目次
この記事でわかること
この記事では、機械学習モデルが どのような手順で作られ、どのように使われるのか を概念レベルで解説します。 数式やプログラミングの知識は不要で、 AI-900試験で問われる「流れの理解」に焦点を当てています。
機械学習モデルとは何か（おさらい）
機械学習モデルとは、 過去のデータから規則性を学習し、未来の判断を行う仕組み です。
人間がルールをすべて書くのではなく、 データを与えることでAI自身が判断基準を作る 点が特徴です。
機械学習モデル作成の全体像
機械学習モデルは、次の流れで作られます。
- 問題を決める
- データを用意する
- 学習させる
- 評価する
- 本番で使う（推論）
AI-900では、 この流れを正しい順番で理解しているか が重要です。
① 問題を決める
最初に、 「AIで何をしたいのか」を明確にします。
- 売上を予測したい → 回帰
- 迷惑メールか判定したい → 分類
- 異常な動きを見つけたい → 異常検知
AI-900ポイント：
問題の種類によって、使うモデルや評価方法が変わります。
② データを用意する
機械学習は、 データがなければ何もできません。
例として「家の価格予測」を考えると、 以下のようなデータを集めます。
- 部屋数
- 築年数
- 駅からの距離
- 実際の販売価格（正解データ）
この段階でデータの質が悪いと、 どんなモデルでも精度は上がりません。
③ 学習させる（トレーニング）
学習とは、 入力データと正解データを使って、規則性を見つける作業 です。
AIは次のようなことを繰り返します。
- 予測する
- 正解と比べる
- ズレを修正する
この繰り返しによって、 「予測が当たりやすい状態」になります。
④ 評価する
学習が終わったら、 本当に使えるモデルかを確認します。
そのために、 学習に使っていないデータでテストします。
- 精度は十分か
- 間違い方に偏りはないか
AI-900では、 学習と評価は別で行う 点がよく問われます。
⑤ 本番で使う（推論）
評価を通過したモデルは、 実際の業務で利用されます。
新しいデータを入力すると、 モデルが予測結果を返します。 この処理を 推論（Inference）と呼びます。
イメージする機械学習の流れ
「料理」に例えると、次のように考えると理解しやすくなります。
- 問題定義 → 何を作るか決める
- データ準備 → 材料を集める
- 学習 → レシピを覚える
- 評価 → 味見する
- 推論 → 実際に料理を提供する
AI-900でよくある誤解
- 学習と推論を混同する
- データなしでAIが賢くなると思う
- 一度作ったモデルは永久に使えると思う
モデルは、 データが変われば再学習が必要です。
まとめ
- 機械学習モデルは段階的に作られる
- データ → 学習 → 評価 → 推論の流れが重要
- AI-900では「概念理解」が最優先
この流れを説明できれば、 AI-900の機械学習分野は確実に得点できます。