概要

ML の観点から問題をフレーム処理するには、次の 2 つのステップがあります。

1. 次の操作を行って、ML が適切なアプローチであることを確認します。

   • 問題を理解します。
   • 明確なユースケースを特定します。
   • データを理解する。

2. 次の手順で、ML の用語で問題を定義します。

   • 理想的な結果とモデルの目標を定義します。
   • モデルの出力を特定します。
   • 成功指標を定義します。

これらの手順では、明確な目標を設定し、他の ML 実務者と連携するための共有フレームワークを提供することで、時間とリソースを節約できます。

次の演習では、ML の問題をフレームワーク化し、解決策を策定します。

• ML 問題の枠組み
• 解決策の策定

責任ある AI

ML ソリューションを実装するときは、常に Google の責任ある AI に関する原則に従ってください。

ML の公平性を高め、バイアスを軽減するための実践的な入門については、MLCC の公平性モジュールをご覧ください。

学習を継続

ML のその他の学習リソース

• データ準備と特徴量エンジニアリング
• ML のテストとデバッグ
• People + AI Research