【図解】コレ１枚でわかる統計確率的機械学習とディープラーニング
人工知能を支える中核的な技術に「機械学習」があります。機械学習とは、大量の学習データを機械に読み込ませ、分類や判断と言った推論のためのルールを機械に作らせようという仕組みです。そのプロセスは、大きく「学習」と「推論」の２つに分けることができます。
学習
大量のデータから特徴を抽出し、推論を行うための「ひな形」となる「推論モデル」を生成するプロセスです。
学習を行うには、入力された学習データにどのような特徴があるのかを見つけ出す必要があります。例えば、コップであれば、大きさ、重さ、直径、形状といった特徴の組合せを決めなくてはなりません。この特徴の組合せを「特徴量」と呼んでいます。この特徴量に対し、コップを識別するのに最適な値を決定してゆきます。
統計確率的機械学習では、特徴量の決定は人間が行い、その最適値を大量のデータを分析することで決定します。これに対し、機械学習のひとつの手法であるディープラーニングでは特徴量と最適値の両方を大量のデータを分析することで決定します。人間の経験や思い込みにとらわれることなく純粋にデータだけから特徴量や最適値を決定できることで、機械学習の性能は飛躍的に向上しました。
このようにして、「コップであること」を決定する特徴量の組合せと最適値のセット、すなわち「推論モデル」が作られるのです。
推論
与えられたデータを推論モデルに当てはめて、推論結果を導き出すプロセスです。
例えば、コップの写真から、その特徴を抽出し、予め用意されている「推論モデル」とその特徴を照合します。それがコップの特徴を著す推論モデルと近いとなれば、「これはコップです」という推論結果が導かれます。
11月改訂版をリリースしました！
ITビジネス・プレゼンテーション・ライブラリー/LiBRA
- 「情報セキュリティのジアタマを作る」を新掲載！
- 「アテにされるためにはどうすればいいのか」そんな新しい講演資料も掲載しました。
- 他にも大幅にドキュメントを追加・更新致しました。解説文も増えています。
【講演資料とトピックス】
【新規】ITソリューション塾・特別講義・Security Fundamentals / 情報セキュリティのジアタマを作る
【新規】講演資料・アテにされる／どういうこと？どうすればいいの？
【サービス&アプリケーション・基本編】
【新規】オープンソース・ソフトウェア(OSS) p.74-90
オープンソース・ソフトウェアについて、全17ページの新しい章を作りました。
【サービス&アプリケーション・先端技術編】
【新規】IoTに期待される経済価値 p.10
【更新】IoTの２つの意味 p.16
【新規】IoTの仕組み p.17
【新規】デジタル・トランスフォーメーションの進化 p.18
【新規】IoTの三層構造 p.43
【更新】クラウドから超分散へ p.45
【新規】LPWAネットワークの位置付け p.46
【新規】LPWAネットワーク 通信規格一覧 p.47
【更新】IoTのビジネス・レイヤ p.48
【新規】人工知能の適用領域 p.131
【インフラ&プラットフォーム編】
【新規】クラウド・コンピューティングの起源 p.25
【新規】メインフレーム、クライアントサーバー、クラウド p.107
【更新】ウェアラブル・デバイスの種類と使われ方 p.115
【新規】ユビキタスからアンビエントへ p.116
【新規】2014年以降のMicrosoftの新戦略 p.142
【新規】統合システム（Converged System）の分類 p.191
【新規】ハイパーコンバージドの仕組みと特徴 p.193-194
【更新】コンバージドとハイパーコンバージド p.195-196
【テクノロジー・トピックス編】
【新設+更新】FinTechとブロックチェーンについて新しい章を作り、ブロックチェーンの記述を大幅に増やしました。 p.24-37
【ITの歴史と最新トレンド編】
変更はありません。
【ビジネス戦略編】
追加・変更はありません。ただし、解説文を増やしました。