機械学習で人工知能(AI)エンジンの精度を上げるには、質の良い学習データが不可欠だ。質の悪い学習データでは、AIエンジンの不適切な判断を招くリスクがある。事例を基に、学習データの作成方法を考える。
人工知能(AI)エンジンの機械学習に利用する学習データ(教師データとも)は、「量」が重要だと考えられてきた。その考え方自体は今でも通用するが、状況は変わりつつある。AIエンジンが誤った判断を下すことが問題になり、判断結果を左右する学習データの「質」がより重視されつつある。
質の高い学習データを用意するには、収集したデータから“ゴミ”となる不要なデータを排除し、AIエンジンの用途に合わせてデータを分類する必要がある。こうしたデータクリーニングの過程には、従来データサイエンティストを必要としていたが、自動化ツールも登場している。
本資料では、AI技術の活用を積極的に進めるFacebookやIBMをはじめ、各企業が学習用データを用意するために実践している手法を紹介する。
中身を読むには、「中身を読む」ボタンを押して無料ブックレットをダウンロードしてください。
SASのCMOが語る マーケティング部門が社内の生成AI活用のけん引役に適している理由
データとアナリティクスの世界で半世紀近くにわたり知見を培ってきたSAS。同社のCMOに、...
SALES ROBOTICSが「カスタマーサクセス支援サービス」を提供
SALES ROBOTICSは、カスタマーサクセスを実現する新サービスの提供を開始した。
「Fortnite」を活用 朝日広告社がメタバース空間制作サービスとマーケティング支援を開始
朝日広告社は、人気ゲーム「Fortnite」に新たなゲームメタバース空間を公開した。また、...