このセクションでは、AIの広い概念から出発し、機械学習、ディープラーニング、学習済みモデルの活用へ進みます。数式や実装より先に、「何をデータから学ぶのか」「手法をどう区別するのか」を説明できる状態を目指します。
AIからモデルの再利用までを3段階で学ぶ
最初は機械学習とはから読みます。人が規則をすべて書く方法と、データから規則に相当するモデルを学ぶ方法の違いを押さえるページです。教師あり学習、教師なし学習、強化学習の使い分けもここで整理します。
次にディープラーニングとはへ進みます。多層ニューラルネットワークが、画像や文章のような複雑なデータから特徴を学ぶ流れと、従来の機械学習を選ぶ場面との違いを扱います。
最後に学習済みモデルの活用方法を読みます。転移学習、ファインチューニング、マルチタスク学習、連合学習を「何を共有し、何を更新し、データをどこに置くか」という観点で区別します。
迷ったときの開始位置
AIと機械学習の違いがまだ曖昧なら、最初のページから順番に読みます。ニューラルネットワークの概要を知っている場合は、ディープラーニングから始めても構いません。既存モデルを自分の用途へ適応させる方法を比較したい場合は、学習済みモデルの活用方法へ直接進めます。
概念理解だけなら特別な数学知識は必要ありません。実装へ進む段階では、関数、確率、ベクトルの基礎があると、モデル内部の計算を追いやすくなります。