カテゴリ
AI活用
生成AIの使い方、仕組みの解説、モデル開発の学習記録。
- 機械学習の全体地図（1）全体像と「学び方」 機械学習を「学び方・タスク・モデル・手順」の4つの軸で整理する連載の第1回。やりたいことからの探し方、最初に押さえる言葉、課題に合う手法がわかる手法ナビ、教師あり・教師なし・強化学習などの学び方の違いと用語集をまとめます。
- 機械学習の全体地図（2）タスクとモデル 回帰・分類・クラスタリングなど「何を出力するか」で分けたタスクと、線形モデル・決定木・ニューラルネットワークなど「規則をどう表すか」で分けたモデルを整理し、実務でのモデルの選び方の定石を紹介します。
- 機械学習の全体地図（3）作って確かめる手順 前処理、データ分割と交差検証、過学習と未学習、損失関数と最適化、ハイパーパラメータの探し方まで、どの手法にも共通する作り方と確かめ方をまとめます。過学習や学習率をスライダーで試せるデモ付き。
- 機械学習の全体地図（4）評価指標と落とし穴 タスク別の評価指標を整理し、閾値を動かして適合率と再現率の関係を確かめます。よくある落とし穴と、うまくいかないときの見直し方もまとめます。
- 機械学習の全体地図（5）深層学習とLLM ニューラルネットワークの仕組みからCNN・RNN・Transformer、学習済みモデルの活用、LLMができるまでの流れ、使う側の選択肢、限界と評価までを整理します。
- 機械学習の全体地図（6）運用と責任あるAI モデルを作ったあとに必要な再現性の確保、本番への載せ方、安全な切り替え、監視と、公平性・説明可能性・プライバシーなど責任あるAIの観点、応用例との対応をまとめます。
- 機械学習の全体地図（7）Pythonで書く scikit-learnを中心に、すべての推定器に共通の使い方と、回帰・分類・クラスタリング・異常検知などのコードのレシピ、地図の項目とPythonのクラスの対応表をまとめます。
- 機械学習の全体地図（8）通しチュートリアル：解約予測 解約予測を題材に、課題の定義からデータ分割、前処理、モデルの比較、評価、チューニング、本番への載せ方、監視までをPythonで通して実装します。