
何が起きたか
実践→理論→全体像の読書順を示し、前処理やパイプライン、交差検証を扱うGéronの1,000ページ超の著書から始める。
なぜ重要か
この順序で知識がつながり、データ追加やモデル変更、評価修正を判断する再現可能な方法を得られたと筆者は語る。
こういう要約が、毎朝あなたのメールに届きます。
筆者の出発点はレコメンド機能の改善プロジェクトだった。scikit-learnのドキュメントを読みGridSearchCVを回して動くものはできたが、オフライン評価の数字は伸び悩んだ。データを増やすべきか、モデルを変えるべきか、評価設計を疑うべきか判断する根拠がなく、目の前のエラーを直す検索結果の断片に頼るだけで、再現可能な判断力は身につかなかった。
体系的な書籍を読み直して分かったのは、順序が重要だということだ。だからこそ3冊は優劣ではなく順番で並べている。Géronの著書は前処理や交差検証といった地味な作業を含む実務の層を担い、終盤のエンドツーエンドのプロジェクト章が、評価が地域の偏った分布を引き継いでいたことに気づき、層化抽出でテストセットを作り直すきっかけになった。次にGoodfellow、Bengio、Courvilleの著書が、学習が成功するか失敗するかの語彙を与えてくれる。
PooleとMackworthの教科書を最後に置くのは視野を広げるためだ。機械学習は探索や制約充足、計画、意思決定と並ぶ一章として現れる。原著は2016年なのでTransformer時代の話題はなく、最新の概観ではなく基礎的な辞書として位置づけている。
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TASTEベンチマークに近道、用語数えるだけで精度63.0%