この日も風邪のため、欠席でした。
ひさしぶりのNTTデータの会場でした。
▼自己紹介（改めまして）
郷健太郎 山梨大学大学院総合研究部・教授
熊本県阿蘇市出身
▼授業構成
1.機械学習とは何か
2.実習環境の準備
3.機械学習の手順：データセットの確認
4.機械学習を具体的に実現する
5.応用事例：画像から数字を予測する
6.ふりかえりとまとめ
▼機械学習とは何か
・従来のコンピュータ利用との違い
・AIができること：コンピュータが自動的に学習する
・機械学習
▼なぜ人工知能の研究が進んだのか？
大量のデータを学習することで認識が可能になった
→インターネットの発展から
▼AIができること
・パターン認識
・もともとコンピュータが不得意としていた領域：画像の認識
・写真に写っているのは馬か羊か？
・進歩した技術：ニューラルネットワークによるディープラーニング（深層学習）
・応用分野：物流での仕分けや課金，音声認識による自動翻訳・コールセンター，
製品の検品，顔認証，医療画像診断，自動運転
→人間ならば簡単にできることをコンピュータができるようになった
・プロファイリング・フィルタリング
・個人像を描き出すこと
・ユーザの個性に合わせて，一人ひとりに個人化された広告を出す
・応用分野：推薦（レコメンデーション），ターゲティング広告，
フィルターバブル
→人間では不十分にしかできないことをコンピュータがより良くできるようになった
▼AIがなぜすごいのか
・分けるだけであれば従来のコンピュータでもできる
・分けるための「手続き」をプログラムとして実現すれば良い
・現在のAI技術：膨大なデータをもとに学習すること
・大量のデータをもとにして，分ける精度を上げている
・データを追加することによって，さらに精度を上げられる
↓
基本技術：機械学習
▼問題｜イヌかネコか？
なぜイヌとネコを見分けることができるのか？
→これまでの経験から学習している
見分け方を説明できないかもしれないが，見分けられると役に立つ
▼機械学習の種類
教師あり学習：数値や分類を予測する学習
教師なし学習：データをまとめる学習
強化学習：経験してうまくなる学習
▼人工知能を一言でいうと何か？
データを「入力」すると、予測や判断を「出力」するもの
昔からあるコンピュータ（のプログラム）と同じでは？
違い：膨大なデータで学習すること → 結果が変化していく
■分けることは分かること
▼問題：アイスの売上を考えてみましょう
天気予報によると，明日の気温は22°Cです．
アイスは何個くらい売れると予想されるでしょうか？
天気予報によると，明日の気温は25°Cです．
アイスは何個くらい売れると予想されるでしょうか？
関係性：
・気温が低いとアイスは売れない
・気温が高いとアイスは売れる
→直線的な比例関係
▼予測の考え方
気温（ある数値）が分かれば，アイスの売上（関係する値）を予測できる
▼クラスタリング
たくさんのデータをグループ分けする
▼機械学習の用途の違い
回帰：ある値に関係する値がどんな数値になるかを予測するとき
分類：あるデータが，どの分類にあてはまるかを予測するとき
クラスタリング：たくさんのデータをグループ分け（分類）するとき
▼分かるとは？
・分けることは分かること
・私たちが「わかった！」と思ったとき，頭の中では「知識を分けている」
・あるものが，別のものと違いをはっきり区別できるようになったとき，
はじめて「わかった」と言える
・「データを分類する，分ける」ということ
・私たちがものごとを理解する知的活動と似たところにある
・では，分けるとは何か？
↓
線を引くこと！
▼機械学習のアルゴリズムでやっていること：線を引く
▼うまく分けるためには意味のある特徴量が重要
特徴量（測定できるデータ）
・花の大きさ
・花びらの色
・花びらの長さ
・花びらの幅
特徴量には
・予測にとって重要なもの
・予測にとって意味のないもの
▼何のために（何の目的で）特徴量を使うのか
説明変数：予測の根拠になるもの
特徴量（花の大きさ，花びらの色，…）
目的変数：予測される結果
花の名前
■まとめ
・分けることは分かること
・代表的な教師あり学習：回帰，分類
・代表的な教師なし学習：クラスタリング
・機械学習のアルゴリズムでやっていることは「線を引く」こと
・回帰も分類も線を引いている
・うまく分けるためには意味のある特徴量が重要
・説明変数：予測の根拠になるもの
・目的変数：予測の結果
・次元：説明変数の数
▼この講義でやること
・Pythonで簡単なプログラミング
・開発・実行環境：Google Colaboratory (Colab)
・機械学習ライブラリ：scikit-learn (sklearn)
・機械学習の手順を体験
・データの確認（可視化）
・学習→テスト
・結果の可視化
・例
・データセットの確認
・無作為に生成したデータの使用
・画像から数字を予測
参考書籍：森巧尚: Python3年生機械学習のしくみ体験してわかる！会話でまなべる！
翔泳社, 2021.
https://www.shoeisha.co.jp/book/detail/9784798170305
■ハンズオン
▼Google Colaboratoryにアクセスする
https://colab.research.google.com
・新しいノートブックを作成する
・基本的な使い方を学ぶ
・セルにプログラムを入力する
・セルを実行する
・新しいセルを追加する
・少し長めのプログラムを実行する
・ノートブックを保存する
・保存されたノートブックを開く
▼サンプルデータセットを見る
scikit-learn (サイキット・ラーン)
※Google Colab ではインストール不要
※ハンズオンではアヤメの散布図を作成
▼手順｜機械学習を具体的に実現する
1.データを用意する
2.データを学習用とテスト用に分ける
3.モデルを選んで，学習する
4.モデルをテストする
5.新しい値を渡して，予測する
6.（分類の状態を可視化する）
▼手順｜機械学習を具体的に実現する
1.データを用意する
2.データを学習用とテスト用に分ける
3.モデルを選んで，学習する
4.モデルをテストする
5.新しい値を渡して，予測する
6.（分類の状態を可視化する）
▼学習用アルゴリズムを変えてみる
・機械学習の大きな手法
・教師あり学習
・教師なし学習
・強化学習
・学習用アルゴリズム
・各手法で，具体的にどのように学習するかを決めている手続き
・アルゴリズムによって精度（賢さに相当）が変わる
・代表的なアルゴリズム
・線形回帰
・ロジスティック回帰
・SVM（サポートベクターマシン）
・決定木
・ランダムフォレスト
・k近傍法
・k-means（k平均法）
▼手順｜画像から数字を予測する
1.データを用意する
2.データを学習用とテスト用に分ける
3.モデルを選んで，学習する
4.モデルをテストする
5.新しい値を渡して，予測する
6.（分類の状態を可視化する）
※ハンズオンでは数字から画像ファイルを予測
■感想
ハンズオンで楽しく学べました、
後半かなりむずかしかったですけどね。
Pythonの実行方法が知れてよかったです、
ChatGPTが平気でPythonのコードを吐くので。
ありがとうございました。
コメント