## 「Microsoft Playwright Testing」を発表

*マイクロソフト社は2023年8月22日、新サービス「Microsoft Playwright Testing」を発表しました。*本サービスは、Microsoft Azureから「Playwright」を用いて、ウェブアプリケーションのエンドツーエンドのテストと自動化を可能にします。

異なるオペレーティングシステムとブラウザの組み合わせに対しても、クラウドリソースの活用により高い並列度でテストを進めることができます。

【参考】：[Microsoft Apps on Azure Blog: Introducing Microsoft Playwright Testing service private preview](https://techcommunity.microsoft.com/t5/apps-on-azure-blog/introducing-microsoft-playwright-testing-service-private-preview/ba-p/3905705)
【参考】：[Microsoft Aure](https://azure.microsoft.com/ja-jp)

*Microsoft Azureとは、マイクロソフト社が提供するクラウドコンピューティングサービスを指します。*コンピューティングやコンテナサービス、AIなどをハイブリッドクラウドやマルチクラウド環境で実現します。

同社はソフトウェア開発環境の整備にも力をいれており、今回の「Microsoft Playwright Testing」は、ウェブアプリのテスト自動化と高品質化、デリバリーの迅速化が期待できます。

【参考】：[Microsoft Azure](https://azure.microsoft.com/ja-jp)

Azure入門｜学習前に知っておきたい！無料枠のフル活用メソッド

### 「Microsoft Playwright Testing」を利用するには

「Microsoft Playwright Testing」は、Microsoft Azureが「Playwright」を用いたテスト環境をマネージドサービスとして提供するものです。*本サービスは、プライベートプレビュー版として提供され、利用するにはウェイティングリストへの登録が必要です。*

【参考】：[Join the waitlist for Microsoft Playwright Testing private preview](https://aka.ms/mpt/signup)

## 「Microsoft Playwright Testing」の発表内容と特徴

*今回の発表は、同社が中心となって開発したテストフレームワークである「Playwright」を、クラウドコンピューティングサービスのMicrosoft Aureからマネージドサービスとして提供するというものです。*

ここからは、「Microsoft Playwright Testing」の具体的な特徴を解説していきます。

【参考】：[Microsoft Apps on Azure Blog: Introducing Microsoft Playwright Testing service private preview](https://techcommunity.microsoft.com/t5/apps-on-azure-blog/introducing-microsoft-playwright-testing-service-private-preview/ba-p/3905705)

### テストスイートの実行時間を短縮

本サービスでは、ウェブアプリのエンドツーエンドのテストを自動化することができます。さまざまなオペレーティングシステムとブラウザが、期待通りに動作するか確認できます。

*アプリが複雑化するとテスト工程に時間を要しますが、「Microsoft Playwright Testing」では、テストを多数の並列ブラウザに分散させ、テストスイート完了までの時間を短縮します。 *

### 複数のオペレーティングシステムとブラウザの組み合わせをサポート

複雑なアプリに加えて、さまざまなブラウザ、オペレーティングシステム、デバイスの組み合わせを簡単にテストすることが可能です。これらの組み合わせを個別に調査するには、ITインフラの準備やテスト期間の長期化が予想されます。

*本サービスでは、クラウドのサービス選択やスケールの柔軟性を活用し、PCブラウザやモバイルブラウザのエミュレーションにより、テストを並行実行し、膨大なテスト範囲を短期間でカバーすることができます。*

### テストコードの変更が不要 

*本サービスでは、「Playwright」テストスイートとシームレスに統合されており、「Playwright」のテストコードを変更する必要はありません。*数ステップの操作で、「Playwright」と「Microsoft Playwright Testing」が接続され、連携して並列テストを実行します。

複数のバージョンの「Playwright」をサポートしており、新しいバージョンがリリースされるたびに更新されます。これまでのように、テスト用インフラの管理の複雑さを気にせずに、アプリケーションテストに集中することができます。

ここでは、「Microsoft Playwright Testing」に用いられるPlaywright自体について、解説していきます。

Playwrightは、マイクロソフトを中心に開発したウェブアプリのテストと自動化のフレームワークです。単一のAPIで、ChromiumやFirefox、WebKitのテストが可能です。*Playwrightは、クロスブラウザウェブの自動化を可能にするために設計されており、機能と信頼性を高め、高速に実行します。*

【参考】：[Playwright](https://playwright.dev/)
【参考】：[GitHub: Microsoft Playwright](https://github.com/microsoft/playwright)

