ソフトウェアエンジニアのための「機械学習理論」入門

JTF2015にいってきた。

ソフトウェアエンジニアのための「機械学習理論」入門

をメモメモ

---

背景
・機械学習は結構前からある
・ツールがオープンソース＋ディープラーニング：某日経ＢＰがあおりだす
　　オープンソース好きを助けたい
　　日経の人が煽ると、１年後に忘れ去られる→ちゃんと使えば役に立つ
　　　　場図ワードで終わらせたくない

ＮＩＩの資料を使うよ（数式スキップ！）
・第二部の途中くらいまで

・データサイエンスと機械学習
　パーツを組み合わせて、データサイエンス

・いろんな判断
　　→なににもとづくか
　　　　　データに基づいて、過去のデータから判断：データサイエンス
・データサイエンスに必要な知識
　　・ビジネスの理解
　　・分析理論の理解
　　・データの理解

・データサイエンスの誤解
　データサイエンティスト：事実を明らかにする？
　ビジネス判断はスーツの役割？→誤解
　　→ビジネスに役立つ判断まで導く

・どんなふうに機械学習を使うか
　　アルゴリズム
　　過去のデータ
　　判断できる

・機械学習アルゴリズムの分類
　　分類（ＡかＢか）
　　回帰（数値で判断）
　　　　誤差関数（最小２乗法）による回帰→２乗誤差を小さくする

　　オーバーフィッティングの問題→一般化力
　　　実際に良くやるのはテスト用データを用意しておく

・いけてない機械学習の例
　　分類：決定木→根拠ない：比較検討
　　データの理解

・試行錯誤で見つけ出す方法
　　テストセットを用意しておく
　　ビジネスに適用してみる→いいアルゴリズムを適用する