備忘録
「60分でわかる! 機械学習&ディープラーニング 超入門 (60分でわかる! IT知識)」
https://www.amazon.co.jp/60%E5%88%86%E3%81%A7%E3%82%8F%E3%81%8B%E3%82%8B-%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92-%E3%83%87%E3%82%A3%E3%83%BC%E3%83%97%E3%83%A9%E3%83%BC%E3%83%8B%E3%83%B3%E3%82%B0-%E8%B6%85%E5%85%A5%E9%96%80-IT%E7%9F%A5%E8%AD%98/dp/4774188794/ref=sr_1_1?ie=UTF8&qid=1494157923&sr=8-1&keywords=%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%80%80%E8%B6%85%E5%85%A5%E9%96%80
概要
エンジニア、非エンジニア問わず、「機械学習とは何か?」から入るような入門書です。
最近バズワード化している、人工知能、機械学習、ディープラーニング(深層学習)、AlphaGo、自動運転、、、についてモヤッとしているものがスッキリすると思います。
150P程のボリュームで、本のサイズも小さいので通勤時間などにサクッと読めそうです。
機械学習の入門書は何冊かありますが、本書はビジネスマン向けの本なので、ソースコードや数式、技術的に詳しい話は載っていません。
・機械学習で出来ること、出来そうなこと
・機械学習の仕組み
・ビジネス導入事例
・ビジネスへの導入検討
・機械学習ビジネスの未来
について説明されています。
ディープラーニング(深層学習)とは
ニューラル・ネットワーク(人間の脳のニューロンを模倣したアルゴリズム)を利用した機械学習の一分野です。
そして、機械学習とはAI(人工知能)の一分野です。
以下参考図です。
AI(人工知能)の分類
ざっくり分けるとAIには「汎用型」と「特化型」という2分野があり、機械学習は後者に属します。
(汎用型とは鉄腕アトムのように何でも出来るロボットのイメージ、特化型とはその名の如く特定の領域でパフォーマンスを発揮する。例えば、自動運転や画像認識など)
機械学習の用途
主に
・データの__分類__
・未来の__予測__
・データの__最適化__
・対象の__認識__
に分けられ、ビジネスの目的によって何をどう使うか選択する必要があります。
例えば、商品の需要や将来の株価を知りたい時は「予測」です。
では、なぜコンピューターが予測といった高度な判断を行えるのか。
それはその名の通り「機会」が「学習」することで行えるようになるのですが、
そのアプローチには大きく
・教師あり学習:正解ラベル付きデータを使う
・教師なし学習:正解ラベルがないデータを使う。データ同士の関係性をコンピューター自身で見つける。
・強化学習:良い結果に対して報酬を与える学習
が存在します。
1.教師あり学習
教師あり学習は、最も単純な学習アプローチで、「Xという特徴があれば猫、Yという特徴があれば犬」などと正解ラベルの付いたデータを大量に学習させることで精度を向上させていきます。
過去のデータから未来を予測するような場合に有効です。
ただし、正しくラベル付けされた大量のデータの用意が大変です。
2.教師なし学習
次に、教師なし学習は、データ同士の類似度を判定することで、例えば顧客購買傾向を割り出してレコメンド商品に応用するといった事が出来ます。
3.強化学習
強化学習は、どのような状態で何をしたら報酬(ポイント)が貰えたかを記憶して、これを繰り返します。すると次第に精度が上がり、AlphaGoや自動運転といった分野に活用されています。
機械学習で大事な事
機械学習で大事なのは、機械に食べさせる「データ」です。
データに偏りがあったり、十分な数が得られていないと正確な結果を出力出来ません。
金融であれば過去の取引データ、医療であれば過去の診断データ、小売業であれば過去のPOSデータといった、ビジネスで活用可能なデータを用意出来るかが大きなポイントとなります。
まとめ
といった感じで機械学習における大きな特徴を解説した後(上記以外にも色々ありますが)、
ビジネスにどう適用すれば効果的であるか、といった注意点的なポイントや、
既にこの分野で最先端を走っている企業が展開しているサービスやプラットフォームについてページが割かれています。
最後は、機械学習が適用されると未来はこう変化するかも、といった内容と、
「機械学習注目企業リスト」で締められています。
IT系やロボット関連の企業だけでなく、コンサルティング会社も割と載っていました。
機械学習について知識ゼロの状態で読むにあたっては良かったです。