WebKitとは？HTMLレンダリングエンジンの役割や特徴を解説！

Playwrightは、ウェブアプリのテストの項目を網羅し、自動化を推進するフレームワークです。*豊富な機能を持ち、クロスブラウザ、クロスプラットフォームのテスト環境を実現します。*代表的な特徴は、次の通りです。

・*抜け漏れのないテストを実現*
アクション実行において、要素がアクション可能になるのを待ったりイベントを活用したりする仕組みを提供します。ウェブの動的な動作をテストするためには、アサーションを利用できます。実行時には、トレース、ビデオ、スクリーンショットなどで抜け漏れを防止します。

実現のために、Codegen、Playwright inspector、Trace Viewerなど、豊富なツールを提供します。パワフルなツールにより、非同期で高速なテスト処理をもたらします。

・*トレードオフや制限からの開放*
ブラウザは、さまざまなOrigin（オリジン）のウェブコンテンツを異なるプロセスで実行します。Playwrightは、最新のブラウザのアーキテクチャに対応し、テストをプロセス制限を受けずに実行することができます。

具体的には、フレームのテストあるいはシャドウ DOMの動作などのテストや、複数のタブやオリジン、ユーザにまたがるシナリオを、ユーザごとに異なるコンテキストでシナリオを作成し、実行することができます。

*Playwrightでは、ChromiumをベースとするGoogle Chromeや、Edge・Opera、WebKitを用いるSafariやiOS向けブラウザ、Firefox など、最新のレンダリングエンジンをすべてサポートしています。*

プラットフォームは、Windows、Linux、macOS、GUIを持たないヘッドレスや組込みシステムなどで動作し、アクセスAPIは、TypeScriptやJavaScript、Python・.NET・Javaから利用することができます。

Google Chrome for AndroidとMobile Safariのネイティブなモバイルエミュレーションに対応し、クラウド環境でもサポートされます。

【参考】：[Playwright Getting Started](https://playwright.dev/docs/intro)
【参考】：[GitHub: Microsoft Playwright](https://github.com/microsoft/playwright)

### Playwrightを使用して自動化とテストを行う

*公式サイトでは、Playwrightを使用して自動化とテストを行う手順を掲載しています。*Playwrightを使うには、Node.jsバージョン16以降が必要です。あらかじめNode.jsをインストールしておくと良いでしょう。

Playwrightのインストールは、“npm init playwright@latest”などで行います。インストール時には、TypeScriptかJavaScriptのどちらかを選択し、テストフォルダーを設定します。

テストを起動するには”npx playwright test”を実行します。最初にインストールされたサンプルの”example.spec.ts”を編集します。Edge向けにはEdgeの公式サイトを参考に、構成ファイルとなる”playwright.config.ts”を作成するのが良いでしょう。

テストをUIモードで起動する場合は、”npx playwright test --ui”を指定します。テスト結果のレポートは、”npx playwright show-report”で表示することができます。

【参考】：[Playwright Getting Started](https://playwright.dev/docs/intro)
【参考】：[Microsoft Edge: Playwright を使用してMicrosoft Edgeで自動化とテストを行う](https://learn.microsoft.com/ja-jp/microsoft-edge/playwright/)
【参考】：[Node.js](https://nodejs.org/ja)

TypeScriptはJavaScriptの上位互換？違いは開発規模や機能面にアリ

Node.js入門！メリットやインストール方法・学習方法を解説

## 「Microsoft Playwright Testing」はAzure利用者に朗報

Microsoft Azureは、ソフトウェア開発のプラットフォームとしても多くの利用者がいます。「Microsoft Playwright Testing」は、近年増加するウェブアプリのテストを効率的に自動化することができます。

**今回の発表は、Microsoft Azure利用者にとって生産性向上をもたらす、プラスの効果が得られるでしょう。**

マイクロソフト社が発表した「Microsoft Playwright Testing」は、Microsoft Azureでウェブアプリケーションのテストと自動化を実現します。ここでは発表内容とともに、使用するPlaywrightについても解説していきます。

「Microsoft Playwright Testing」は、Microsoft Azureでウェブアプリのテストと自動化を可能にします

プライベートプレビュー版のため、利用するにはウェイティングリストへの登録が必要です

Playwrightと連携し、クラウド環境でテストの自動化と多様な環境のテストを高速に実行します

Microsoft Playwright Testingを発表！内容と特徴を解説

ChatGPT開発元の米国OpenAI社は現地時間の8月22日に、同社の大規模言語モデル「GPT-3.5 Turbo」の微調整（Fine-tuning）機能を公開しました。この機能によって、*利用者は独自のデータを用いて、モデルの最適化やカスタマイズが可能になり、より高いパフォーマンスを得られるようになっています。*

