AWS公式資料で挑むMLS認定(2)-AI/機械学習(ML)の基本

[前回] AWS公式資料で挑むMLS認定(1)-試験ガイドを読む

はじめに

Amazon AI/機械学習の関連サービスを理解する前に、
まずは、AI/機械学習の基本知識から。

人工知能(AI: Artificial Intelligence)とは

• AIとは
  • 人間の知能に関連する認知的問題の解決に取り組む、コンピュータサイエンスの分野
    • 学習
    • 問題解決
    • パターン認識
• 機械学習の由来
  • 研究者Pedro Domingos教授の機械学習の"5部族"
    • 論理学と哲学に由来するシンボリスト
    • 神経科学から派生したコネクショニスト
    • 進化生物学に関連する進化論主義者
    • 統計学と確率に取り組むベイジアン
    • 心理学に由来するアナロジー主義者
  • ※ 機械学習のさまざまなアルゴリズムの背景がわかったような。。。
• 学習手法
  • 教師あり
    • トレーニングデータ(学習データ)に事前用意の正解を与えた状態で学習させる手法
  • 教師なし
    • トレーニングデータに正解を与えない状態で学習させる手法
• データとAI
  • データはAIの燃料で、データが増えるほど賢くなり、学習速度が増加
  • データはどこから
    • Amazon Redshiftなどデータウェアハウスから収集および抽出
    • Mechanical Turkなどのグランドトゥルースにより
      • グラウンドトゥルース(Ground truth)とは、推論ではなく、直接の観察と測定によって提供される、真実であることがわかっている情報
    • Kinesis Streamsにより動的に取り出される
    • IoTのセンサー技術により、さまざまなソース、場所、対象、イベントから入手

機械学習(ML: Machine Learning)とは

• 機械学習(ML)とは

  • 人工知能の領域から派生したコンピュータサイエンスの分野
  • 名前の由来は、パターン認識や学習に使用されるいくつかのベイジアン技術から

• 機械学習の中核となるアルゴリズム

  • 記録されたデータに基づく学習や予測
  • 不確実性の下で効用関数の最適化
    • 効用関数(Utility Function)とは、物/エネルギー/情報/サービスなどの効用を数値におきかえた関数(数学モデルのこと?)
  • データから隠れた構造を抽出し簡潔に表現するデータ分類

• 通常のプログラミングとの違い

  • 通常のプログラムコードは、所定入力に基づいて固有の出力を生成する
  • 機械学習は、プログラミングでは明示的解決、適用が困難な場合に使用

• 機械学習モデル(MLモデル)

  • データを使用し生成される統計的コード(関数)
  • MLモデルの機能
    • 所定の入力に基づいて結果を予測できる最適な関数を見つける
    • 入力サンプル(教師ありは出力サンプルもあり)から認識されたパターンに基づき適切な結果を出力
  • MLモデルの品質と量はトレーニングデータによって決まる
  • MLモデルの評価
    • 評価スコアを用いて、予測とパフォーマンスに関する統計的信頼性を確保
    • MLモデルまたは個別予測の決定に、評価スコアが必要不可欠

• ビジネスにおけるAmazon機械学習

  • Amazon社自身が、機械学習ベースのシステムに基づきビジネス構築した結果
    • ビジネスの成長
    • 顧客サービスと顧客選択の向上
    • 物流スピードと品質の最適化
  • AWSの機械学習関連サービスについて
    • 俊敏性と費用対効果を備えたITインフラストラクチャを利用できる
    • Amazon.com規模のミッションクリティカルな環境でテストされてから、AWSサービスとして公開される
  • 機械学習は従来のビジネスインテリジェンス(BI)を補完
    • BIは、過去のビジネスデータの報告に重点を置く
    • MLは、過去の傾向と取引に基づいて将来の結果を予測

• ビジネスへのML導入ステップ

  • 課題特定
    • ビジネスメリットがある適切な予測を選定
  • データ収集
    • 過去のビジネスメトリクス(取引、販売)に基づきデータ収集
  • MLモデル構築
    • 収集データに基づきMLモデル構築
  • MLモデル実行
    • モデルの予測出力をビジネスシステムに適用し意思決定

※ 引用元: 企業への機械学習の導入

• 機械学習のユースケース
  • 異常検出
    • 予期されるパターンまたはデータセット内で、他の項目と合致しない項目/イベント/観測値を特定
  • 不正検出
    • 不正または不適切な項目検出に役立つ予測モデルを構築
  • カスタマーチャーン
    • 顧客離れを検出し、プロモーションまたはカスタマーサービスなど前もって対処可能
    • ※ カスタマーチャーンとは、一定期間離脱してしまったユーザーや、有料会員から無料会員にダウングレードしてしまったユーザー
  • コンテンツのパーソナライズ
    • 予測分析モデルを使用し、ユーザーの過去の行動パターンに基づき、商品/サービスの推奨やWebサイトフローの最適化

おわりに

AI/機械学習の基本知識を勉強しました。
次回から関連サービスを一つずつマスターします、お楽しみに。

[次回] AWS公式資料で挑むMLS認定(3)-深層学習(ディープラーニング)