AIF-C01：AWS Certified AI Practitioner AI と機械学習の基礎 問5
AI と機械学習の基礎／AI/ML/深層学習の基本概念と用語画像から物体を識別するシステムで、数百万枚の画像を使い、人手で特徴量を設計せずに、データから識別に有効な特徴を自動的に学習させたいと考えています。この要件に最も合致する手法はどれですか。
当サイトのオリジナル問題（AIF-C01：AWS Certified AI Practitionerの出題範囲「AI と機械学習の基礎」に対応。実際の試験問題ではありません）
- A色ヒストグラムなど人手で設計した特徴量を入力とするサポートベクターマシン（SVM）
- B入力画像の画素値を説明変数にした単純な線形回帰
- C人が選んだ数個の特徴量で分岐条件を組み立てる決定木
- D多層の畳み込みニューラルネットワークを用いた深層学習
正解：D
解説
深層学習は多層のニューラルネットワークを使い、画像や音声などの非構造化データから特徴をデータ駆動で自動的に抽出できる ML の一分野です。大量データと計算資源が必要ですが、画像認識では畳み込みニューラルネットワークが広く使われます。
選択肢ごとの解説
- A誤り。人手で設計した特徴量を SVM に与える方法は機械学習ですが、特徴量を人が設計する点が、特徴を自動で学習させたいという要件に反します。
- B誤り。単純な線形回帰は線形な関係しか表現できず、複雑な画像の特徴を自動抽出する用途には向きません。
- C誤り。決定木は人が用意した特徴量に対する分岐を学習する手法で、特徴量の自動学習が要件の本件には合いません。
- D正しい。多層ニューラルネットワークによる深層学習が、特徴量を自動で学習する要件に合致します。