須多先生

みなさん お疲れ様でした
アクティビティはいかがでしたか？

深田 あい

前回のレッスンを振り返りながら 取り組むことができました

徳井 天

欠損値と外れ値の処理 だんだん慣れてきました

須多先生

素晴らしいですね
これらはデータ分析やAIの訓練データを準備する際に非常に重要な作業です

深田 あい

今後のレッスンでも これらの作業が必要になるんですね
しっかりと覚えておきます

徳井 天

「図書館だより」を数値に変換するのは面白かったな

深田 あい

「紹介なし」が0 「名称のみ」が1 「委員紹介」が2 「先生紹介」が3になるやり方ですよね

須多先生

その通りです
今回はカテゴリ変数を順序尺度に従って変換しましたが これが最適かは分かりません

須多先生

例えば 図書の先生の評価がとても生徒に信頼されている場合 3ではなく5や10に設定することも考えられます

徳井 天

なるほど それは奥が深いな

須多先生

前処理には絶対的な正解がないので 様々な方法を試しながら経験を積むことが大切です

深田 あい

はい！では 次はどのような作業をすればよいですか？

須多先生

以前のイベント来場者数の予測と同様に 新刊の事前予約数を線形回帰で予測してみましょう

深田 あい

線形回帰…過去のデータに合うような回帰直線を見つける作業でしたよね

徳井 天

それで思い出したんですが 先生 疑問があるんです

須多先生

何でしょうか

徳井 天

以前 画像認識でディープラーニングを学びましたが ディープラーニングと線形回帰って どちらもAIなんですか？

深田 あい

そう言われれば…ディープラーニングで行った画像認識と 線形回帰で行っている未来の予測は 全然違うような感じがします

須多先生

素晴らしい気づきですね
確かにディープラーニングと線形回帰は異なるアプローチですが 広い意味で両方ともAI技術の一部と言えます

深田 あい

そうなんですね

須多先生

実はAIには様々な理論があり 線形回帰やディープラーニングは「機械学習」と呼ばれる手法に属します

徳井 天

機械学習…機械が学ぶってことですか？

深田 あい

機械学習という言葉は初めて聞きました
先生 もっと詳しく教えてください

須多先生

もちろんです
それでは これからみんなで【解説動画】を見ながら「機械学習」について学んでいきましょう