How Google Does Machine Learningのコースの概要部分を受講した。
このコースの概要部分を受講したので、備忘録としてエントリをあげておく。このコースはGoogleが提供しているコースで、似たようなコースにCrash Courseというものがある。Crash Courseはどちらかというと手を動かして学ぶ開発者向け。それに対して、このCourseraのコースは機械学習を導入したい組織向けのコースといった印象。機械学習のライブラリの使い方にはそんなに触れず、どうやって機械学習を組織として取り入れていくかがしっかりと説明されている。これを見ると機械学習はAIエンジニアを入れたらすごい成果が得られるのではなく、組織としてどうやってデータを集めて、検証サイクルを回せるようにするかが重要であるように思う。
機械学習の導入には、データがまだない、学習ループが全自動、自前主義などの10個の落とし穴がある。
— かざいむ＠三重 (@kazaimu_) 2020年4月19日
1人の貢献者、委任からデジタル化、ビッグデータ、機械学習という経過をたどる。
ビジネスプロセスをデザインする際に、フィードバック、インサイト、調整を組み込む#HowGoogleDoesMachineLearning
MLに至るステップについて、その内容とスキップした際の危険性、そのステップで足踏みする危険性を説明していた。
— かざいむ＠三重 (@kazaimu_) 2020年4月21日
ステップは以下の通り。
１．1人の貢献者
２．委任
３．デジタル化
４．ビッグデータ・アナリティクス
５．機械学習#HowGoogleDoesMachineLearning
この辺りの考え方が最近気になっているキーワードDXの真のゴールになるのじゃないかと思う。単純に技術を使うのではなく、どうやって検証をして、改善していくか、そのためにデータをどのように利用するか。DMMの松本さんがDXについてNoteで書いていて参考になる。
本編に戻ると、このコースでは、どのように組織に機械学習を取り入れるかが丁寧に説明されている。よくイメージされる、ぱっと自動化されるというのは実際には最後の方のステップで、まずその仕事の手順がはっきりしていて、複数人で分担できる、手動で分析ができるなどを経て最終的に機械学習が導入されるとのこと。
また、機械学習では現実の世界に存在するバイアスが反映されるのでそれについても意識的に対策を促していてとても勉強になった。例えば、特定のポジションの採用を機械学習にした場合、これまでにたまたま男性が就いていることが多かった場合、男性を優遇するよう間違えて学習してしまうことがある。
機械学習ではこういった点に自覚的に取り組むべきとのこと。
