|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "69389392fa6346e0dfa30f664b7b6fec",
|
|
|
"translation_date": "2025-09-06T09:34:38+00:00",
|
|
|
"source_file": "1-Introduction/1-intro-to-ML/README.md",
|
|
|
"language_code": "ja"
|
|
|
}
|
|
|
-->
|
|
|
# 機械学習の入門
|
|
|
|
|
|
## [講義前のクイズ](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
|
|
---
|
|
|
|
|
|
[](https://youtu.be/6mSx_KJxcHI "初心者向け機械学習 - 機械学習の入門")
|
|
|
|
|
|
> 🎥 上の画像をクリックすると、このレッスンの短い動画を見ることができます。
|
|
|
|
|
|
初心者向けの古典的な機械学習コースへようこそ！このトピックが初めての方も、機械学習の経験者で特定の分野を復習したい方も、歓迎します！このコースは、機械学習の学習を始めるための親しみやすい出発点を提供することを目指しています。ぜひ、[フィードバック](https://github.com/microsoft/ML-For-Beginners/discussions)をお寄せください。評価し、対応し、そして反映させていきます。
|
|
|
|
|
|
[](https://youtu.be/h0e2HAPTGF4 "機械学習の紹介")
|
|
|
|
|
|
> 🎥 上の画像をクリックすると、MITのJohn Guttagによる機械学習の紹介動画を見ることができます。
|
|
|
|
|
|
---
|
|
|
## 機械学習の始め方
|
|
|
|
|
|
このカリキュラムを始める前に、ノートブックをローカルで実行できるようにコンピュータを設定しておく必要があります。
|
|
|
|
|
|
- **これらの動画でマシンを設定する**。以下のリンクを使用して、[Pythonをインストールする方法](https://youtu.be/CXZYvNRIAKM)や[テキストエディタを設定する方法](https://youtu.be/EU8eayHWoZg)を学びましょう。
|
|
|
- **Pythonを学ぶ**。このコースで使用するデータサイエンティストに役立つプログラミング言語である[Python](https://docs.microsoft.com/learn/paths/python-language/?WT.mc_id=academic-77952-leestott)の基本的な理解を持つことをお勧めします。
|
|
|
- **Node.jsとJavaScriptを学ぶ**。このコースでは、ウェブアプリを構築する際に数回JavaScriptを使用するため、[node](https://nodejs.org)と[npm](https://www.npmjs.com/)をインストールし、PythonとJavaScriptの開発に使用する[Visual Studio Code](https://code.visualstudio.com/)を準備してください。
|
|
|
- **GitHubアカウントを作成する**。ここ[GitHub](https://github.com)で私たちを見つけたので、すでにアカウントを持っているかもしれませんが、まだの場合はアカウントを作成し、このカリキュラムをフォークして自分で使用してください。（ぜひスターも付けてください 😊）
|
|
|
- **Scikit-learnを探索する**。これらのレッスンで参照する[Scikit-learn](https://scikit-learn.org/stable/user_guide.html)というMLライブラリに慣れ親しんでください。
|
|
|
|
|
|
---
|
|
|
## 機械学習とは？
|
|
|
|
|
|
「機械学習」という言葉は、今日最も人気があり頻繁に使用される用語の一つです。技術に少しでも触れたことがあるなら、どの分野で働いていてもこの言葉を一度は聞いたことがある可能性が高いです。しかし、機械学習の仕組みは多くの人にとって謎のままです。機械学習初心者にとって、このテーマは時に圧倒的に感じられることがあります。そのため、機械学習が実際に何であるかを理解し、実践的な例を通じて段階的に学ぶことが重要です。