また、特定のタスクではGPT-4以上の性能を発揮したとの報告も上がっており、2023年秋にGPT-4にも適用される予定です。

この記事では、ChatGPT3.5 Turboに新たに搭載された微調整機能によって何が変わるのか、メリットとデメリット、微調整の手順、今後の展望と可能性について解説をしていきます。

【参考】：[ChatGPT | OpenAI](https://chat.openai.com/)
【参考】：[GPT-3.5 Turbo fine-tuning and API updates| OpenAI](https://openai.com/chatgpt)

ChatGPTとは？今話題のAIチャットボットの概要や仕組みを解説！

大規模言語モデル（Large Language Models：通称LLM）は、大量のデータセット及びディープラーニング技術を駆使して構築された、自然言語処理モデルのことを指します。

**大規模言語モデルでは、一般的な自然言語モデルと比較して、計算量、データ量、パラメータ数（ディープラーニング特有の係数の集合体）の3つの要素が巨大化されている点が特徴です。**

ChatGPTは、このLLMに大量のテキストデータを学習させ、まるで人間が発したような自然な言葉や文章を生成できる自然言語処理機能を用いた仕組みです。

自然言語処理とは？注目される理由やできることをわかりやすく解説

 GPTとは「Generative Pretrained Transformer」の略で、米OpenAI社が開発した自然言語AIシリーズの名称として使われています。

GPT-3.5はChatGPTで使われている言語モデルのバージョンです。GPT-3.5はGPT-3と最新のGPT-4の間に位置し、自動翻訳や文章作成、質問応答などの多様なタスクに対応できるよう設計されています。

GPT-3.5 Turboは、OpenAIのGPT-3.5モデルの最新バージョンである「gpt-3.5-turbo-0613」に由来しています。**このTurboバージョンは、従来のバージョンよりも高速化されており、新しい機能として関数呼び出しが追加されています。**

またGPTの最新バージョンであるGPT-4は、ChatGPT PlusやChatGPT Enterpriseなどの有償サービスでは利用できますが、無償提供されているChatGPTではGPT-3.5が使われています。

【参考】：[GPT-35-Turboの操作方法 - Azure OpenAI Service | Microsoft Learn](https://learn.microsoft.com/ja-JP/azure/ai-services/openai/how-to/chatgpt?pivots=programming-language-chat-completions)

ChatGPT Plus（有料版）とは？無料版との違いやGPT-4の機能も解説！

## GPT-3.5 Turboの微調整とは何か？

GPT-3.5 Turboの微調整機能は、GPT-3.5 TurboのAPIを利用している開発者向けに提供される機能です。これによって何が変わるのかを見ていきましょう。

### 微調整によって何が変わる？

GPT-3.5 Turboに新たに搭載された微調整機能を利用することで、**開発者は特定のユースケースやタスクに合わせて、モデルの微調整やカスタマイズが行えるようになります。**

これにより、出力フォーマットに一貫性を持たせる、特定言語による応答を固定する、特定自社ブランドのトーンに合わせる、要件に合わせた回答結果を得るといった調整が行えるようになります。

微調整機能のユースケースについて整理すると、以下の通りとなります。

*▪操作性向上*
モデルが指示通りに動き、期待する結果に近づく可能性が高くなります。例えば、日本語のプロンプトには日本語で応答する、不要な長い出力を削る、といった形で操作性を向上することができます。

*▪出力フォーマットの一貫性*
一貫した応答によって、利用者からの出力フォーマットに対する信頼性を高めることができます。

*▪出力トーンの調整*
モデルの出力トーンを調整することができ、自社プランドにトーンを合わせることで、ブランドイメージのアップにつなげることができます。

### 安全性やセキュリティ面の改善

モデルの安全性確保のために、微調整機能を用いたプロセスにおいては、すべてのトレーニングデータはOpenAIのモデレーション機能を通じた細心の精査を受け、安全性を損なうコンテンツはフィルタリングされます。

また、微調整に使用したデータは顧客の所有物として、**OpenAIがそのデータをモデルのトレーニングに使用できないようセキュリティ面の配慮がなされています。**

ここまで述べたように、良いこと尽くめの微調整機能に思えますが、注意すべき点があります。それは新たなコストの発生です。仮にモデルのトレーニングに1,000トークン（1,000語）を利用すると、約1.17円のコストが課金されます。

