AI・データサイエンス基礎 - ML/DL/データサイエンティスト

いい質問ね。
大きさで整理しましょう。
一番大きい入れ物がAI?
、その中に機械学習?
、さらにその中に深層学習?
があるの。
マトリョーシカ人形みたいな入れ子よ。

合言葉は『答えあり・答えなし・ごほうび』よ。
答え付きの問題集で勉強するのが教師あり、似たもの同士を自分で仕分けるのが教師なし、ゲームで高得点を狙って上達するのが強化学習。
身近な例だと、迷惑メール判定は教師あり、顧客のグループ分けは教師なし、囲碁AIのAlphaGoは勝ち負けという報酬で強くなる強化学習ね。

代表的なモデルは3つ。
CNN?
は画像、RNN?
は時系列、Transformer?
は今の生成AIの土台、と用途で覚えるのよ。

ふふ、だからこそ希少なのよ。
標準の型がCRISP-DM?
。
ビジネス理解→データ理解→データ準備→モデリング→評価→展開、の6ステップを行ったり来たりしながら進めるの。
一直線じゃなく、必要なら前の工程に戻るのがポイント。
最初が『ビジネス理解』なのも大事で、目的ありきの順番なのよ。

だから判断の根拠を人が分かるようにする説明可能性?
(XAI)が重視されているの。
なぜその結論かを説明できれば、間違いにも気づけるでしょう。
日本にも内閣府の人間中心のAI社会原則?
という指針があるわ。

心配しすぎなくて大丈夫よ。
大事なのはAIに全部任せることではなく、人とAIが得意を分担して協調すること。
AIを上手に使いこなせる人になるのが、これからの一番の強みね。

ふふ、その意気よ。
最後に整理すると、AI⊃ML⊃DLの包含関係、機械学習の3方式、深層学習の代表モデル(CNN・RNN・Transformer)、データサイエンティストの3要素、CRISP-DMの流れ、AI活用の注意点。
この6つを押さえれば、この分野は得点源になるわ。