こんにちは、たけです！ 今回は、Microsoft Azureの人気資格 AI-900（Azure AI Fundamentals） に向けて、 全くの初心者でもわかるように AIの基本、機械学習の仕組み、Azureで使えるAIサービスの全体像 を一気に解説していきます！
この記事はこんな方におすすめ
- AIや機械学習の基礎を短時間で理解したい
- AzureのAIサービスについて知りたい
- AI-900試験の対策を始めたい
機械学習とは？
機械学習（Machine Learning） とは、コンピュータが大量のデータをもとにパターンやルールを学び、自動的に予測や判断をする技術です。人間が明示的にルールを教えるのではなく、「学習させる」ことで、自律的に推論や分類ができるようになります。
例：スパムメール判定、売上予測
簡単に言うと： データをたくさん見せて、機械に「経験から学ばせる」技術です。
機械学習の種類：教師あり・教師なし
教師あり学習（Supervised Learning）
- 入力データとその「正解ラベル」がセットになっているデータを使って学習する手法です。
- 主に「分類」と「回帰」のタスクがあります。
- 分類（Classification）：データをカテゴリーに分ける（例：メールがスパムかどうか）
- 回帰（Regression）：前の数値から未来の数値を予測する（例：商品の価格や気温）
簡単に言うと： 答えのある問題をたくさん解かせて、機械にルールを学ばせる方法です。
教師なし学習（Unsupervised Learning）
- 「正解ラベル」がなく、入力データだけをもとに、データの構造や隠れたパターンを見つけ出します。
- 代表例は クラスタリング（Clustering）。
- 例：顧客を似た傾向ごとに自動でグループ分けする
簡単に言うと： 正解がないデータを使って「グループ」や「特徴」を自動で見つける方法です。
比較まとめ
| 項目 | 教師あり学習 | 教師なし学習 |
|---|---|---|
| ラベル（正解の情報） | あり | なし |
| 目的 | 予測、分類 | パターン発見 |
特徴量・データ分割・過学習とは？
特徴量（Feature）
- 特徴量とは、機械学習モデルにおける入力データそのものを指します。
- モデルが予測や分類を行うために参照する「判断材料」のようなもので、たとえば家の価格を予測する場合、面積・築年数・駅からの距離などが特徴量になります。
特徴量エンジニアリング
- 特徴量を選んだり加工したりして、モデルの性能を上げる工夫（例：カテゴリを数値に変換、不要な列の削除など）
データ分割
- 学習用と評価用にデータを分ける（一般的に8:2や7:3）。モデルの汎用性をチェックするために必要です。
過学習（Overfitting）
- モデルが学習データに”覚え込みすぎて”、新しいデータに弱くなる現象です。特にデータが少なかったり、モデルが複雑すぎると起こりやすいです。
簡単に言うと： テストの答えだけ丸暗記した子。応用が効かない！
評価手法：混同行列を中心に解説
混同行列（Confusion Matrix）
分類タスクの予測精度をチェックするための表。
| 予測：Positive | 予測：Negative | |
| 実際：Positive | TP | FN |
| 実際：Negative | FP | TN |
Positive／Negativeの意味：
- Positiveは「特定の条件に当てはまる」と判断された状態（例：スパムメール）
- Negativeは「特定の条件に当てはまらない」と判断された状態（例：通常のメール）
- TP（True Positive）：本当にPositive（スパム）で、AIもPositiveと正しく予測したケース
- FN（False Negative）：本当はPositive（スパム）なのに、AIが間違ってNegative（通常メール）と予測したケース
- FP（False Positive）：本当はNegative（通常メール）なのに、AIが誤ってPositive（スパム）と判断したケース
- TN（True Negative）：本当はNegativeで、AIもNegativeと正しく予測したケース
正解率（Accuracy）
他にも大事な評価指標：
- 適合率（Precision）：予測Positiveの中でどれだけ正しかったか
- 再現率（Recall）：実際にPositiveだったもののうちどれだけ当てられたか
- F1スコア：PrecisionとRecallのバランスを取った指標
簡単に言うと： どのくらい正しく当てられたかを多角的にチェックする方法です！
AIの全体像とニューラルネットワークの立ち位置
AI（人工知能）
└── 機械学習（ML）
└── ニューラルネットワーク（NN）
└── 深層学習（Deep Learning）よくある勘違い