例えば、10万トークンの学習データを1回分学習させると、コストは0.8ドル（約120円）掛かります。従って、**微調整機能の利用は、費用対効果で判断をすることが求められます。**

## GPT-3.5 Turboの微調整のメリットとデメリット

ChatGPTの自然言語モデルGPT- 3.5 Turboは、OpenAI APIを利用してモデルの微調整が行えます。微調整機能についてメリットとデメリットを整理してみましょう。

 GPT-3.5 Turbo 微調整機能を利用することで、開発者および利用者は次のようなメリットを期待することができます。

▪3つの異なるユースケースにおいて優れた結果をもたらし、モデルのパフォーマンス向上に役立ちます。
▪指示することで、モデルの出力結果を調整できるようになり、カスタムトーンが可能になり、出力の一貫性が向上します。
▪プロンプトサイズを90%削減したり、効率的なAPIコールを実現したりすることで、*APIコールの高速化とコスト削減を実現できます。*

 GPT-3.5 Turbo 微調整機能には様々なメリットがある反面、次のようなデメリットがありますので、**利用に当たっては費用と効果のバランスに注意する必要があります。**

▪微調整を利用すると、トレーニングコストや利用コストが想定外にかかる可能性があります。出力の微調整では、通常モデルの約8倍のコストが掛かります。
▪微調整を行うには、エンジニアやデータサイエンティストなどのスキルが求められ、一般の利用者には利用が難しいという問題があります。ただし、OpenAIは微調整UIの開発を予定しており、アップロードや微調整が容易に行えるようになる予定です。

GPT-3.5 Turboの微調整の大まかな手順は以下の通りです。*詳細は、OpenAIが公表しているガイドに従ってください。*

GPT-3.5 Turboで微調整機能を用いる手順は以下の通りです。

1．データの準備
モデルをトレーニングするためのデータを準備します。

2．APIキーの使用
利用するAPIのキーをOpen AIより取得します。

3．モデルのトレーニング
モデルのトレーニングを微調整するためのジョブを作成し、トレーニングを行います。学習サンプルは最低10個は必要で、50〜100個で明確な改善が見られます。また学習データのサンプルはそれぞれ4,096トークン以内である必要があります。

4．APIコールによる使用
OpenAIのAPIをコールして、微調整されたGPTを実際に利用します。

【参考】：[Fine-tuning ｜ OpenAI API](https://platform.openai.com/docs/guides/fine-tuning)

**微調整に要するコストは、元のモデルと比較して約8倍の費用が掛かります。**またトレーニングにおいても$2.4が必要です。微調整したモデルは、通常のモデルと同様に月間APIコール数や最大トークン数などのAPI制限が適用されます。

またアップロードされたデータは顧客側の所有物であり、OpenAIやその他の組織によって流用されるリスクはありません。

## 微調整機能の今後の展望と可能性

GPT-3.5 Turboに追加された微調整機能は、大規模言語モデルの利用者にとって画期的な機能です。この機能により、**利用者は目的やニーズに合わせたモデルの出力についてカスタマイズが可能となり、より高度なタスクやアプリを実現できるようになる可能性があります。**

例えば、以下のような応用が考えられます。

*1．新たなチャットボットや対話システムの開発*
微調整を利用して、チャットボットや対話システムの音声、キャラクターの性格をカスタマイズできるようになり、ユーザの利便性や満足度を高められます。また、特定の領域や業界に特化した知識や用語をモデルに学ばせることで、より専門的な対話を実現できます。

*2．テキスト生成や文章作成の支援*
微調整を利用して、テキスト生成や文章作成における形式やトーンの指定が可能になり、より効率的かつ高品質なテキスト生成が実現します。

*3．テキスト分析や自然言語能力の強化*
微調整によって、テキスト分析や自然言語理解に必要な特徴や指標を指定できるようになり、より自然で高い精度や信頼性を持つアウトプットを実現できます。

## よりユーザの期待に応えられるチャットボットを目指して

GPT-3.5 TurboはOpenAIが開発した大規模言語モデルであり、2023年8月に微調整機能が追加されました。この記事では、微調整機能によって何が変わるのか、メリットとデメリット、微調整の手順、今後の展望と可能性について解説をしてきました。

ChatGPTの有効活用を図る上では、*より利用者のニーズに沿った効率的、効果的なカスタマイズが利活用の鍵となってくるでしょう。*その実現のために微調整機能は大変重要だということが理解できたと思います。ぜひ皆さんも微調整機能を習得して、より良いAIチャットボットの開発に活かしてみてください。

