Pytorch-universal-workflow-of-machine-learning

機械学習の普遍的なワークフロー

人工知能は、最近大幅に増加しています。 機械学習と深層学習は人工知能を構成します。 下記のベン図は、機械学習と深層学習の関係を説明しています。

関係機械学習

機械学習

機械学習とは、コンピューターが設計およびプログラムされたアルゴリズムに従って動作することを可能にする科学の技術です。 多くの研究者は、機械学習が人間レベルのAIに向けて前進するための最良の方法であると考えています。 次のようなさまざまなタイプのパターンが含まれます-

• 教師あり学習パターン
• 教師なし学習パターン

深層学習

ディープラーニングは機械学習のサブフィールドであり、関連するアルゴリズムは、人工ニューラルネットワークと呼ばれる脳の構造と機能に触発されます。

ディープラーニングは、教師あり学習またはラベル付きデータとアルゴリズムからの学習を通じて非常に重要になりました。 深層学習の各アルゴリズムは同じプロセスを経ます。 入力の非線形変換の階層が含まれ、出力として統計モデルを作成するために使用します。

機械学習プロセスは、次の手順を使用して定義されます-

• 関連するデータセットを識別し、分析のために準備します。
• 使用するアルゴリズムのタイプを選択します。
• 使用されるアルゴリズムに基づいて分析モデルを構築します。
• テストデータセットでモデルをトレーニングし、必要に応じて修正します。
• モデルを実行してテストスコアを生成します。