、さまざまなカテゴリのデータを区別する一連の特徴を自動的に決定します。これにより、必要な人間の介入の一部が排除され、より大きなデータセットの使用が可能になります。この MIT の講義でも指摘されているように、ディープラーニングは「スケーラブルな機械学習」と考えることができます。
古典的な機械学習または「非ディープ」機械学習は、学習のために人間の介入に大きく依存します。人間の専門家は、データ入力間の違いを理解するために一連の特徴を決定しますが、多くの場合、学習にはより構造化されたデータが必要になります。