この記事でわかること
この記事では、Azure Machine Learningで提供される AutoML（Automated Machine Learning）について、 「何が自動化されるのか」「手動MLと何が違うのか」を整理します。 AI-900試験では、 AutoMLが適しているケースを判断できるかが問われます。
📌 他のAI-900出題分野もあわせて確認したい方へ
機械学習・Azure AIサービス・Responsible AIなど、試験範囲を網羅した総合ガイドはこちら。
▶ AI-900試験対策まとめ
AutoMLとは何か
AutoMLとは、 機械学習モデル作成における多くの工程を自動化する仕組みです。
通常、機械学習では アルゴリズム選択・パラメータ調整・評価を 人が行う必要がありますが、 AutoMLではこれらをAzureが自動で実行します。
従来の手動ML（手動機械学習）とは
手動MLでは、データサイエンティストやエンジニアが 以下を自分で判断します。
- 使用するアルゴリズムの選定
- ハイパーパラメータの調整
- 評価指標の選択
その分、柔軟性は高いですが、 専門知識と時間が必要です。
AutoMLで自動化されること
① アルゴリズムの選択
AutoMLは、 問題の種類（分類・回帰・時系列予測）に応じて 適切なアルゴリズムを自動選択します。
② ハイパーパラメータの調整
学習回数や木の深さなどの パラメータを自動で調整し、 最も精度が高い組み合わせを探します。
③ モデル評価と比較
複数モデルを並行して学習させ、 評価指標に基づいて 最適なモデルを選定します。
AutoMLで「できること」
- 分類モデルの作成
- 回帰モデルの作成
- 時系列予測モデルの作成
AI-900ポイント：
AutoMLは「画像生成」や「音声合成」には使いません。
AutoMLで「できないこと」
- 自由度の高い独自アルゴリズム設計
- 生成AI（GPTなど）の構築
- 学習データがない状態での利用
AutoMLと手動MLの違い
| 観点 | AutoML | 手動ML |
|---|---|---|
| アルゴリズム選択 | 自動 | 手動 |
| パラメータ調整 | 自動 | 手動 |
| 専門知識 | 少なくて良い | 必要 |
| 柔軟性 | 低め | 高い |
AutoMLが向いているケース
- 機械学習の専門家がいない
- 短期間でモデルを作成したい
- 標準的な予測・分類が目的
AI-900でよく出る問題例
問題：
「専門知識が少ないチームで、将来予測モデルを作成したい。最適な方法は？」
正解：
Azure Machine Learning の AutoML
まとめ
- AutoMLは機械学習工程を自動化する仕組み
- 分類・回帰・時系列予測に対応
- 柔軟性よりスピード重視のケースに最適
AI-900では、 「なぜAutoMLを選ぶのか」 を説明できる理解が重要です。
AI-900を体系的に学びたい方へ
この記事は「AI-900試験対策」シリーズの一部です。
▼AI-900完全ロードマップはこちら
