【ITパスポート】AI・データサイエンス編を歌で覚える

■ この曲の覚え方 ・3つの学習は「ラベルの有無」で2つまで一気に絞れる。正解ラベルがあれば教師あり、なければ教師なし、ラベルの代わりに報酬をもらうのが強化学習。分類・回帰は教師ありの中の枝分かれなので、まず幹（ラベル）から辿ると迷わない。 ・相関係数は絶対値で強さを見る。0.9も-0.9も強さは同じで、符号は向きの違いにすぎない。「マイナスだから相関が弱い」「相関が強いから原因である」はどちらも定番の引っかけ。 ■ 収録内容 ・教師あり=正解ラベル要 ・教師なし=クラスタリング ・強化学習=報酬が最大 ■ 高校生の受験にも ・商業高校・情報科の在学中の資格取得を目指す高校生の方にも。 ・通学中に聞き流せるよう、試験に出る暗記項目だけを歌にしています。 ■ 歌詞 【ITパスポート】AI・データサイエンス編 [Intro] 機械学習は3つに分類される ニューラルネットワークと生成AI ビッグデータの3Vと統計の代表値 ITパスポートのAI分野 [Verse 1] 機械学習は訓練データから規則性を見つける方式 教師あり学習は正解ラベル付きのデータが必要 分類と回帰が教師あり学習の2つの目的 教師なし学習は正解ラベルを使わない 似たもの同士を束ねる手法がクラスタリング 次元削減も教師なし学習に分類される 強化学習は報酬が最大になる行動を選ぶ 試行錯誤をくり返して方策を更新する [Chorus] 教師ありは正解ラベル必要 分類と回帰 教師なしは正解ラベル不要 クラスタリング 強化学習は報酬が最大の行動を選ぶ 3つの区分は訓練データの違いで見分ける [Verse 2] ニューラルネットワークは入力層 中間層 出力層の構造 中間層を深く重ねた方式がディープラーニング 特徴量は予測に使う入力変数の名称 アノテーションは学習データに正解を付ける作業 訓練データとテストデータは分けなければならない 過学習は訓練データに合わせすぎた状態 過学習では未知のデータで精度が下がる 学習前にデータを整える工程が前処理 [Verse 3] 生成AIは文章や画像を新しく作り出す LLMは大規模言語モデルの略称 プロンプトは生成AIに与える指示文 プロンプトエンジニアリングは指示文を工夫する技術 ハルシネーションは事実と異なる出力が起きる現象 生成物は人が事実を確認しなければならない ディープフェイクは本物そっくりの偽の映像や音声 学習データの著作権と個人情報に注意が必要 [Chorus] 教師ありは正解ラベル必要 分類と回帰 教師なしは正解ラベル不要 クラスタリング 強化学習は報酬が最大の行動を選ぶ 3つの区分は訓練データの違いで見分ける [Bridge] 人間中心のAI社会原則は国が定めた原則 学習データが偏るとバイアスのある出力になる 説明可能性とトレーサビリティの確保が必要 シンギュラリティはAIが人知を超える技術的特異点 ビッグデータの3VはVolume Velocity Variety 量と発生の速さと多様さの3要素 表に収まるのが構造化データ 収まらないのが非構造化データ データマイニングは大量データから規則性を掘り出す手法 BIツールは蓄積データを分析し意思決定を支援する データウェアハウスは分析用にデータを保存する倉庫 [Verse 4] 代表値は平均値 中央値 最頻値の3つ 中央値は大きさの順に並べた真ん中の値 最頻値は最も多く現れる値 ばらつきは分散と標準偏差で表す 相関係数は-1以上1以下の範囲をとる 1に近いほど強い正の相関 -1に近いほど強い負の相関 相関があっても因果があるとは限らない 散布図は2つの量の関係を点で表す ヒストグラムはデータの分布を柱の高さで表す [Outro] 3つの学習と過学習 生成AIとハルシネーション 3Vと代表値と相関係数 ITパスポートのAI分野の要点 ────────────── ■ 本コンテンツについて ・楽曲とイラストの生成に AI を使用しています。 ・歌詞に含まれる条文番号・数値は、公表されている法令および試験範囲に基づいて 制作者が作成し、内容を確認したうえで公開しています。 ・本動画は試験対策の暗記用教材です。実際の作業・保安に関する判断は、法令と社内規程および 有資格者の指示に従ってください。 ・法改正・試験制度の変更により内容が古くなる場合があります。受験の際は 各試験実施機関の公式情報を必ずご確認ください。