機械学習⑧機械学習の難しさ／データサイエンス入門

ta-mo-

IT・WEB・エンジニア

機械学習の結果を説明するのは難しいと感じた。
結果はブラックボックスのイメージになるので、本コースで説明する例を説明頂いたと思う。
ただ、それが本当に説明になっているのか、が課題になるように思う。

e_co

販売・サービス・事務

機械学習の難しさを理解しました。
便利ですが、使う側の知識不足が重大なミスにも繋がる恐ろしさ、結果の説明の難しさを感じた。

moveon-s

資材・購買・物流

機械学習についてもっと理解を深めないとG検定は合格できないと思いました。

sales_supdoctor

金融・不動産　関連職

機械学習の難しさを痛感した。実務では、事前に関係ありそうなファクター間の関係を仮説してそこから局所的な解釈を考えた方がいいと考えます。

h-kozawa

メーカー技術・研究・開発

機械学習の基礎について、復習の機会となりました。

ks070341

その他

機械学習の難しさについて理解できた。対外的な問題も生じ得ることを覚えておきたい。

w_axl

メーカー技術・研究・開発

根拠が説明できないのは　なかなか悩ましいですね
技術が進歩して　根拠や理由も解説できるようになることを期待しています

tsukamotoya

営業

大事なことですね。ゴリラのタグ付は怖いですね。業務や日常において活用できることを学習致しました。

70sp1208

その他

動画を視聴して改めて機械学習の難しさがわかった。実際に実務に携わっておらず、馴染みが薄いこともあるが、せっかくの機会なので、是非機械学習の概念を習得していきたい。

hi-std

IT・WEB・エンジニア

機械学習の難しさがわかった

sakurai_shingo

人事・労務・法務

業務に活かせます。よ

pinguino

販売・サービス・事務

気を付けるべき点を知った上で上手に活用したい。

4ktake

人事・労務・法務

理解がより深まってきた。さらに学習したい。

toshi-iwai

経理・財務

過学習が良くわからなかったので復習したいと思います。

fu-atoreichi-ma

その他

過学習は気付きにくく改善も難しい。抑制する技法は正則化。次元の呪いでビッグデータ化に伴い、学習の難しさは指数的に増加。
予測結果の説明も難しい。誤ったタグ付けの理由を予測結果として示すのはハードルが高い。
大局的な面と局所的な面の双方に留意しながら、アルゴリズムの限界について一定の理解を元に最適な学習手法を選択すべきと認識した。

gobau

営業

機械学習モデルを実務で利用するにあたって、モデルが導き出した予測結果を説明出来るようモデルを作成する必要性を感じた。

konitan1152

人事・労務・法務

実際に学習を行う中で過学習と未学習の知識がうまくいかないときの判断に役に立つ可能性が高い。試行錯誤の削減になり効率的な学習に繋がる。

homma_nanami

販売・サービス・事務

機械学習は難しいと思いました。

inagaki_tomomi1

販売・サービス・事務

復習しながら理解を進めたいと思います。

mutame

その他

難しかったですがしっかりと理解したいと思います。

tnakajima1998

営業

過学習や無学習についての理解が深まりました。

kamiyama-shohei

その他

過学習や未学習、次元の呪いの概要を理解した。

aokitaka-tci

その他

機械学習の難しさ、過学習・未学習、次元の呪いなどの概要を学んだ、説明の中での正則化などにつき確認していきたい

hrkudo

IT・WEB・エンジニア

過学習や未学習、次元の呪いの概要を理解した。

minamt

IT・WEB・エンジニア

ゴリラ問題は知ってたのですが、詳細を知れて良かったです。

kyo1227

営業

過学習の問題の基本的なところは理解しているつもりですが、正則化や次元圧縮まで含めてしっかりと説明できるようにしていきたいです。

nakashi49

営業

機械学習の難しさについて、代表的な現象である過学習などを例に、その概要が理解できた。特に、差別的なタグ付けをAIが識別することは困難である、というトピックは、AIの重要な課題の一つとして、ビジネス応用において、しっかり意識する必要性を強く感じた。

dansagami

金融・不動産　関連職

アフリカ女性をゴリラとラベリングしたことによりアルゴリズムの難しさを感じた。完全にAIに全てを任せるにはまだ早いのかなと思う

yoshikana2020

販売・サービス・事務

難解でした。何となくでも理解できるようになるかなぁ。

temp_at

IT・WEB・エンジニア

過学習が気付きにくく対策もし辛い事は、聞いて始めて気付いた。

yoshikouc

販売・サービス・事務

未学習や過学習をしているという勘が働くことも大切だとすると実践を重ねないと難しいと思いました

makidayo

IT・WEB・エンジニア

なぜ、その結果が出たのかの原因が特定できないというところが、機械学習の難しさなんだなと思うのと同時に、なぜそのような結果を出したのかを分析するのは楽しそうだと思った。わかるかわからないかはわからないが、突き止めたら面白そう。

y-arano

メーカー技術・研究・開発

難しかったですがしっかりと理解したいと思います。

user-name01

販売・サービス・事務

過学習の概念を学んだ。また、出力された結果を説明する方法にも言及していて、参考になった。

take515

メーカー技術・研究・開発

機械学習の難しさのポイントを理解した。

512177

資材・購買・物流

誤差の認識をもってデータを取り扱うことが重要

sesesese

その他

何らかの方法でという説明が何回かありましたが、
その方法が知りたいです。

dense

メーカー技術・研究・開発

批判を覚悟でコメントすると
ゴリラと判定されて、なんで人間は、怒ったり、いけないと思ったりするのでしょうか。
この感情を、生成AIも学べば、持つことができるようになるのでしょうか。

