AI育成講座【day12&13】
【Day12】
【振り返り】
画像のバリエーションもともかく、1枚の画像を回転さしてかさ増しもできるそう。
AIが何で判断してるかは基本わからない。
そこを説明したい場合は、説明可能性AIとして頑張ることもできるが、物事が複雑になればなるほど厳しい。
なので最終的な判断は人間に委ねるもの、過程のブラックボックスの有無は問わない物にAIの使用は限定したほうがよい。
【実践編】
Azure Machine Learning
自動MLを使っていく。
以下参照
上記サイトをまとめると
Automated MLとは？
機械学習モデルの自動化を支援するAzureの機能。
データの前処理、特徴エンジニアリング、アルゴリズム選定、ハイパーパラメータ調整を自動で実行。
コードを書かなくても、最適な機械学習モデルを見つけられる。
対応するタスク
回帰（Regression）：数値予測（例：売上予測）
分類（Classification）：カテゴリ分類（例：スパムメール判定）
時系列予測（Time Series Forecasting）：将来の値を予測（例：気温予測）
主なメリット
モデル開発の時間を短縮（自動で最適化）
初心者でも使いやすい（GUIやPython SDK対応）
Azureのクラウド環境でスケール可能
使い方の流れ
データを準備（Azure ML StudioやPythonでアップロード）
タスクを選択（回帰・分類・時系列予測）
Automated MLを実行（自動で最適なモデルを探索）
最適なモデルをデプロイ（Web API化など）
結論
素人でもこのデータに最適なモデルを選択し分析する過程をすっ飛ばして、機械学習モデルを自動化できてしまう。
これがうまくいかなかった時に、使うのがデザイナー。
デザイナーは、データ分析がうまくいかなかったときに、
必要なデータの前処理すらブロックをつないでやってくれる優れもの。
詳細わかんなくていいから、使って使って使いまくってこんなことできるだって肌感だけでいい。そしてその中で自分に何が応用聞くのかを考えるとことが大事。
【Day13】
【実践編】
デザイナーの実践を試聴。
正直意味わからないが必要な時に再度試聴でいいのだろう。
AutoMLで太刀打ちできない時に使えば良い。
その時もChatGPTを介入させて進行。
Power BI
システムにデータを握られているのは命を握られているもの。
データをいつでも取り出せるようにまとめて置いておくのが良い。
アプリやシステムはすぐに出して潰せる状況にしておけば良い。