BLOG

シンラボメンバーのあれこれ

  1. HOME
  2. ブログ
  3. 代表通信
  4. 5/26 代表勉強通信~「Building Machine Learning Powered Applications」①

5/26 代表勉強通信~「Building Machine Learning Powered Applications」①

こんばんは。代表の草場です。

Building Machine Learning Powered Applications: Going from Idea to Product 1st Edition」を読み始めました。兎にも角にも何か作ろうと思ったためです。本当はTwitter見て衝動買いです。今回から何回かに分けて解説していきます。PyCaretも続きやるので(たぶん)。

著者の問題意識は、「機械学習は、様々な製品の動力源として使用されるようになってきたが、このような製品を構築する方法をエンジニアや科学者に教えるためのリソースはあまり多くない。機械学習を用いた実用的なアプリケーションの構築方法を学ぶことができるものは、ほとんどない」ことです。

「与えられた特徴に対して適切な機械学習アプローチの選択、モデルエラーやデータ品質の問題の分析、製品の品質を保証するためのモデル結果の検証は、すべて機械学習構築プロセスの中核をなす挑戦的な問題だ。本書では、このプロセスの各ステップを経て、メソッド、コード例、私や他の経験豊富な実務家からのアドバイスを織り交ぜながら、それぞれを達成するための手助けをすることを目的としている。」

この本では、機械学習で動くライティングアシスタントを実装することをケーススタディーに取り上げています。

「本書の目的は、機械学習を活用したアプリケーションを構築するための実践的なガイドを共有することだ。実用的であり、モデルのプロトタイプ作成、反復処理、展開を支援するための具体的なヒントと方法に焦点を当てている。」

楽しみだ。

序章で、「実用的な機械学習」という言葉が出てきます。
「実用的な機械学習とは、機械学習の恩恵を受けられる実用的な問題を特定し、それらの問題を解決するためのソリューションを提供することだ」
そう、問題解決のための機械学習ですね。前に自然言語処理を使ってSDGsメーター作りましたが、そもそもなんの問題を解決したかったんだっけ?となってしまったことを思い出しました。。。

「機械学習の製品をユーザに提供するためには,単にモデルを訓練するだけでなく,それ以上のことをする必要がある。製品の必要性を機械学習の問題に注意深く変換し、適切なデータを収集し、モデル間で効率的に反復処理を行い、結果を検証し、ロバストな方法で展開する必要がある。モデルの構築は、MLプロジェクトの総作業量の10分の1に過ぎない。
うう、論文読んで面白いモデル読んで満足している自分には耳が痛いです。

今後、読んだ内容を順番にまとめていきます。

 

関連記事