[PYTHON] Wie nutzt man maschinelles Lernen für die Arbeit? 01_ Den Zweck des maschinellen Lernens verstehen

Hallo zusammen. Ich habe heute mit Qiita angefangen.

Als Ingenieur für maschinelles Lernen bin ich normalerweise in der KI-Entwicklung und der Entwicklung von Webanwendungen tätig.

In meinem Privatleben wurde ich ein neuer Vater. Ich schreibe einen Artikel, während ich meinen ältesten Sohn halte, der 4 Monate alt ist (lacht)

Als Motivation für das Schreiben von Artikeln beschäftige ich mich seit 2017 mit maschinellem Lernen, als es noch kein Nachschlagewerk gab. Ich bin der Meinung, dass die Erfahrung, maschinelles Lernen durch harte Arbeit zu lernen, definitiv für jemanden nützlich ist.

Aus diesem Grund habe ich beschlossen, einen Artikel zu schreiben, der Menschen unterstützen kann, die einen beruflichen Aufstieg anstreben. Das Thema des denkwürdigen ersten Beitrags war "** Wofür wurde maschinelles Lernen gemacht?" ** "ist.

Unabhängig davon, wie gut Sie ein Nachschlagewerk lesen, können Sie nichts lernen, wenn Sie den Zweck des maschinellen Lernens nicht verstehen. Lassen Sie uns zunächst das Gesamtbild verstehen, das die Grundlage für alles ist.

Auf SNS werden auch verschiedene Informationen veröffentlicht. Wenn Sie also der Meinung sind, dass es in Ordnung ist, den Artikel zu lesen Ich wäre Ihnen dankbar, wenn Sie Twitter-Konto "Saku731" folgen könnten.

Was ist maschinelles Lernen?

Ich denke, jeder hat es so schwer gehabt.

** "Ich weiß nicht, was ich aus maschinellem Lernen gelernt habe" ** ** "Logistische Regression, Entscheidungsbaum, Support Vector Machine, es gibt zu viele Methoden" **

Einer der Schmerzpunkte beim Lernen von maschinellem Lernen sind ** viele Techniken, an die man sich erinnern sollte **. Es ist notwendig, 5 bis 10 Methoden zu verstehen, indem Sie nur ein Nachschlagewerk lesen.

Was ist mehr, ** "wann" und "wie", um diese Methoden richtig anzuwenden **? Ich bin noch nie auf ein Nachschlagewerk gestoßen, das sorgfältig erklärt wird.

Warum also nicht im Gegenteil verstehen, warum es verschiedene Methoden gibt und welche Gemeinsamkeiten es gibt? Auf diese Weise erhalten Sie einen schnelleren Überblick über maschinelles Lernen.

Ein Zweck, der allen maschinellen Lernprozessen gemeinsam ist. Es bedeutet, ein ** gutes Modell ** zu machen.

Wie Sie in der Abbildung sehen können, dreht sich hier alles um maschinelles Lernen. "** Geben Sie einem Computer eine große Datenmenge und finden Sie die Regeln für Vorhersagen heraus **"

Es gibt jedoch verschiedene Arten von Daten auf der Welt.

CSV (Excel): Verkaufsdaten, Kundendaten
Bild: Auf Instagram gepostete Fotos, Bilder von Überwachungskameras
Stimme: Sprachnotiz des Meetings, Anrufaufzeichnung des Call Centers

Ingenieure für maschinelles Lernen müssen für alle Daten gute Modelle (hochgenaue Vorhersagen) erstellen. Zu diesem Zweck werden verschiedene Methoden als Werkzeugkasten vorbereitet.

--Verkaufsdaten ⇒ Regression (multiple Regression, Regressionsbaum usw.) --Insta Foto ⇒ CNN-basierte Methode (VGG16, LesNet usw.) --Stimmungsnotiz ⇒ Zeitreihenanalyse (RNN, LSTM usw.)

Beim Kochen ist der übliche Zweck "** leckeres Essen zubereiten **". Zu diesem Zweck entspricht dies der Verwendung des entsprechenden ** Rezepts (= Methode) ** gemäß dem ** Material (= Daten) **.

Organisieren von Begriffen zum maschinellen Lernen

Nachdem Sie den Zweck des maschinellen Lernens erkannt haben, erweitern wir unseren Horizont ein wenig.