ChatGPTの活用方法！エンジニアの業務に活かせるか利用してみた

ChatGPTのプラグインは何ができる？一覧や使い方を解説

米国OpenAI社は現地時間8月22日に、「GPT-3.5 Turbo」の微調整（Fine-tuning）機能を公開しました。この機能によりモデルの最適化が可能となり、より高いパフォーマンスを得られます。この記事ではその概要やメリット・デメリットなどを解説します。

GPT-3.5 Turboの微調整機能でモデルの最適化やカスタマイズが可能となった

GPT-3.5 Turboの微調整機能により、3つのユースケースでメリットが期待できる

GPT-3.5 Turboの微調整機能の利用では、費用対効果を熟慮する必要がある

GPT-3.5 Turboの微調整機能はGPT-4以上？その役目や効果を解説

機械学習では、大きく「教師あり学習」「教師なし学習」「強化学習」の3種類の学習の手法があります。**「教師あり学習」が最も身近な学習方法で、さらに用途に応じて「分類」あるいは「回帰」によって学習が行われます。**

ここでは、機械学習の概要とともに、これら学習手法の違いを解説していきます。

*機械学習は、人工知能の実現方法の1種です。*機械やコンピュータに対象とするデータを読み込んで学習させ、ルールやパターンを導きます。この導いたルールやパターンを活用して、社会で必要な様々な分野の課題の解決に役立てることができます。

機械学習のように、人間の介在なしに機械的に実行することができれば人間の負担が減るとともに、高速で高性能かつ高精度に処理を行うことが可能です。これまでの経験則に任せていた領域も、科学的に最適な結果を導くことが可能になります。

機械学習の説明をする上で前提となるのが、人工知能です。人工知能は、人間が備えている記憶や知識などの知的な行為や蓄積を、コンピュータの手続き・アルゴリズムに基づき所定のデータを与えることで、機械的に実行することを研究する領域です。

機械学習は人工知能の1種で、学習方法を定義し機械的に学習させるために過去の蓄積データからパターンを認識したり、将来の予測を行ったりするための技法を指します。

*人工知能が機械学習を包含しており、さらに機械学習はニューラルネットワークやディープラーニング（深層学習）を内包しているという関係性があります。*

今さら聞けない人工知能（AI）の基礎知識｜AI開発の基本を解説！

*機械学習の学習技法やアルゴリズムは、数多くあります。*よく聞く用語では、ニューラルネットワークやディープラーニングがあります。これらの用語も機械学習の1つで、それぞれの学習技法があります。

ニューラルネットワークは、処理単位である数理モデルがネットワーク上に結合したものです。生物の神経系ネットワークに着想を得て発展を続ける技法です。接続するユニットの数や階層構造などによってさらに様々なモデルが提唱されています。

ディープラーニングは、ニューラルネットワークの階層構造を多層にしたモデルで、主に4層以上の深層のニューラルネットワークを狭義のディープラーニングと呼びます。この多層のニューラルネットワークは、音声や画像、そして自然言語に強みを発揮します。

そのため、その後登場した大規模言語モデルにおいても、ディープラーニングが実装基盤に用いられています。

ニューラルネットワークとは？仕組みや関連用語をわかりやすく解説

ディープラーニングとは？機械学習との違いもわかりやすく解説

## 機械学習のタスクの種類と学習方法

機械学習では、タスクという用語が使われます。タスクとは、コンピュータの処理すべき課題の単位として用いられ、プロジェクトで定義するタスクと同等の考え方です。

**機械学習の場合は、課題解決の進め方で分類されており、代表的なタスクは「教師あり学習」「教師なし学習」「強化学習」の3種類に分けられます。**

*教師あり学習は、入力と対応する出力を、機械学習のアルゴリズムに与えて学習を進める方法です。*あらかじめ正解がわかっているものを覚えこませることで効率的に学習を進めます。例えば、イヌやネコの写真を学習し、画像認識に活用するなどがあります。

また電子メールが迷惑メールかどうかなどを判断するセキュリティ対策にも用いられています。

教師あり学習についてはここでは概要までとし、後ほどもう少し詳細に解説していきます。

*教師なし学習は、「教師あり学習」と対となる学習方法で、学習データに正解を与えない状態でコンピュータに学習させる方法です。*データの類似度などに基づいてグルーピングしたり、データの特徴からあらたなデータを生成したりします。

