概要

ML の観点から問題をフレーム化するには、次の 2 つのステップが必要です。

1. ML が適切なアプローチであることを確認するには、次の操作を行います。

   • 問題を理解する。
   • 明確なユースケースを特定します。
   • データを把握する。

2. 次の手順で、ML の用語で問題を定義します。

   • 理想的な結果とモデルの目標を定義します。
   • モデルの出力を特定します。
   • 成功指標を定義する。

これらのステップでは、明確な目標を設定し、他の ML 担当者との連携のための共有フレームワークを提供することで、時間とリソースを節約できます。

次の演習を使用して、ML の問題を定義し、解決策を策定します。

• ML 問題の枠組み
• 解決策の策定

責任ある AI

ML ソリューションを実装する際は、常に Google の責任ある AI に関する原則に従ってください。

ML の公正性を改善し、バイアスを軽減するための実践的な導入については、MLCC 公正性モジュールをご覧ください。

学習を継続

ML のその他の学習リソース

• データの準備と特徴量エンジニアリング
• ML のテストとデバッグ
• People + AI Research