「AI＝ディープラーニング」と思っている人が多いですが、これは間違いです。
実際には、ディープラーニングは機械学習の中の一つの手法であり、AI全体のごく一部に過ぎません。
- ニューラルネットワーク（NN） は、人間の脳の神経回路を模倣したモデルです。データを層ごとに処理しながら、複雑なパターンを捉えることができます。
- 深層学習（Deep Learning） は、ニューラルネットワークの層を多数重ねることで、より高度なパターン認識が可能な手法です。
これらは以下のような分野で活躍しています：
- 画像認識（自動運転、顔認証）
- 音声認識（音声アシスタント、字幕生成）
- 翻訳や文章生成（GPTなど）
簡単に言うと： ニューラルネットワークは”脳みそ”みたいなもので、深層学習はそれをパワーアップしたバージョン。複雑なデータの理解に強い！
Computer Visionとは？
視覚情報（画像・動画）をAIが理解・処理する分野です。
使われる技術と用途：
- 画像分類：写真に”これは猫”とラベル付け（SNSでの自動タグ付け）
- 物体検出：写真内の複数の物体を検出し、位置も特定（自動運転の歩行者検出など）
- OCR（光学文字認識）：画像やPDFからテキストを抽出（レシート、請求書など）
自然言語処理（NLP）とは？
人間の言葉を理解・分析・生成するAI分野です。
主な技術と用途：
- 固有表現抽出：文章から地名や人名などを抜き出す
- 感情分析：レビューやSNS投稿がポジティブかネガティブか判定
- 言語モデル：文の続きを予測（例：チャットAI、文章の自動補完）
- 音声認識：音声→文字（会議の自動文字起こし）
- 音声合成：文字→音声（読み上げソフト）
- 翻訳：多言語対応の自動翻訳（リアルタイム字幕など）
ナレッジマイニングとは？
ナレッジマイニング（Knowledge Mining） は、PDFや画像、契約書のような“非構造化データ”から、意味のある情報を自動で抽出・検索・活用する技術です。
- Azureの「Document Intelligence」を使えば、契約書から会社名・金額などを自動で抜き出せます。
簡単に言うと： 読みにくい文書を、AIが”読み解いて”必要な情報を見つけてくれる！
自動機械学習（AutoML）
AutoMLは、モデルの選定・ハイパーパラメータ（人間が調整するパラメータ）の調整・評価など、面倒な機械学習プロセスを自動化してくれる便利ツールです。
- Azure Machine LearningのAutoMLを使えば、データをアップロードするだけで最適なモデルを自動で作ってくれます！
簡単に言うと： 機械学習のプロがやることを、AIが全部やってくれる超便利ツール！
Azure ML デザイナーとは？
Azure Machine Learning Designerは、ドラッグ＆ドロップで簡単に機械学習のパイプラインを作れるGUIツール です。
- コーディング不要で、初心者でも直感的にモデル構築が可能！
- 予測モデルの作成・学習・評価をワークフローで視覚的に確認できます。
簡単に言うと： プログラムを書かずに、ブロックを組み合わせるだけで機械学習できる便利ツール！
責任あるAIの6原則
AI技術は便利な反面、リスクや倫理の課題もあります。Microsoftは以下の6つの原則に基づいて「責任あるAI」の開発を推進しています。
| 原則 | 説明 |
| 公平性 | すべての人に平等に扱われること（差別しない） |
| 包括性 | 多様なユーザーを考慮して設計すること |
| プライバシーとセキュリティ | 個人情報を守り、安全に運用すること |
| 信頼性と安全性 | システムが安定して動作し続けること |
| 透明性 | AIがどのように判断しているか明示できること |
| アカウンタビリティ(説明責任) | トラブルが起きたときの責任所在を明確にすること |
よく出るAzure AI用語まとめ
| 用語 | 解説 |
| Cognitive Services | 音声、画像、言語などのAI機能をAPIで簡単に使えるサービス群 |
| Custom Vision | 自分だけの画像分類AIをGUIで簡単に作れるツール |
| Language Service | 感情分析、翻訳、要約などNLPを包括的に扱えるサービス群 |
| Azure OpenAI | ChatGPTなどをAzure環境で安全に使えるAPIサービス |
| Bot Service | チャットボットを簡単に開発・運用できるサービス |
まとめ：AI-900合格への一歩を踏み出そう！
Azure AI-900は、これからAIや機械学習を始めたい人にとって最高の入門資格です。 この記事で紹介した内容を押さえておけば、試験対策もバッチリです！
ちなみに私がAI-900の学習に使っていた教材はこちらです。⬇️
最近の投稿
