このセクションの他の記事
AIモデルの構築～推論の流れ
MatrixFlowでAIモデルを構築して、推論を行う流れを簡単に図示しました。
＜AIモデルの構築＞
まず「学習用データ」と「レシピ」と呼ぶAIモデルの設計図を用意します。
次にレシピに基づいて構築された空のAIモデルに、学習用データを読み込ませて学習を行います。
「学習済みAI」ができあがります。
学習済みAIモデルの評価指標をフィードバックして再度学習を行ったり、データセットの見直しを行うなど改善を行いながら、より良い予測ができるAIモデルを作成します。
＜推論を行う＞
できあがった「学習済みAI」で予測を行いましょう。
予測を行うための推論用データを用意して学習済みAIに投入し、予測を行います。
予測と推論の結果をフィードバックして、お持ちの課題の解決に役立てます。
なお、機械学習の分野では、学習済みAIにデータを投入して予測結果を得ることを「予測（prediction）」といい、投入したデータと予測結果の因果関係の説明まで行うことを「推論（inference）」といいます。
MatrixFlowは、予測するだけでなく、投入データと予測結果の因果関係を説明する信頼度や影響度なども得られる「推論」を行います。