In this video, you learn the definition of what it is, and also get a sense of when you might want to apply it.

このビデオでは、それが何であるかの定義を学び、また、どのような場合にそれを適用したいかを知ることができる。

Let's take a look together.

一緒に見てみよう。

Here's a definition of what is machine learning that is attributed to Arthur Samuel.

これはアーサー・サミュエルによる機械学習の定義である。

He defined machine learning as the field of study that gives computers the ability to learn without being exclusively programmed.

彼は機械学習を、コンピューターにプログラムされることなく学習する能力を与える学問分野と定義した。

Samuel's claim to fame was that back in the 1950s, he wrote the checkers playing program.

サミュエルの名声は、1950年代にチェッカーのプレイプログラムを書いたことにある。

The amazing thing about this program was that Arthur Samuel himself wasn't a very good checkers player.

このプログラムのすごいところは、アーサー・サミュエル自身がチェッカーがあまり得意ではなかったことだ。

What he did was he had programmed a computer to play maybe tens of thousands of games against itself.

彼がやったことは、コンピュータをプログラムして、自分自身と何万回も対戦させることだった。

By watching what sorts of board positions tend to lead to wins, and what positions tend to lead to losses, the checkers playing program learned over time what are good or bad board positions.

どのような盤面位置が勝ちにつながり、どのような盤面位置が負けにつながりやすいかを観察することで、チェッカーをプレイするプログラムは、盤面位置の良し悪しを時間をかけて学んでいった。

By trying to get to good and avoid bad positions, this program learned to get better and better at playing checkers.

良いポジションを取り、悪いポジションを避けることで、このプログラムはチェッカーがどんどん上達することを学んだ。

Because the computer had the patience to play tens of thousands of games against itself, it was able to get so much checkers playing experience that eventually it became a better checkers player than Arthur Samuel himself.

コンピューターは自分自身と何万ゲームも対戦する忍耐強さを持っていたため、チェッカーで多くの経験を積むことができ、最終的にはアーサー・サミュエル自身よりも優れたチェッカー・プレーヤーになった。

Now, throughout these videos, besides me trying to talk about stuff, I'll occasionally ask you a question to help make sure you understand the content.

さて、これらのビデオでは、私が何かを話そうとする以外に、内容を理解してもらうために時々質問をする。

Here's one about what happens if the computer had played far fewer games.

これは、もしコンピューターがもっと少ない試合数しかプレーしていなかったらどうなるかというものだ。

Please take a look and pick whichever you think is a better answer.

どちらか良い方を選んでください。

Thanks for looking at the quiz.

クイズを見てくれてありがとう。

So if you had selected this answer, would have made it worse, then you got it right.

だから、もしあなたがこの答えを選んでいたなら、もっと悪くなっていただろう。

In general, the more opportunities you give a learning algorithm to learn, the better it will perform.

一般的に、学習アルゴリズムに学習機会を与えれば与えるほど、そのパフォーマンスは向上する。

If you didn't select the correct answer the first time, that's totally okay too.

初回に正解を選べなかったとしても、まったく問題ありません。

The point of these quiz questions isn't to see if you can get them all correct on the first try.

これらのクイズのポイントは、最初の挑戦ですべて正解できるかどうかを見ることではない。

These questions are here just to help you practice the concepts you're learning.

これらの問題は、あなたが学んでいるコンセプトを練習するためのものです。

Arthur Samuel's definition was a rather informal one, but in the next two videos, we'll dive deeper together into what are the major types of machine learning algorithms.

アーサー・サミュエルの定義はかなり非公式なものだが、次の2本のビデオでは、機械学習アルゴリズムの主な種類とは何かについて、一緒に深く掘り下げていこう。

In this class, you learn about many different learning algorithms.

この授業では、さまざまな学習アルゴリズムについて学びます。

The two main types of machine learning are supervised learning and unsupervised learning.

機械学習には、主に教師あり学習と教師なし学習の2種類がある。

We'll define what these terms mean more in the next couple of videos.

これらの用語の意味については、次のビデオで詳しく説明する。

Of these two, supervised learning is the type of machine learning that is used most in many real-world applications and that has seen the most rapid advancement and innovation.

