- 何かを予測するために機械学習モデルを訓練する
このレッスンのアクティビティ：
機械学習の3つの部分
人工知能、特に機械学習には3つの主要部分があることを思い出してほしい。
データ集合
パターンを探す
予測を立てる
このレッスンでは、予測を行うことができる独自のAIモデルをトレーニングすることで、2つ目のパート「パターンを見つける」に焦点を当てます。
多くの 無料のオンライン プラットフォーム そこでは教師あり学習を使ってAIモデルを訓練することができる。
機械学習には主に2つのタイプがある。 教師あり学習と 教師なし学習.
教師あり学習正解を指示することで、モデルがどのように学習するかを監督する。
教師なし学習は異なるアプローチを取る。モデルにはデータが提供されるが、ガイダンスや監視はない。AIモデルは自らパターンを発見する。この方法により、AIモデルは先入観なしにデータ間の新しいグループ分け、類似点、相違点を発見することができる。
このカリキュラムでは 教師あり学習を使います。例えば、AIモデルが、ある写真が 犬なのか 猫.
あなたのデータセットは、たくさんの犬と猫の写真になるだろう。
どの写真が犬で、どの写真が猫かを指示することで、モデルを訓練する手助けをする。
モデル計画
あなたのモデルは何かを予測する、あるいは分類する。多くの場合、これらのモデルは 分類モデルと呼ばれることが多い。
初めの一歩
- 何を分類しているのですか？画像、テキスト、音声ですか？これがあなたの データ型です。
- どのような分類が可能ですか？ 例えば 犬と 猫.これらは クラスです。.と呼ばれることもあります。 ラベル.
- モデルを訓練するために適切なデータを集める。各クラスを表すために、様々なデータをたくさん見つけよう。例えば、様々な種類の犬や猫の写真をたくさん集めましょう！
推奨プラットフォーム
AIの分類モデルを作成するための、フリーでオープンソースのプラットフォームは数多く存在する。
私たちは、あなたができるプログラムやプラットフォームのリストを作成しました：
- 予測モデルを構築する
- その後、モバイルまたはウェブアプリでモデルを使用し、予測に基づいたアクションを実行します。
ここでは、各プラットフォームがどのような分類や統合が可能かを簡単に紹介する。
| プラットフォーム | 分類の種類 | テクノベーション・インテグレーション |
|---|---|---|
| グーグルによるティーチャブル・マシン | 画像、音、ポーズ | App Inventor、Python、その他の統合が可能 |
| 子供のための機械学習 | 画像、音声、テキスト、数字 | Python、App Inventor（一部のデータ型用） |
| MIT App Inventor | 画像、音、ポーズ | App Inventor |
| キシミラー | 画像 | Thunkable、App Inventor、WEPアプリ、APIの使用 |
アクティビティ：機械学習モデルのトレーニング
じゃんけんモデルを作る
そして、事前にビルドされたシンプルなjavascriptインタラクションを使って、あなたのモデルが実際に動作するのを確認してください。
ビルド済みモデル
最初のAIモデルを構築した今、そしてプロジェクトのために独自のモデルを計画し始めた今、すでに構築されたモデルを使用することを検討するかもしれない。
なぜ車輪を再発明するのか？
AIモデルを公開・共有しているサイトはたくさんある。あなたが探している分類を提供してくれるのであれば、それらの利用を検討してもよいだろう。 以下は、公開されているMLモデルを提供しているサイトです。
これらのモデルを使用するには、ほとんどの場合、PythonやJavascriptのようなテキストベースの言語を使用する必要があります。
コーディングがまったく初めての方には、自分でモデルを作るのがおすすめです。自分でコントロールでき、その過程でAIについて多くを学ぶことができる！
振り返り
初めてAIモデルを作りましたね！これでAIモデルを作るプロセスを垣間見ることができるはずです。インターフェースは多少異なりますが、どのモデル作成プラットフォームも同じような方法で動作します。
主な用語のおさらい
- AI（または機械学習）モデル- 何かを予測または分類するためのパターンを認識するために、データセット上で訓練された人工知能。
- 教師あり学習 - 正解か不正解かを指示することでモデルを学習させる機械学習
- 教師なし学習 - 機械学習で、モデルが自らパターンを発見する。
- クラス- クラスによって入力を分類する方法を学習するために、AIモデルに提供されるラベル。
追加リソース
人工知能と機械学習についてもっと学びたい方は、ニューヨーク大学のダニエル・シフマンによる素晴らしいプレイリストをどうぞ。
