機械学習 & ディープラーニング入門

機械学習 & ディープラーニング入門

機械学習専門家の藍博士と素人のマナブが会話形式で、AI・機械学習・ディープラーニングの基礎の基礎を分かりやすく紹介する連載。

一色政彦 デジタルアドバンテージ 一色 政彦 (インタビュー取材協力: 安部晃生 DATUM STUDIO 安部 晃生)

■ 連載記事リスト - 項目順

  • レベル:  入門者 [ゼロから始めよう] 
  • 記事数: 全3回【完結】 (推定学習時間: 1時間30分
  • 必須条件:
    • 知識ゼロから誰でもスタートできます。
  • こんな方にお勧め:
    • AIや機械学習の概念や基本用語について、まだ自信がないという方
    • 教師あり学習、強化学習、回帰、分類、クラスタリング、CNN、RNNとは何か?と聞かれて、その内容を答えられない方
    • 機械学習モデルは、どのようなステップで作成していくのか?と聞かれて、その内容を答えられない方
  • 学習内容:
    • 機械学習の概要、ディープラーニングで実現できること、AIの基本用語が理解できる
    • 機械学習の基礎用語から、ディープラーニングの代表的な学習方法とアルゴリズムが理解できる
    • 機械学習/ディープラーニングの作業フローの基礎が理解できる

はじめに ― 本連載の読み方

 機械学習専門家の藍博士と素人のマナブが会話形式で、AI・機械学習・ディープラーニングの基礎の基礎を分かりやすく紹介する連載記事です。「会話形式だから頭の中で整理できない」という方のために、記事の最後にある【まとめよう】という枠で、箇条書きで整理し直しています。これによって、記事内容の理解を再確認できますので、ぜひご活用ください。

 第1章では、AIとは何かに始まり、機械学習との違いや、ディープラーニングで実現できることについて紹介しています。AIを表現する際によく使われる基本用語も多くカバーされていますので、「AIや機械学習の概念や基本用語について、まだ自信がない」という方には、ぜひ一読をお勧めします。

 第2章では、機械学習を始めるための最低限の基礎用語から、ディープラーニングの代表的な学習方法と代表的なアルゴリズムまでをできるだけシンプルに紹介しています。「教師あり学習、強化学習、回帰、分類、クラスタリング、CNN、RNNとは何か?と聞かれて、その内容を答えられない」方は、ここからスタートしてください。

 第3章では、実践へ踏み出す準備として、機械学習/ディープラーニングの作業フローの基礎を学びます。データ収集~学習~運用の一連の流れをできるだけシンプルに紹介しています。「機械学習モデルは、どのようなステップで作成していくのか?と聞かれて、その内容を答えられない」方は、ここからスタートしてください。

目次

はじめに ― 本連載の読み方
索引・INDEX

第1章 AI・機械学習・ディープラーニングがしたい! そもそも何ができるの?

2018年、春のある日

マナブ、人工知能に興味を持ち始める😋
AIとは?

AI/機械学習/ディープラーニングはここが違う

これまでにディープラーニングで実現できたこと
これからディープラーニングで実現できそうなこと

【コラム】ただしディープラーニングも万能ではない
 - 学習済みモデルの中身(ネットワーク)は解釈できない
 - 大量のデータが必要
 - ネットワーク作成には時間がかかる

まとめ

【まとめよう】AI/機械学習/ディープラーニングの概要

第2章 機械学習やディープラーニングには、どんな手法があるの?

ディープラーニングを教え始めて2日目

マナブ、ディープラーニングを基礎から学び始める😋
機械学習における手法/アルゴリズム/学習済みのモデルはここが違う
機械学習の学習と推論
3つの代表的な学習方法

教師あり学習
 - 回帰
 - 分類
教師なし学習
 - クラスタリング
 - 次元削減
強化学習
 - “望ましい行動”
ディープラーニングと学習方法

ディープラーニングの代表的なアルゴリズム

オートエンコーダー
CNN(畳み込みニューラルネットワーク)
RNN(再帰型ニューラルネットワーク)
 - LSTM

まとめ

【まとめよう】機械学習/ディープラーニングを実践するための基礎知識

第3章 機械学習&ディープラーニングの、基本的なワークフローを知ろう

ディープラーニングを教え始めて3日目

マナブ、機械学習のワークフローを学び始める😋
チョコレートの製造工程

一般的な機械学習のワークフロー

1 データの準備
2 手法の選択
3 前処理
4 モデルのトレーニング
5 モデルの評価
6 納品・本番運用

本シリーズで最初にフォーカスする領域
ディープラーニングの代表的なライブラリ
心構え:ソフトウェア開発やWeb制作との違い
まとめ

【まとめよう】ディープラーニングの基本的なワークフロー

 