この2つのうち、教師あり学習は、多くの実世界のアプリケーションで最も使用されており、最も急速な進歩と革新が見られる機械学習のタイプである。

In this specialization, which has three causes in total, the first and second causes will focus on supervised learning, and the third will focus on unsupervised learning, recommender systems, and reinforcement learning.

全部で3つの原因があるこの専門分野では、1つ目と2つ目は教師あり学習に焦点を当て、3つ目は教師なし学習、推薦システム、強化学習に焦点を当てる。

By far, the most used types of learning algorithms today are supervised learning, unsupervised learning, and recommender systems.

今日、最も使われている学習アルゴリズムの種類は、教師あり学習、教師なし学習、推薦システムである。

The other thing we're going to spend a lot of time on in this specialization is practical advice for applying learning algorithms.

この専門分野ではもうひとつ、学習アルゴリズムを応用するための実践的なアドバイスに多くの時間を費やします。

This is something I feel pretty strongly about.

これは私が強く感じていることだ。

Teaching about learning algorithms is like giving someone a set of tools.

学習アルゴリズムについて教えることは、誰かに道具一式を与えるようなものだ。

Equally important or even more important than making sure you have great tools is making sure you know how to apply them.

優れた道具を揃えることと同じくらい、あるいはそれ以上に重要なのは、その道具の使い方を知っておくことだ。

Because what good is it if someone were to give you a state-of-the-art hammer or a state-of-the-art hand drill and say, good luck, now you have all the tools you need to build a three-story house.

最新式のハンマーや最新式のハンドドリルを渡されて、がんばれ、これで3階建ての家を建てるのに必要な道具は全部そろったぞ、と言われても何の意味もないからだ。

Doesn't really work like that.

そういうわけにはいかない。

So too in machine learning, making sure you have the tools is really important, and so it's making sure that you know how to apply the tools of machine learning effectively.

機械学習においても、ツールを確実に手に入れることが本当に重要であり、機械学習のツールを効果的に適用する方法を知ることが重要なのです。

That's what you get in this class, the tools as well as the skills of applying them effectively.

それがこのクラスで得られるものであり、ツールであると同時に、それらを効果的に活用するスキルでもある。

I regularly visit with friends and teams in some of the top tech companies, and even today, I see experienced machine learning teams apply machine learning algorithms to some problems, and sometimes they've been going at it for six months without much success.

私はトップクラスのハイテク企業の友人やチームを定期的に訪問しているが、今でも経験豊富な機械学習チームが機械学習アルゴリズムを何らかの問題に適用しているのを目にする。

When I look at what they're doing, I sometimes feel like I could have told them six months ago that the current approach won't work and there's a different way of using these tools that will give them a much better chance of success.

彼らがやっていることを見ていると、半年前に今のやり方ではうまくいかない、もっと成功する確率の高い別のツールの使い方がある、と言えたのではないかと思うことがある。

So in this class, one of the relatively unique things you learn is, you learn a lot about the best practices for how to actually develop a practical, valuable machine learning system.

このクラスでは、比較的ユニークなこととして、実用的で価値のある機械学習システムを開発するためのベストプラクティスについて学びます。

This way, you're less likely to end up in one of those teams that end up losing six months going in the wrong direction.

そうすることで、間違った方向に進んで6カ月を棒に振るようなチームの1つになる可能性は低くなる。

In this class, you gain a sense of how the most skilled machine learning engineers build systems, and I hope you finish this class as one of those very rare people in today's world that know how to design and build serious machine learning systems.

このクラスでは、最も熟練した機械学習エンジニアがどのようにシステムを構築しているのかを学ぶことができます。このクラスを修了することで、本格的な機械学習システムを設計・構築する方法を知っている、現代では非常に稀な人材の一人になってほしいと思います。

So that's machine learning.

それが機械学習だ。

In the next video, let's look more deeply at what is supervised learning, and also what is unsupervised learning.

次のビデオでは、教師あり学習とは何か、また教師なし学習とは何かについてさらに深く見てみよう。

In addition, you learn when you might want to use each of them, supervised and unsupervised learning.

さらに、教師あり学習と教師なし学習、それぞれをどのような場合に使いたいかを学ぶ。

I'll see you in the next video.

また次のビデオで会おう。