5/27 代表勉強通信~「Building Machine Learning Powered Applications」②
![](https://sinlab.future-tech-association.org/wp-content/uploads/2020/04/1484F181-585A-44DB-B762-9651411EB3E1.jpeg)
こんばんは。代表の草場です。
引き続き、「Building Machine Learning Powered Applications: Going from Idea to Product 1st Edition」を読んでいます。本日は第一章の途中まで紹介します。
まず、大前提として、機械学習は様々なアプリケーションの世界を切り開いてくれますが、どのようなタスクが機械学習で解決できるのか、解決すべきなのかを考えることが重要です。製品を作るときには、「具体的なビジネスの問題」から始めて、それが機械学習を必要とするかどうかを判断し、可能な限り迅速に反復処理ができるような機械学習のアプローチを見つける作業をする必要があります。本にもある通り、
「最も重要なことは、常に製品のゴールから始めて、それを解決するための最善の方法を決定すること」
です。そのうえで、「機械学習のアプローチを検討する際には、そのアプローチが製品にどれだけ適しているか、ということに基づいて評価するように」、とのことです。そのためには、次の2つのステップを踏むのがベストです。
(1)製品のゴールを機械学習のパラダイムでフレーム化
(2)その機械学習タスクの実現可能性を評価
本に細かく説明があります。
1.機械学習パラダイムで製品のゴールをフレーム化
製品を作るときには、ユーザにどのようなサービスを提供したいかを考えることから始めるが、機械学習の問題は、全く異なる方法でフレーム化されている。1つの製品目標に対して、多くの異なる機械学習の定式化が存在する。
2.機械学習の実現可能性を評価
機械学習アプリケーションを効率的に構築するためには、複数のフレームを検討し、最も簡単だと判断したものから始めることが重要。機械学習の問題の難易度を評価するには、機械学習問題の核心的な側面、データとモデルを調べる必要がある。
次回は上記のデータとモデルに関して記載します。
明日もラボ活。
EVENTS
![](https://sinlab.future-tech-association.org/wp-content/uploads/event_icon2.png)
![](https://sinlab.future-tech-association.org/wp-content/uploads/event_icon2.png)
![](https://sinlab.future-tech-association.org/wp-content/uploads/event_icon1.png)
![](https://sinlab.future-tech-association.org/wp-content/uploads/event_icon1.png)
![](https://sinlab.future-tech-association.org/wp-content/uploads/event_icon2.png)