機械学習、イラストで解説：インクリメンタル学習

機械学習、イラストで解説：インクリメンタル学習' Condensed '機械学習：インクリメンタル学習

モデルが新しい情報を学習し、以前の知識を維持および構築する方法

イラスト付き機械学習シリーズへようこそ。このシリーズの他の記事をお読みいただいた方は、手順をご存知かと思います。私たちは（退屈なように見える）機械学習の概念を取り上げ、イラストを使って楽しく説明します！この記事では、「インクリメンタルラーニング」と呼ばれる概念について取り上げます。この概念では、機械学習モデルが新しい情報を学習し、以前の知識を維持および構築します。しかし、その前に、現在のモデル構築プロセスについて話しましょう。

モデルを構築する際には、通常「静的学習」と呼ばれるプロセスに従います。このプロセスでは、最新の利用可能なデータを使用してモデルを訓練します。訓練プロセスでモデルを調整しチューニングします。そして、パフォーマンスに満足したらデプロイします。このモデルは一定期間運用されます。そして、時間とともにモデルのパフォーマンスが悪化していることに気付きます。それがわかったときには、既存のモデルを破棄し、最新の利用可能なデータを使用して新しいモデルを構築します。そして、この同じプロセスを繰り返します。

具体例を使ってこれを説明しましょう。仮想のシナリオを考えてみましょう。2023年1月末に詐欺モデルの構築を開始しました。このモデルは、クレジットカードの取引が不正かどうかを検出します。過去1年間の（2022年1月から2022年12月までの）クレジットカードの取引データを使用してモデルを訓練し、今月（2023年1月）の取引データを使用してモデルをテストします。

• 「SIEM-SOAR インテグレーションによる次世代の脅威ハンティング技術」
• 「NExT-GPTを紹介します：エンドツーエンドの汎用的な任意対任意のマルチモーダル大規模言語モデル（MM-LLM）」
• 「PythonでChatGPTを使用する方法」

翌月末になると、新しいデータに対してモデルがあまりうまく機能しないことに気付きます。そこで、別のモデルを構築しますが、今度は過去1年間（2022年2月から2023年1月まで）のデータを使用して訓練し、現在の月のデータ（2023年2月）を使用してテストします。そして、これらの訓練およびテスト期間外のデータは破棄されます。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!