Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Sign up for free
Menu
Search
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Pricing
Search
Sign in
Sign up for free
機械学習イントロダクション/machine-learning-lecture-introduc...
Search
monochromegane
July 13, 2020
Technology
9k
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
機械学習イントロダクション/machine-learning-lecture-introduction
GMOペパボ新卒研修2020 機械学習入門 補足資料#01
monochromegane
July 13, 2020
Transcript
24 slides
1 ペパボ研究所 三宅悠介 新卒研修 機械学習入門 補足資料#01 (2020/07/12 Update) 機械学習 イントロダクション
2 2 機械学習とは何か そして、何ではないか
3 プログラムが、データから知識を学習すること、また それを用いてタスクを実行する手法のこと 3 機械学習とは 機械学習とは何か
4 入力から出力を推測したい やりたいこと 4
5 入力から出力を推測したい やりたいこと 5 入力から出力を予測 する関数を考える
6 入力から出力を推測したい やりたいこと 6 切片w0と傾きw1を持 つ一次関数で表す
7 入力から出力を予測したい やりたくないこと 7 ② w0とw1を発見させるプロ グラムを書く ① w0とw1を自分で決める
8 入力から出力を予測したい やりたくないこと 8 ② w0とw1を発見させるプロ グラムを書く ① w0とw1を自分で決める ❌
9 9 データから学習する、とは 機械学習とは何か プログラムによって 入力に対して 望ましい出力を返すよう 数式のパラメータを調整すること
10 ① データの生成規則をモデルとして記述する 10 データから学習する、ためには 機械学習とは何か 入出力(変数) 数式の構造 数式のパラメータ
11 ① データの生成規則をモデルとして記述する ② モデルの良し悪しを定式化する 11 データから学習する、ためには 機械学習とは何か
12 ① データの生成規則をモデルとして記述する ② モデルの良し悪しを定式化する ③ 現在のパラメータの良し悪しを②式で評価 12 データから学習する、ためには 機械学習とは何か
13 ① データの生成規則をモデルとして記述する ② モデルの良し悪しを定式化する ③ 現在のパラメータの良し悪しを②式で評価 ④ ③の評価に基づきパラメータを調整 13
データから学習する、ためには 機械学習とは何か
14 ① データの生成規則をモデルとして記述する ② モデルの良し悪しを定式化する ③ 現在のパラメータの良し悪しを②式で評価 ④ ③の評価に基づきパラメータを調整 14
データから学習する、ためには 機械学習とは何か
15 ① データの生成規則をモデルとして記述する ② モデルの良し悪しを定式化する ③ 現在のパラメータの良し悪しを②式で評価 ④ ③の評価に基づきパラメータを調整 ⑤
モデルを用いてタスクを実行する 15 データから学習する、ためには 機械学習とは何か
16 16 機械学習のタスク 何のために学習するのか
17 プログラムが、データから知識を学習すること、また それを用いてタスクを実行する手法のこと 17 機械学習とは(再掲) 機械学習とは何か
18 機械学習では、モデルが前提と するデータの生成規則におけ る、未知のデータに対してどれ だけそのタスクをよくこなせるか が求められる。 18 モデルとタスクと汎化 機械学習とは何か
19 19 回帰 (Regression) 代表的な機械学習のタスク 入力から出力を予測する問題設定。 出力は連続値として得られる。 入出力の関係性は、訓練データ(ラベル付きの例) から学習する(教師あり学習)
例)気温から売り上げを予測、土地の特徴から家屋の価格を予測
20 20 分類 (Classification) 代表的な機械学習のタスク 入力から出力を予測する問題設定。 出力は離散値(有限集合の要素)で得られる。 入出力の関係性は、訓練データ(ラベル付きの例) から学習する(教師あり学習)
例)スパムメール分類、手書き文字認識
21 21 クラスタリング (Clustering) 代表的な機械学習のタスク 入力をいくつかのクラスタに分割する問題設定。 クラスタは、入力データ自身の性質から学習する (教師なし学習) 例)商品特徴による動的なカテゴリ生成
22 機械学習のタスクと手法 22 機械学習のタスク 機械学習の手法(モデル、アルゴリズム) 教師あり 分類 ロジスティック回帰 SVM 決定木
ニューラルネットワークなど 回帰 線形回帰 リッジ回帰 決定木 ニューラルネットワークなど 教師なし クラスタリング k-meansなど 次元削減 PCAなど など -
23 23 なぜ機械学習を学ぶのか
24 Webサービスの利用者の行動(や意図)はログをはじめ とするデータとして観測できる。 データの背景を記述し学習する機械学習の手法を習 得することで、個々の利用者の振る舞いに適応する データ駆動なシステムを実現し、エンジニアリングに よってファンを増やすことにつながる。 24 「ファンを増やす」 なぜ機械学習を学ぶのか
