slides for study session in my company

1. 「AI」とは
2018 年 10 月
1

2. 2

3. AI 知的な作業を模倣したもの。
機械学習 学習することにより可能になる判断を
取り入れたもの。
ディープラーニング 人間の力なしに機械が自動的にデー
タから特徴を抽出してくれるもの。
3

4. 機械学習の中でディープラーニングが目立つ理由。
機械学習の手法の中でディープラーニングとそれ以外のものとでは
決定的な違いがある。
それは、情報やデータを分析する際に使う枠組みが異なっていること。
↓
機械学習：人間が学習させるポイントを明示する。
ディープラーニング：機会が学習すべきポイントを判断する。
4

5. どっちがリンゴ？どっちが梨？
5

6. 機械学習の場合
「赤」「白」というタグをつけた、リンゴ（赤）と梨（白）の画像を読
み込ませる。その際に「色に着目して区別しなさい」とAIに指示
を与えておくと、まだ解析していないリンゴの画像が出てきたと
きでも、AIはリンゴの色に着目する。
6

7. ディープラーニングの場合
区別するための「目の付けどころ」をAIが自分で学習し、その性
能を向上させていく。
※人間から指示をしなくても、自動で賢くなっていくということ！
7

8. なぜAIを学習するべきなのか。
8

9. 機械学習は20世紀中旬から存在していたが、
ここに来て注目されてきた理由。
9

10. ・大量のデータを収集可能になった。
→インターネットサービスの普及
・大量のデータを処理可能になった。
→GPUやHadoop等の技術発達
・単純に手法や理論がより発展してきた。
→ライブラリの展開。ディープラーニングの発展。
10

11. つまり、時代が機械学習の理論に
追いついてきたと言うこと！
長い歴史を見ると、やっと実用可能に
なった今こそAIを学習するべき時なのだ。
11

12. 個人的な見解
学習する前は、AIという概念的な言葉から「難しそ
う」「今更学習するのは手遅れ」というイメージを
持っていた。
12

13. しかし、段階を踏んで学習しながら実装してみると
思っていたよりも簡単で学習しやすいものだと感じ
た。実際に使ってみたいと思える点も学習意欲を
掻き立てられる。
13

14. 機械学習で何ができるのか。
14

15. ・回帰(Regression)
・分類(Classification)
・クラスタリング(Clustering)
15

16. ・回帰(Regression)
・分類(Classification)
・クラスタリング(Clustering)
教師ありデータ
（正解データ）
16

17. 回帰(Regression)
17

18. 連続するデータ（時系列データ等）
18

19. 連続するデータ（時系列データ等）
日付 株価
昨日 ¥1,000
2日前 ¥1,100
3日前 ¥1,160
（教師データ）
19

20. 回帰(Regression)
まあ数字の予測をするものと
思ってOK!
20

21. 分類(Classification)
21

22. カテゴリ分け（スパムメール）
メールの内容 スパムかどうか
お疲れ様！今度の日曜日に遊びに行こうと... ◯
わたしと友達になってね！写メもあるよ！http://... ✖
おめでとうございます！ハワイ旅行に当選しま... ✖
（教師データ） 22

23. 分類(Classification)
あらかじめ決まっているカテゴリの中
のどれかを当てるもの！
23

24. ・回帰(Regression)
・分類(Classification)
・クラスタリング(Clustering)
教師なしデータ
24

25. クラスタリングも
カテゴリ分け。
分類と似ているが少し違う。
25

26. 100人いる学校の学力テスト
生徒 英語 数学 国語 物理
1 100 98 89 96
2 77 98 69 98
3 99 56 99 61
26

27. クラスタリングには
教師データはない。
与えられたデータから特徴の
似たものをそれぞれ集めて
分類分けをする。
27