機械学習って何？ 5分で解説頑張ってみる

大規模言語モデルや画像処理モデルに使われている機械学習。
原理を知らない人向けに、5分間で解説した際のスライドです。

1. 機械学習って何？ 5分で解説頑張ってみる 石川和樹 1
2. 自己紹介 2 経歴 2024年 4月 WED株式会社に新卒入社 MLエンジニア バック・フロント・インフラ・ネイティブもちょっと 趣味 ゲーム、パズル、謎解き 推し 猫又おかゆ (Hololive) 石川和樹 　　@ishi2ki 　　@kuroneko2828
3. 機械学習の分類 3 教師あり学習 強化学習 教師なし学習 機械学習
4. 機械学習の分類 4 強化学習 教師なし学習 機械学習 教師あり学習
5. 5 突然ですが、クイズです
6. 6 1 3 2 5 7 6 6 4 13 25 76 ？
7. 7 ＋ 1 3 ＋ 2 5 ＋ 7 6 ＋ 6 4 x10 x10 x10 x10 x1 x1 x1 x1 13 25 76 64
8. 8 機械学習モデル
9. パーセプトロン 9 + a b x Wa x Wb c c = Wa×a + Wb×b となる、Wa, Wbを (a, b, c) の3つ組データ から探す (a, b, c) = (1, 3, 13), (2, 5, 25), (7, 6, 76), (11, 1, 111), (53, 1, 531), (-1, 1, 99), (5, -3, 47), (0, 2, 2) 機械学習モデルの最小単位 c = 10×a + 1×b だ！！ (Wa, Wb) = (1, 1)...ちがう、 (2, 1)...ちがう、(0, 0)...ちがう、 (-1, 3)...ちがう、(7, 8)...ちがう、 …………. (10, 1)...
10. 10 それが大きくなって ... + + x W(1,1) x W(1,2) x W(2,1) x W(2,2)
11. 11 大きくなって大きくなって ... + + + +
12. もっと大きくなって ...！ 12 ・・・ ・・・ ・・・ ・・・
13. 機械学習モデル 13 入力配列 出力配列 モデル 大量の入力・出力ペアから、 全ての重み (Wa, Wb, …) を学習する 学習が充分にされていれば、未知のデータ でも正しく推論可能！
14. 14 タスク例
15. 自然言語処理 (Text to Text) 15 1204, 911, 5044, 1035 モデル これはペンです これ, は, ペン, です 5730, 5024, 5046, 8305 This, is, a, pen ① ② ③ ④ ①　文をトークン (≒単語) に分割する ②　トークンを対応する数値に変換する ③　モデルで推論を行う (出力は数値) ④　数値をトークンに変換する ⑤　トークンを結合する ⑤ This is a pen
16. 画像処理 (クラス分類 ) 16 猫 or 犬 の分類タスク [ [[255, 250, 198], [255, 253, 208], …], [[......... [[......... ] R G B R G B ①　画像を数値の配列に変換
17. 画像処理 (クラス分類 ) 17 [ [[255, 250, 198], [255, 253, 208], …], [[......... [[......... ] モデル 0 (0: 猫, 1: 犬) ① ② ①　画像を数値の配列に変換 ②　モデルで推論を行う 　　(「0: 猫, 1: 犬」のように、 　　 ラベルと数値を1:1対応させる)
18. まとめ • 機械学習モデルの実態は大量の計算式！ • モデルの学習＝「入出力のデータに合うように、 重みを更新すること」 • 文字や画像も、数値に変換すれば扱える！ • 機械学習の実装は結構簡単！ ◦ iris (アヤメの分類) ◦ MNIST (手書き数字の分類) 18