讃岐小僧のEngineering×Techメモ

未経験から挑戦中のプログラミングや、趣味の野球や狩猟について、その他、ビジネスやテクノロジーをテーマに様々なことをつぶやく場所です。

【JDLA】G検定受験に向けたメモ ~part1~

G検定とは

一般社団法人日本ディープラーニング協会(JDLA)が実施する資格試験。

小僧が受験するのはG検定で合格できたものはJDLAより下記の認定を受け取ることができる。

ディープラーニングの基礎知識を有し、適切な活用方針を決定して事業応用する能力を持つ人材

www.jdla.org

ということで、今回は仕事にてAIを取り扱うことになったため、エンジニアではない小僧はG検定への準備を行っていきます。

受験日は2019年3月9日(日)です。

それまでの間、学習中に理解が難しかったところや新しく覚えた用語等についてメモしていきたいと思います。

人工知能(AI)とは

まず、人口知能の定義は一つではないことから紹介したい。 総務省より発表されている「人工知能(AI)の現状と未来」では下図の用に紹介されている。

f:id:keisuke8925gdk:20190222003739p:plain
人工知能は人間を超えるか」(KADOKAWA)p.45より
http://www.soumu.go.jp/johotsusintokei/whitepaper/ja/h28/pdf/n4200000.pdf

小僧としては「人の知的な振る舞いを模倣、支援、超越するための構成的システム」という立場を推している。

教師あり学習

与えられたデータ(入力)を元に、そのデータがどんなパターン(出力)になるのかを識別・予測する

  • 過去の売上から、将来の売上を予測したい(回帰問題)
    → 予想される連続値を求める問題を回帰問題という

  • 与えられた動物の画像が、何の動物かを識別したい(分類問題)
    → 離散値を予測する問題のことを分類問題という

教師なし学習

教師なしデータには出力がない
データそのものが持つ構造・特徴が対象となる

  • ECサイトの売上データから、どういった顧客層があるのかを認識したい
  • 入力データの各項目にある関係性を把握したい

線形回帰(Linear regression)

→データの分布があった時に、そのデータに最も当てはまる直線を考える

f:id:keisuke8925gdk:20190304234609p:plain
線形回帰のイメージ図

ラッソ回帰(lasso regression)

→線形回帰にL1正則化項を加えた手法

リッジ回帰(ridge regression)

→線形回帰にL2正則化項を加えた手法

ロジスティック回帰(logistic regression)

「回帰」とついているが、分類問題に用いる手法

シグモイド関数

任意の値を0から1の間に写像するもの。 データが与えられた際に正例(+1)になるか負例(0)になるかの確率を求まるので、データを2種類に分けることができる。

ソフトマックス関数

シグモイド関数は与えらたデータを2つのうちどちらかに分類するものだが、ソフトマックス関数は2つ以上に分類を行う場合に利用されるもの

活性化関数

シグモイド関数のようにアルゴリズム層の間をどのように電気信号を伝搬させるかを調整する関数を活性化関数という

f:id:keisuke8925gdk:20190306180028p:plain
シグモイド関数のイメージ

次の記事はこちら