Als erster Teil des maschinellen Lernens, der Probleme hat ** KI / Maschinelles Lernen / Deep Learning ** Ich habe den Eindruck, dass viele Menschen diese Unterschiede nicht verstehen.

Wenn Sie die Nachrichten und Artikel von 2018 lesen, als KI (maschinelles Lernen) populär wurde, über diese drei Ich erinnere mich, dass es viele Sätze gab, die mir das Gefühl gaben: "Versteht die Person, die es geschrieben hat, nicht zu viel?"

Wenn Sie den Unterschied hier nicht verstehen, auch wenn Sie hart lernen Dies ist ein wichtiges Thema, da es nicht systematisch als nutzbares Wissen organisiert ist.

Zunächst haben die drei Begriffe ** KI / Maschinelles Lernen / Tiefenlernen ** eine umfassende Beziehung, wie in der Abbildung gezeigt.

(Quelle: https://www.shikaku-square.com/media/ai-license/001-how-to-study-deep-learning-for-general/)

Wie Sie sehen können, handelt es sich um eine umfassende Beziehung zwischen "KI ＞ Maschinelles Lernen ＞ Tiefes Lernen". Es ist wie folgt, wenn es in Worten organisiert ist.

AI ( Artificial Intelligence )：
Das Konzept, das im ersten KI-Boom der 1950er Jahre geboren wurde
Der Zweck besteht darin, die menschliche Intelligenz mit einem Computer künstlich zu reproduzieren. --Maschinelles Lernen:
Eine konkrete Methode, die entwickelt wurde, um KI zu realisieren
Ziel ist es, die Regeln aus einer großen Datenmenge herauszufinden und die Zukunft vorherzusagen. --Tiefes Lernen ――Um maschinelles Lernen, dem Bereich, in dem die als ** neuronales Netzwerk ** bezeichnete Technologie verwendet wird -Der Zweck besteht darin, den wichtigsten (und mühsamsten) KI-Entwicklungsprozess zu automatisieren, der als ** Merkmalsextraktion ** bezeichnet wird.

Indem Sie dieses Grundwissen bewerten, können Sie Ihr Verständnis für Artikel und Nachschlagewerke sofort vertiefen. Auch wenn es um maschinelle Lernprojekte geht, wird es zu einem Wissen, das auch Nicht-Programmierer kennen sollten.

schließlich

Nächstes Mal nach der Organisation der ** Übersicht über das AI-Entwicklungsprojekt ** ** "Wo" und "Wie" ** Ich werde darüber schreiben, wie maschinelles Lernen verwendet wird.

(Hinzugefügt am 24.12.2019) "2 .: Überblick über das AI-Entwicklungsprojekt" wurde veröffentlicht.

Wenn Sie maschinelles Lernen studiert haben, haben Sie vielleicht davon gehört. ** Jedes Thema wie "Vorverarbeitung" "Lernen" "Tuning" "Verifikation" ** Es wird in Verbindung mit dem Fortschritt des KI-Entwicklungsprojekts organisiert.

Im nächsten Artikel wird es auf der Programmiersprache ** Python ** basieren Wir werden spezifische Lernmethoden organisieren, freuen Sie sich also darauf.

(Ergänzung) "3. Python-Codierungsprozedur ist vollständig freigegeben" wurde veröffentlicht.

Danke, dass Sie bis zum Ende für mich gelesen haben.

【P.S.】 Auf SNS werden auch verschiedene Informationen veröffentlicht. Wenn Sie also der Meinung sind, dass es in Ordnung ist, den Artikel zu lesen Ich wäre Ihnen dankbar, wenn Sie Twitter-Konto "Saku731" folgen könnten.

~~ Außerdem machen wir am Ende des Satzes für eine begrenzte Zeit "** Team Development Experience Project **". ~~ ~~ Wenn Sie interessiert sind, überprüfen Sie bitte [Application Sheet] für Details. ~~ (Zusatz) Die Frist wurde geschlossen, weil sie voll ist. Das nächste Mal ist für März 2019 geplant. Wenn Sie also informiert werden möchten, füllen Sie bitte das [[Reservierungsformular]] aus (https://forms.gle/62troSMPQv8wLitQ8).