|
|
|
|
|
|
---
|
|
|
## 流行の曲線
|
|
|
|
|
|
|
|
|
|
|
|
> Googleトレンドが示す「機械学習」という言葉の最近の流行曲線
|
|
|
|
|
|
---
|
|
|
## 謎に満ちた宇宙
|
|
|
|
|
|
私たちは魅力的な謎に満ちた宇宙に住んでいます。スティーブン・ホーキングやアルバート・アインシュタインなどの偉大な科学者たちは、周囲の世界の謎を解き明かすための有意義な情報を探求することに人生を捧げてきました。これは人間の学習の本質です。人間の子供は新しいことを学び、成長するにつれて自分の世界の構造を年々明らかにしていきます。
|
|
|
|
|
|
---
|
|
|
## 子供の脳
|
|
|
|
|
|
子供の脳と感覚は周囲の事実を認識し、徐々に人生の隠れたパターンを学びます。そしてそのパターンを識別するための論理的なルールを作り上げます。人間の脳の学習プロセスは、人間をこの世界で最も洗練された生物にしています。隠れたパターンを発見し、それを基に革新を続けることで、私たちは生涯を通じて自分自身をより良くしていくことができます。この学習能力と進化能力は、[脳の可塑性](https://www.simplypsychology.org/brain-plasticity.html)という概念に関連しています。表面的には、人間の脳の学習プロセスと機械学習の概念の間にいくつかの動機的な類似点を描くことができます。
|
|
|
|
|
|
---
|
|
|
## 人間の脳
|
|
|
|
|
|
[人間の脳](https://www.livescience.com/29365-human-brain.html)は現実世界から物事を認識し、認識した情報を処理し、合理的な決定を下し、状況に応じて特定の行動を取ります。これが知的に振る舞うということです。この知的な行動プロセスを機械に模倣させることをプログラムする場合、それは人工知能（AI）と呼ばれます。
|
|
|
|
|
|
---
|
|
|
## 用語のいくつか
|
|
|
|
|
|
これらの用語は混同されることがありますが、機械学習（ML）は人工知能の重要なサブセットです。**MLは、特定のアルゴリズムを使用して認識されたデータから有意義な情報を見つけ出し、隠れたパターンを発見して合理的な意思決定プロセスを裏付けることに関心を持っています**。
|
|
|
|
|
|
---
|
|
|
## AI、ML、ディープラーニング
|
|
|
|
|
|
|
|
|
|
|
|
> AI、ML、ディープラーニング、データサイエンスの関係を示す図。 [Jen Looper](https://twitter.com/jenlooper)によるインフォグラフィック。 [このグラフィック](https://softwareengineering.stackexchange.com/questions/366996/distinction-between-ai-ml-neural-networks-deep-learning-and-data-mining)に触発されています。
|
|
|
|
|
|
---
|
|
|
## カバーする概念
|
|
|
|
|
|
このカリキュラムでは、初心者が知っておくべき機械学習の基本概念のみを扱います。主にScikit-learnを使用して「古典的な機械学習」をカバーします。これは多くの学生が基礎を学ぶために使用する優れたライブラリです。人工知能やディープラーニングの広範な概念を理解するには、機械学習の強固な基礎知識が不可欠であり、それをここで提供したいと考えています。
|
|
|
|
|
|
---
|
|
|
## このコースで学ぶこと
|
|
|
|
|
|
- 機械学習の基本概念
|
|
|
- 機械学習の歴史
|
|
|
- 機械学習と公平性
|
|
|
- 回帰の機械学習技術
|
|
|
- 分類の機械学習技術
|
|
|
- クラスタリングの機械学習技術
|
|
|
- 自然言語処理の機械学習技術
|
|
|
- 時系列予測の機械学習技術
|
|
|
- 強化学習
|
|
|
- 機械学習の実世界での応用
|
|
|
|
|
|
---
|
|
|
## このコースで扱わないこと
|
|
|
|
|
|
- ディープラーニング
|
|
|
- ニューラルネットワーク
|
|
|
- AI
|
|
|
|
|
|
