A不正解
特徴量エンジニアリング
特徴量エンジニアリングは、生データから予測に有効な入力変数を作る作業です。
学習率などの設定値を調整する工程とは別のため不正解です。
ある AI プラクティショナーが、モデルの学習自体は完了したものの精度が目標に届かないため、学習率やバッチサイズなどの設定値を調整して、モデルの性能を高めようとしています。この工程はどれですか。
1 / 1
回答を選択してください
正解D
解説
学習の設定値を調整して性能を上げる工程を選ぶ問題。
- 1「学習率やバッチサイズなどの設定値を調整」学習の進め方を決める ハイパーパラメータ を調整
- 2「性能を高めよう」最適値を探して性能向上＝ハイパーパラメータチューニング
B不正解
データ収集
データ収集は、学習に使う生データを集めるフェーズです。
学習率などの設定値を調整する工程とは別のため不正解です。
C不正解
デプロイ
デプロイは、完成したモデルを本番に展開する段階です。
学習率などの設定値を調整する工程とは別のため不正解です。
D正解
ハイパーパラメータチューニング
正解。ハイパーパラメータチューニングは、学習率やバッチサイズなど学習の進め方を決める設定値（ハイパーパラメータ）を調整し、モデルの性能を高める工程です。
ポイント
正解の『ハイパーパラメータチューニング』の位置づけを押さえます。
・学習率・バッチサイズ・エポック数など、学習の進め方を決める設定値を調整して性能を高める。
・学習中〜学習後に繰り返し試して最適値を探す工程。
特徴量エンジニアリング（入力変数を作る）・データ収集・デプロイとは段階・目的が違います。