
何が起きたか
AWSの6段階MLライフサイクル(業務目標、問題定義、データ処理、モデル開発、導入、監視)を示し、試験で最も問われるのはデータ収集より先に業務目標を特定することだと解説した。
なぜ重要か
受験者にとってモデル診断の問いは、学習精度が高くテスト精度が低ければ過学習、両方低ければ未学習という比較に集約され、対策は正反対になる。
こういう要約が、毎朝あなたのメールに届きます。
ガイドはライフサイクルをパイプラインではなくループとして位置づけている。各段階は前の段階にフィードバックされ得るもので、6段階構造の出典としてAWS Well-Architected Machine Learning Lensを挙げている。そのループの中で、出発点は業務目標だと明言している。MLがそもそも必要かどうか、成功をどう測るかという問いが、あらゆるデータ収集に先立つからだ。
診断の節は、学習精度とテスト精度の2×2の比較が中心だ。ガイドは、精度が低いだけでは過学習を示さない(過学習では学習精度は高いまま)と強調し、対策は正反対を向くと述べる。過学習には正則化、早期終了、データ増加。未学習にはより複雑なモデル、特徴量の追加、エポック数の増加だ。また、試験で問われるとされる近接用語も区別している。学習・検証・テストデータの役割の違いや、学習前に設定するハイパーパラメータと学習中に獲得する重みの違いなどだ。
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
次の記事へアンソロピック上場でAIの予見性向上、荒い相場続くとの見方