シラバス（機械学習）詳細
『シラバスの科目』は4つあり、E資格の出題範囲2つ目の「機械学習」についてまとめたページです。シラバスは（JDLA公式HP）大ボリュームで文字の羅列に見えるため、大枠が理解できるように工夫しています。AI技術は古くからあり、今日まで発展してきました。「機械学習」では、有名なアルゴリズムや学習全般に関わることを学びます。現在、AIの中心にあるのはディープラーニングであり、新しいAIモデルが研究開発されています。しかし、技術がどれだけ進歩しても、データを効率よく使い精度の高いモデルに学習させる方法は常に利用されます。そういった意味で、AI技術の骨組みと言えます。また、ディープラーニングも機械学習の一つの実現方法です。
AI学習の基礎の理解が求められます
機械学習の基礎
データを使ってAIに学習させることを学びます。アルゴリズムや理論、効率的な方法などがあります。
シラバス
- 学習アルゴリズム
- 機械学習課題
- ハイパーパラメータ
- 検証集合
- 最尤推定
- 教師あり学習アルゴリズム（2022#2より削除）
- 教師なし学習アルゴリズム（2022#2より削除）
- 確率的勾配降下法（2022#2より削除）
◇キーワード◇
- 教師あり学習、教師なし学習、半教師あり学習、転移学習
- 能力、過剰適合、過少適合、次元の呪い
- ホールドアウト法、k-分割交差検証法
- 条件付き対数尤度、平均二乗誤差
実用的な方法論
実装モデルの性能は精度として数値化します。パイパーパラメータは人の判断が入る部分です。
シラバス
- 性能指標
- ハイパーパラメータの選択
◇キーワード◇
- 精度、誤差
- 正解率、適合率、再現率、F値、mAP
- グリッドサーチ、ランダムサーチ、パイパーパラメータ最適化
強化学習
強化学習AIと言えば、囲碁や自動運転を思いつきます。強化学習の基本的な考え方を学びます。
シラバス
- 方策勾配法
- 価値反復法
◇キーワード◇
- 環境、エージェント、収益、報酬、価値、方策
- 方策勾配定理、ベルマン方程式
- モンテカルロ法、TD法、Sarsa、Q学習
条件付確率や文字と記号が羅列された数式が多く登場します。数学的に理解するところが多い分野です。
以上