AIF-C01#5(fundamentals-ai-ml)
ある企業が、さまざまな種類の動物の画像を分類するための機械学習モデルをトレーニングする必要があります。同社はラベル付き画像の大規模なデータセットを持っており、新しいデータのラベル付けは行わない予定です。
この条件下で、モデルをトレーニングするために使用すべき学習タイプはどれですか？
正解：A
正解の根拠
ラベル付き画像が大量にあり、追加ラベリングを行わない条件下では、入力と正解ラベルのペアからパターンを学習する教師あり学習が最適です。画像分類は典型的な教師あり学習タスクで、CNN や事前学習済み Vision Transformer をファインチューニングする SageMaker JumpStart などで効率的にモデルを構築できます。
学習タイプの比較
| 学習タイプ | 用途 |
|---|---|
| 教師あり学習 | ラベル付きデータで分類/回帰 |
| 教師なし学習 | クラスタリングや次元削減 |
| 強化学習 | 報酬最大化の意思決定 |
| アクティブラーニング | 不確実な例を追加ラベル |
不正解の理由
- B: 教師なし学習はラベル無しデータでクラスタリング等を行う手法で、既存のラベルを活用する分類タスクには適しません。
- C: 強化学習は環境との相互作用と報酬から方策を学ぶ手法で、静的な画像分類のパラダイムとは異なります。
- D: アクティブラーニングは新規データへ追加ラベル付けして精度を向上する手法で、追加ラベルを行わない前提に反します。
参考：ML 学習タイプ
コメント