More Decks by monochromegane
See All by monochromegane
Go言語とトイモデルで学ぶTransformerの気持ち / fukuokago23-transformer
monochromegane
0
300
適応的スパムフィルタのための軽量な類似メッセージカウンタ / jsai2026-adaptive-spam-filter
monochromegane
0
6.5k
ベクトル検索のフィルタを用いた機械学習モデルとの統合 / python-meetup-fukuoka-06-vector-attr
monochromegane
3
950
Claude Codeセッション現状確認 2026福岡 / fukuoka-aicoding-00-beacon
monochromegane
4
860
Go言語での実装を通して学ぶLLMファインチューニングの仕組み / fukuokago22-llm-peft
monochromegane
0
330
不確実性下における目的と手段の統合的探索に向けた連続腕バンディットの応用 / iot70_gp_rff_mab
monochromegane
2
620
なめらかなシステムと運用維持の終わらぬ未来 / dicomo2025_coherently_fittable_system
monochromegane
0
57k
ベクトル検索システムの気持ち
monochromegane
38
13k
Go言語での実装を通して学ぶ、高速なベクトル検索を支えるクラスタリング技術/fukuokago-kmeans
monochromegane
1
350
Other Decks in Technology
See All in Technology
ノードが消える前提で設計する!Karpenterで金融システムを止めないためのノウハウ大全
daitak
1
110
Frontier Teams — Amazon は AI で「開発のやり方」をどう変えたのか
kmotohas
0
300
MCPでネットワーク障害調査を自動化する前に直すべき3つのこと
yama3133
1
630
会社説明資料_最新版
demaecan
0
32k
自動計装なしでECSサービスをApplication Signalsに載せるまで
ota1022
2
410
おうち環境でも「なるべく止めたくない!」 ― おうち環境の機器冗長化の理想と現実
yuutosi
1
610
人間+AIを「チーム」としてプロセスを再設計する
littlehands
4
3.5k
AI対話型分析を作成し、リリースするまでの話 / The Road to Release: Buiding AI Conversational Analytics
yappli_developers
0
170
契約書SaaSにAIエージェントを組み込む
sansantech
PRO
0
190
Agent Routerで作るマルチテナント 推論基盤 #CNDW2026 / Building Multi-Tenant Inference Platform with Agent Router #CNDW2026
everpeace
3
370
サーバーラックは作る時代! 3Dプリンターで作る10インチラックのススメ
jacopen
2
470
変更差分を読むために環境を整備しよう
pipepasta
1
470
Featured
See All Featured
Building Better People: How to give real-time feedback that sticks.
wjessup
371
20k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
47
8.4k
How to optimise 3,500 product descriptions for ecommerce in one day using ChatGPT
katarinadahlin
PRO
3
3.9k
End of SEO as We Know It (SMX Advanced Version)
ipullrank
3
4.5k
Amusing Abliteration
ianozsvald
1
390
The Director’s Chair: Orchestrating AI for Truly Effective Learning
tmiket
1
350
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
508
140k
How to Get Subject Matter Experts Bought In and Actively Contributing to SEO & PR Initiatives.
livdayseo
1
250
The Art of Programming - Codeland 2020
erikaheidi
57
15k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
141
35k
Faster Mobile Websites
deanohume
310
32k
Rebuilding a faster, lazier Slack
samanthasiow
85
9.8k