索引・INDEX

 

登場人物紹介

Deep Insider イメージキャラクター

左:深井藍(ふかい あい) 博士、 右:マナブ(01号)
左:深井藍(ふかい あい) 博士、 右:マナブ(01号)

 藍博士とマナブは、 あまえび(STUDIO SUE) さんによってデザイン、作成されています。

深井藍(ふかい・あい) 博士

深井藍(ふかい・あい) 博士

■誕生日:昭和64年(1989年) 1月7日生まれ 29歳(2018年2月現在)
昭和最後の日に生まれたアラサー リケ女。

■出身地:茨城県水戸市。現在は茨城県つくば市在住

■職業:AI応用技術研究所 新世代アンドロイド開発チーム 主任研究員
最新の人工知能技術を応用して、次世代の人型ロボット(アンドロイド)を開発するのが仕事。
試行錯誤の末にやっと開発できたのがマナブ(01号)である。
いつも手にしているタブレットでは、マナブの学習状況やヘルスチェックなどを行っている。
マナブが悪さをしたら、タブレットからサンバイザーをコントロールして真っ黒にし、何も見えなくしておしおきする。

■家族:研究職の父、おっとり専業主婦の母、3人姉妹の長女。

■性格:責任感が強く、こうと決めたらテコでも動かない頑固な性格。
考え事を始めると、そのことで頭がいっぱいになり、図らずも超天然な行動をしてしまう。
普段は難しい本ばかり読んでいるが、家に帰るとお笑い番組と日本のドラマが大好きなテレビっ子。

マナブ(01号)

マナブ(01号)

■誕生日:平成30年(2018年)2月28日生まれ 0歳

■出身地:AI応用技術研究所

■誕生(開発)の経緯:
長年アンドロイド開発に携わっていた藍博士だが、なかなか思うようなアンドロイドを開発できずにいた。
平成30年の正月休みに実家に帰ったときに、残り物のおせち料理を肴に大好きなワインを飲んでいるときに、ふとアイデアを思い立ち、休み明けから一気に開発にこぎつけたのがマナブ(01号)だ。
本当は自分好みの大人サイズのイケメン アンドロイドを開発する予定だったが、体に使う部材が不足したので小型の子供サイズになった。
裸じゃあかわいそうだからと、自分のお古のパーカーをマナブに着せている。
現実社会の学習を進めるため、藍博士と24時間生活を共にしている。

■性格:毎日見るもの聞くものすべてに興味津々で、いろいろ学習中。
藍博士と一緒にテレビのお笑い番組ばかり観ている影響で、大阪風のボケをかましたり、ときどき大阪弁が出たりする。
テレビドラマからも多くを学習しており、恋愛ものや刑事もの、法律もの、医療ものドラマからうわすべりな社会勉強を繰り返し、ときどき勘違いな行動をとることがある。

著者紹介

一色 政彦(いっしき まさひこ)

一色 政彦(まさひこ いっしき)

機械学習、ディープラーニングの初心者として、当サイトキャラクターのマナブと同じ目線で学び、記事を発信していきます。


●受賞・資格

- Microsoft MVP for Visual Studio and Development Technologies (11年連続)

- 2017/12/26 JDLA Deep Learning for GENERAL 2017

- 2017/10/11 第二種電気工事士


経歴

1975年8月、福岡県北九州市生まれ。

1999年4月、九州大学文学部を卒業後、ソフトウェア パッケージ ベンダーに入社。開発部で技術研究や基礎開発の業務に携わる。

2003年2月、福岡から上京。

2003年4月、フリーランスのテクニカル ライターとなり、開発者、ITプロ向けの記事を執筆。

2003年11月、(株)デジタルアドバンテージに入社して、@IT/Insider.NETの編集者兼ライターとなる。

2013年4月、@ITの編集者を兼務しつつ、新サイト「Build Insider」の編集長に就任。

2018年4月、機械学習エンジニア向けの新サイト「Deep Insider」の編集長に就任。編集に記事執筆に活躍中。


安部 晃生(あべ こうせい)

安部 晃生(こうせい あべ)

DATUM STUDIO株式会社(https://datumstudio.jp/)でデータ分析と IT 技術で企業のビジネスを加速させるお手伝いをしています。最近は世の中のデータ活用ビジネスを加速させるための新規ビジネスの企画・設計・実装を進めています。


  • このエントリーをはてなブックマークに追加