より良い学習体験を提供するために、ニューラルネットワークや「ディープラーニング」（ニューラルネットワークを使用した多層モデル構築）の複雑さ、そしてAIについては別のカリキュラムで扱います。また、データサイエンスに焦点を当てたカリキュラムも提供予定です。
|
|
|
|
|
|
---
|
|
|
## なぜ機械学習を学ぶのか？
|
|
|
|
|
|
システムの観点から見ると、機械学習はデータから隠れたパターンを学び、知的な意思決定を支援する自動化システムの構築と定義されます。
|
|
|
|
|
|
この動機は、人間の脳が外界から認識したデータに基づいて特定のことを学ぶ方法に緩やかに触発されています。
|
|
|
|
|
|
✅ ビジネスがハードコードされたルールベースのエンジンを作成する代わりに、機械学習戦略を使用しようとする理由を少し考えてみてください。
|
|
|
|
|
|
---
|
|
|
## 機械学習の応用
|
|
|
|
|
|
機械学習の応用は現在ほぼ至る所にあり、スマートフォン、接続されたデバイス、その他のシステムによって生成されるデータが社会に流れているのと同じくらい普遍的です。最先端の機械学習アルゴリズムの膨大な可能性を考慮すると、研究者たちは多次元および多分野の実生活の問題を解決する能力を探求しており、非常に良い結果を得ています。
|
|
|
|
|
|
---
|
|
|
## 機械学習の応用例
|
|
|
|
|
|
**機械学習は多くの方法で使用できます**：
|
|
|
|
|
|
- 患者の病歴や報告書から病気の可能性を予測する。
|
|
|
- 天気データを活用して気象イベントを予測する。
|
|
|
- テキストの感情を理解する。
|
|
|
- 偽ニュースを検出してプロパガンダの拡散を防ぐ。
|
|
|
|
|
|
金融、経済、地球科学、宇宙探査、生体工学、認知科学、さらには人文学の分野でも、機械学習はその分野の困難なデータ処理問題を解決するために適応されています。
|
|
|
|
|
|
---
|
|
|
## 結論
|
|
|
|
|
|
機械学習は、実世界や生成されたデータから有意義な洞察を見つけ出すことでパターン発見のプロセスを自動化します。ビジネス、健康、金融などの分野で非常に価値があることが証明されています。
|
|
|
|
|
|
近い将来、機械学習の基本を理解することは、どの分野の人々にとっても必須となるでしょう。それは広く採用されているためです。
|
|
|
|
|
|
---
|
|
|
# 🚀 チャレンジ
|
|
|
|
|
|
[Excalidraw](https://excalidraw.com/)のようなオンラインアプリや紙を使って、AI、ML、ディープラーニング、データサイエンスの違いについての理解をスケッチしてください。それぞれの技術が解決に適している問題のアイデアも追加してください。
|
|
|
|
|
|
# [講義後のクイズ](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
|
|
---
|
|
|
# 復習と自己学習
|
|
|
|
|
|
クラウドでMLアルゴリズムを使用する方法について学ぶには、この[学習パス](https://docs.microsoft.com/learn/paths/create-no-code-predictive-models-azure-machine-learning/?WT.mc_id=academic-77952-leestott)を参照してください。
|
|
|
|
|
|
機械学習の基本について学ぶには、この[学習パス](https://docs.microsoft.com/learn/modules/introduction-to-machine-learning/?WT.mc_id=academic-77952-leestott)を参照してください。
|
|
|
|
|
|
---
|
|
|
# 課題
|
|
|
|
|
|
[準備を整える](assignment.md)
|
|
|
|
|
|
---
|
|
|
|
|
|
**免責事項**:
|
|
|
この文書は、AI翻訳サービス [Co-op Translator](https://github.com/Azure/co-op-translator) を使用して翻訳されています。正確性を期すよう努めておりますが、自動翻訳には誤りや不正確な表現が含まれる可能性があります。元の言語で記載された原文を公式な情報源としてご参照ください。重要な情報については、専門の人間による翻訳を推奨します。本翻訳の利用に起因する誤解や誤認について、当社は一切の責任を負いません。 |
