MLは反復的なプロセス。以下のサイクルを回す。 第5章 最初のモデルの学習を行い、ベンチマークをつくる。次にパフォーマンスを詳細に分析し、改善方法の特定する方法について 第6章 モデルの素早い構築、デバック、時間のかかるエラーの回避方法について 第…

4.3.3 アルゴリズムとして振舞う 各クラスタ内のいくつかのデータポイントにモデルが生成すると思われるラベルを手作業で付与してみる。 アルゴリズムとして振舞ったことがなければ、その結果の品質を判断するのは困難。 自分でデータのラベル付けに時間をか…

4.3 データの傾向を見つけるためのラベル データセットの傾向を特定するのは、品質だけでなく、モデル構造を予め予測するための作業。 このために、データを異なるクラスタに分離して各クラスタの共通点を抽出する。 まずは、データセットの要約統計量を生成…

第4章 初期データセットの取得 この章では データセットの品質を効率的に判断する方法 データをベクトル化する方法 ベクトル化したデータを用いたラベル付けと検査 をより効率的に行う方法について説明 4.1 データセットの反復処理 ML製品を素早く構築するた…

モデルの調査、学習、評価は時間がかかってコストも大。 ⇒ リスクをできる限り減らすために取り組むべき最優先事項を特定する必要がある。 実装の際に重要なのは、できるだけ早く実用最小限の製品に到達する必要がある。 この第3章、第4章では、パイプライン…

機械学習による実用アプリケーション構築では、 StackOver FlowなどのQAサイトに投稿する質問文を入力に対して より解答を得られる質問文を生成するシステム（MLエディタ）を例にして、MLプロジェクトの進め方を説明 2.3 MLエディタの計画 2.3.1 エディタの…

2章 計画の作成 MLと製品の進捗状況を追跡し、異なるMLの実装を比較するためのメトリクスについて説明 ベースラインを構築する方法を特定、モデリングの反復を計画 多くのMLプロジェクトでは製品メトリクスとモデルメトリクスが整合していなくて 初めから失…

機械学習による実用アプリケーション構築についての備忘録 第1部 適切な機械学習アプローチの特定 1章 製品目標からMLの枠組みへ 1.1 何が可能であるかを考える 製品の目標が一番大事。その解決のための最適アプローチを決定することを念頭におく。 そのため…

ぜんぶ、Macのターミナルで行う ① python3系のインストールまで・まずhomebrewをインストール ターミナルにて下記ページのスクリプトを実行 Homebrew — The missing package manager for macOS https://brew.sh・pyenvインストール brew install pyenv・pyth…