hfkd156036

金融・不動産　関連職

過学習と未学習について理解できた。

k--g--

その他

グーグルも間違えることがある、というのが良い教訓になりました。

ken222

営業

機械学習の難しさをしっかり理解したい。

vz3000

IT・WEB・エンジニア

機械学習の結果を説明する難しさが理解できた。未学習・過学習の状況、帯域的説明や局所的説明などを適切に判断していけるよう経験を積んでいきたい。

iso_ken

専門職

訓練誤差がどんどん減っていくことが楽しくなって、過学習はついついやってしまいがちである。目的である汎化誤差を小さくするということを忘れないようにしなければならない。

hr-sakai

その他

次元の呪い。知らないうちにはまってたような気がする。どうしても精度の高い結果を求めすぎて、時間がかかってしまった事を思い出した。

mainichi365

IT・WEB・エンジニア

説明の難しさを感じる

matute

IT・WEB・エンジニア

機械学習の結果を説明する難しさが理解できた。機械学習を進める際、未学習・過学習の状況を分析すると共に生成した機械学習結果を単に信じるのではなく、帯域的説明や局所的説明である程度説明できるようにしたい。

koichi_seya

その他

設変変数が増えるほど、説明が難しくなることや、それに対する対応などわかりたすいモデルに近似する手法など勉強になった。

chikako_k

IT・WEB・エンジニア

ゴリラとタグづけされた少女がかわいそうでした。修正が難しいことの解決方法が知りたかったです。

stani

専門職

機械学習の向上には、機器の性能向上とひとの努力やルール化が重要である。

naoki_sasano

メーカー技術・研究・開発

過学習と未学習という事象があることを知った。過学習を防ぐための正則化について詳しく学習したいが、推奨される書籍は何か？

watanabe-tat

専門職

機械学習の難しさは、その結果を説明することである。深層学習と近似した機械学習モデルで説明を代替する手法が想定される。また教師あり学習データを機械学習モデルで分類、アノテーションさせて、学習データの特徴を機械学習モデルのパラメーターで説明する手法も考えられる。

k_yuna

販売・サービス・事務

学びを深めることが出来ました。

t_htn

経営・経営企画

機械学習の課題が把握できた。
データ分析業務で活用する場合は、この観点に留意し、
精度の高い分析に繋げたいと思う

michiyomichiyo

その他

説明できることの重要性が分かった

atsushi_komaki

金融・不動産　関連職

ＤＳ検定リテラシーレベルのために。

kazumi_100pot

金融・不動産　関連職

過学習の問題の基本的なところは理解しているつもりですが、正則化や次元圧縮まで含めてしっかりと説明できるようにしていきたいです。

fukashi_uehara

メーカー技術・研究・開発

Googleフォトでは「ゴリラ」のラベル付けができないことが示されましたが、これは「最新の科学技術をもってしてもAIは黒人とゴリラを識別できない」という意味ではありません。AIのバイアスや誤作動により世間からバッシングされるのを恐れるテクノロジー企業は、技術的には可能な機能であっても、安全のためにあえて製品やサービスでは無効化することがあるからです。

moco_fuwa

その他

根拠付けをする難しさを理解できた

cs1960

販売・サービス・事務

大変勉強になりました。

inyourmind

建設・土木　関連職

「未学習」と違って「過学習」は質が悪いということがわかった。

i_mura888

金融・不動産　関連職

学習後の精度が想定した値と異なる時にどう対処すれば良いかの参考になります。

haruka-

その他

過学習に陥っていると気づけることが重要

test_test___

メーカー技術・研究・開発

機械学習も当然万能ではなく難しい点もあるということを改めて認識した。

yokoishida

コンサルタント

チャットBotでかなり遊んだので機械の実力はわかる気がする。本人大まじめの答えが、人間には知ったかぶりか無教養のおしゃべり人間に思えることが多々ある。

taka1962

販売・サービス・事務

AIを利用し何か新しい見方をしようとすれば、その見方を納得させるだけの根拠を示す必要性が高いので、この講義にあった対応方法を試していたいと思います。

suzuqp

IT・WEB・エンジニア

説明が難しかった。改善方法についても説明があるとよかった。

s-ma

経営・経営企画

説明できるAIの構築が難しいことを理解した

madogiwazoku

その他

素人には難しすぎました。頭が痛いです。鼻血もでそうです。

vegitaberu

人事・労務・法務

AI、機械学習の限界は、ぜひとも知っておきたいところです。ひと通りの復習はできたと思いますが、限界も、日々変わっていると思いますので、適宜、キャッチアップしていきたいと思います。

yutahayasaka

その他

説明が難しい。理解まではたどり着けていないので、再度視聴したい。

tsuyoshi_asano

経営・経営企画

学習結果としてMost Likelyな答えを機械的に出しているのに、ヒトの主観で「望ましくない結果」をはじく必要があるのはなかなか難しい問題。AIが判別できない問題を裁く仕事はAIに代替できないのかもしれない。

shirojpn

メーカー技術・研究・開発

機械学習の難しさ　特にニューラルネットワークにおける　グローバル、ローカルでの説明方法について理解が深まった。