ルールを手作業でプログラミングする代わりに、事例を入力してアルゴリズムにパターンを見つけさせましょう。機械学習はデータに基づいてモデルを構築し、データが増えるにつれて精度が向上します。現在では、検索、レコメンデーション、不正検出、音声認識などの基盤となっています。

この分野は、教師あり学習と教師なし学習の2つの側面に分けられます。教師あり学習はラベル付きデータを使用し、教師なし学習はラベルなしで構造を見つけ出します。強化学習は、相互作用を通して報酬信号から学習します。それぞれ異なる問題に適しています。

一般的な学習パラダイム

• ラベルからの教師あり学習
• 構造からの教師なし学習
• 報酬からの強化学習
• 混合データからの半教師あり学習
• 事前タスクからの自己教師あり学習

データは結果を左右する。クリーンで関連性の高いデータに基づいたシンプルなモデルは、ノイズの多いデータに基づいた複雑なモデルよりも優れた結果をもたらすことが多い。実務担当者は、アーキテクチャの探索ではなく、データの収集、クリーニング、検証にほとんどの時間を費やしている。