
何が起きたか
同ガイドの早見表では「ラベルなし」「グループ化」などのキーワードを教師なしのK-meansに、「予測」「ラベル付きデータ」を教師ありのLinear LearnerかXGBoostに振り分けている。
なぜ重要か
guideによれば、受験者は各アルゴリズムの内部を暗記するのではなく、問題文のキーワードを学習タイプに対応付けてアルゴリズム選択問題に答えられる。
こういう要約が、毎朝あなたのメールに届きます。
このガイドはAWS AIプラクティショナー認定に関する連載の第3回で、試験全体の構成やAIのユースケースとタスク分類を扱った過去の記事に続くものだ。今回はDomain 1、Task 1.1の「AIの基礎と用語」に絞り込み、著者はここが出題される可能性が最も高い分野だと見ている。
中心となる考え方は、データにラベルが付いているかどうかだ。教師あり学習はラベル付きデータから答えを予測し、分類(カテゴリ)と回帰(数値)に分かれる。教師なし学習はラベルなしデータから構造を見つけ、クラスタリングが中心的な例となる。ガイドはまた、試験ガイドに記載のない補足的な概念として半教師あり学習を、報酬から試行錯誤で学ぶものとして強化学習を挙げている。
早見表と判断フローは、こうした定義を試験対策に落とし込む。「ラベルなし」「グループ化」「類似性」などのキーワードは教師なしのK-meansを、「予測」「ラベル付きデータ」「過去の結果」は教師ありのLinear LearnerかXGBoostを指す。ガイドはこれに加え、SageMakerのアルゴリズムを学習タイプと対応タスクに整理した表や、分類と回帰、クラスタリングと分類、K-meansとKNNといった混同しやすい組み合わせを区別する節も備える。短い練習問題では、このフローを顧客セグメンテーション、売上予測、不正検知に当てはめている。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
次の記事へFTAI Aviationがエンジン由来タービン100基超納入へ