YouTube

Got a YouTube account?

New: enable viewer-created translations and captions on your YouTube channel!

Japanese subtitles

← 06_Comparison of these parts of ML

Get Embed Code
2 Languages

Showing Revision 2 created 10/25/2014 by Udacity.

  1. さて機械学習には3通りの学習法がありました
  2. そこには多くのツールやテクニックが
    隠されています
  3. そのすばらしさを皆さんにお伝えして
  4. 上手な活用方もお話しします
  5. マイケルが指摘したように
  6. 3通りの学習は互いに補完し合っています
  7. 深く掘り下げれば
  8. 教師なし学習は教師あり学習とは
    明らかに異なりますが
  9. 今の段階では同じだと言えます
  10. 教師あり学習にはバイアスがあります
  11. “それは二次関数だ”、“帰納法を使ってもよい”
    などの仮定全部のことです
  12. 一方教師なし学習では2つのクラスタの
    どちらが優れているかは分かりません
  13. 性別 身長 髪の色など
    どの基準で分類するべきか分からないのです
  14. しかし最終的にクラスタリングの方法を決定すれば
  15. それは暗黙的に何らかの集合を
    仮定していることになります
  16. 仮定された集合のラベルを作るのです
  17. ですから隣り合っているものは
    互いにクラスタリングするべきなのです
  18. これは教師あり学習の問題のようですが
    教師なし学習の問題にもなり得ます
  19. 実際これらすべての問題は本質的に同じなのです
  20. 2点だけ補足させてください
  21. 1つはある意味よくあることですが
  22. これらの異なる問題のすべてを
    最適化問題として定式化することができます
  23. 教師あり学習ではデータに
    うまくラベルを付ける何かが必要ですが
  24. この場合の最適化とは
    それをしてくれる関数を見つけることです
  25. 強化学習ではスコアの大きい行動を
    探し出すことです
  26. 通常の教師なし学習では評価基準を作って
  27. スコアの大きいクラスタリング方法を
    見つけることです
  28. これが1つ目でもう1つあります
  29. 物事を性別で分類した人がバージンだった場合
  30. 数的不安要素が発生します
  31. それは実地調査の結果ですか?
  32. 数学の本から学びました
  33. では話を進めましょう
  34. 最後以外 マイケルの話は事実です
  35. しかし私はもう少し掘り下げたいのです
  36. 私たちの話のすべてに共通していたものは
    データです
  37. とにかくデータなのです
    データは機械学習の要です
  38. 自分のことをコンピュータ科学者と呼びますか?
  39. はい
  40. 私は自分をコンピュテーショナリストと呼びます
  41. え?
  42. 私はコンピュータ科学科で
    計算を学んでいますから
  43. 私はコンピュータや計算が究極のものだと
    信じています
  44. ですから私はコンピュテーショナリストです
    きっとマイケルは話を合わせるでしょうね
  45. いいですよ
  46. 私たちはコンピュテーショナリストです
  47. 計算することに意義を感じています
  48. もちろん
  49. 計算を研究している同僚の多くは
    アルゴリズムについて考えています
  50. つまり問題を解決するまでの
    過程を考えているのです
  51. 定理についても考えています
  52. 例えばもしこの問題を定式化したら
    何らかのアルゴリズムで解けるかという問題です
  53. そこで機械学習が大きな役割を果たしますが
  54. 問題の解決法は様々です
  55. 人工知能や計算機科学分野の人たちと
    機械学習分野の人たちとの違いは
  56. アルゴリズム中心ではなく
    データ中心に考えているということです
  57. ですからこのコースで学んだ皆さんに
    理解していただきたいのは
  58. データを信用して活用し
    協調しなければならないということです
  59. アルゴリズムはこの話とは無関係ですが
  60. アルゴリズムはデータを主要なものと認識するので
  61. 重要だと言えます
  62. 私にとっては同等です
  63. アルゴリズムとデータがですか?
  64. そうです
  65. ではリストを信じるということですか
  66. そのとおり
  67. 70年代からです
  68. 結局私たちはこれらに同意しているのですね
  69. 惜しいところですね
  70. それでは残りの学期もこの調子でいきましょう
  71. 私たちは消えてしまいますが
    私たちの手が登場します
  72. 手のこちら側です
  73. 私たちの手が出てきます もう結構です
  74. どういたしまして
  75. 何か?
  76. 面白くて4歳の頃を思い出しました
  77. セニョール・ウェンセスです
  78. セニョール・ウェンセスと呼ばれています
  79. ええ 知ってますよ
  80. 私はあなたより10〜12歳は年下ですよ
  81. まさか
  82. あなたには白髪があります そんなことより
  83. 残りの学期はこのように進みます
  84. 教師あり学習とその一連のアルゴリズムを
    学習します
  85. 少し復習をしながら背景にある理論をお話しします
  86. また機械学習とコンピュータ概念の理論を結ぶ
  87. 基本的な考え方です
  88. 難題と易題について考え
  89. 確率的最適化と教師なし学習の話に移行します
  90. ここで取り上げたすべての問題にお答えします
  91. そして教師あり学習で学んだ学習事項と
    関連づけていきます
  92. 最終的には強化学習に焦点を当て
  93. 複数のエージェントを含むような
    強化学習の一般化についてと
  94. マイケルが話したがるゲーム理論の話題も
    取り上げていくつもりです
  95. そして問題解決のために学んできたことを
  96. どうやって実践するかを学んでください
  97. ロボットを作ったり
  98. ゲームをしたりあるいは何でも教えてくれる
    エージェントを作ってみましょう
  99. 皆さんがデータや
    アルゴリズムについての理解を深め
  100. プログラムの作り方を理解できるよう
    コースを進めていきましょう
  101. そうしましょう
  102. すばらしい ありがとう マイケル
  103. こちらこそ
  104. またこの場所で同じ時間にお会いしましょう