この学習方法は、正解がない考え方を調査するのに用いることが多く、例えば市場調査の購買分析や行動分析などに用います。

主に統計的手法から成るアルゴリズムを、学習に用います。学習データを似ている者同士に分類するクラスタリングや、統計学上の目的変数を表す説明変数を圧縮する次元圧縮、データの中から一定の法則を見つけ出す主成分分析などの手法を用います。

教師なし学習は、正解が与えられていないので人間が妥当性を判断する必要があります。そのため、判断を担当する人は学習データに関する知識が求められます。

*強化学習は、入力から学ぶのではなく、その価値を最大化させることに力点をおく手法です。*ある行動を行うことで、その価値を入力としてデータを更新するQ学習などの手法があります。

教師あり学習や教師なし学習とは異なり、強化学習は事前に準備するデータセットに依存しません。実際の環境で動的に変化する状況でも、収集したデータを試行錯誤し学習を続けていきます。

以上の特徴から、人間の監視下にない状態でも学習を行うことができます。カメラのピント合わせやセンサーへの導入、ロボットや自動車の自動運転などに利用されています。

## 教師あり学習をさらに詳しく

*教師あり学習は、機械学習のタスクで最も用いられる手法です。*正解があらかじめ分かるものが対象ですので、データの示す特徴が、正解に近いかどうかで適合の可能性を予測することができます。

統計学では、ある現象や値を説明するものを説明変数、それを受けて生じた結果を目的変数と言います。用いるデータで表すと、顔やシルエットなどの画像や音声などが説明変数で、特定の人物かどうか判断することを目的変数とすることができます。

ここで用いるのが、分類問題と回帰問題です。使用するモデルによって手法が決まりますので、フローチャート化することも可能です。

プログラミングのフローチャートとは？概要から書き方までを紹介

*教師データとは、教師あり学習で使用するデータの集合体（データセット）を表す用語です。*教師データは、教師あり学習で用いる「正解」と「例題」のペアの集合体で、この教師データの例題を入力したときに、正解のデータが出力されるように、モデルの訓練を行います。

モデルの訓練が完了すると、例題を入力すると正解が出力されるようになり、未知のデータを入力したときに正解に近い結果を予測することができます。

*分類問題とは、どの分類クラスに属するかを目的変数とし、予測する方法を表します。*あらかじめ定義した分類クラスにデータを振り分け、予測することを、「分類」と言い、結果を導く仕組みを「分類モデル」と言います。

例えば、入力したデータが人物なのかそうでないのか、イヌなのかそうでないのか、ネコなのかどうでないのか、などを分類します。このように「そうなのか（YES）」「そうでないのか（NO）」の2つに分類することを二値分類と言います。

また画像の例では、目なのか、鼻なのか、口なのかなど、3つ以上の分類になる場合は、多値分類で表されます。

この分類づけは、数値的な重みづけはなく、どの分類に当てはまるかのみが予測されるため「ラベル」という場合もあります。分類のアルゴリズムは、ベイズの定理を用いた「ナイーブベイズ法」や、「K 近傍法」などが用いられます。

*回帰問題とは、数値的に目的変数を予測する方法を表します。*分類問題は数値的な重み付けがありませんが、回帰問題では数値に意味合いを持つ点に違いがあります。

連続するデータの傾向から、将来の値を予測することを、「回帰」と言い、結果を導く仕組みを「回帰モデル」と言います。加えて、結果となる数値と要因となる数値から、関係を明らかにする手法を回帰分析と言います。要因となる説明変数が1つの場合が「単回帰分析」、複数ある場合を「重回帰分析」と言います。

例えば、今後の気象予報から店舗の売り上げを予測したり、模擬試験の結果と傾向から志望校への合格確率を予測したりすることができます。マーケティングなどでも、広告宣伝費のかけ方と売り上げ効果を予測する際にも一般的に用いる手法です。

*教師あり学習では、正解を与える手法のため、予測結果が正解に近いかどうか評価することができます。*評価する場合は、教師データの正解に基づくデータと、予測した評価データとを比較します。この評価方法を交差検証法と言い、「k分割法」と「ホールドアウト法」の手法があります。

「k分割法」は、学習データを分割し、分割した回数分の検証を繰り返す手法です。訓練データ群に1つの評価データを入れてモデルの当てはまりを確認します。「ホールドアウト法」は、データセットを学習データと検証データに分割して検証する方法です。

学習データとテストデータから最終の予測モデルを構築します。

回帰分析の場合は、回帰式により求められた値と実際の値について相関関係を確認します。相関係数および相関係数の二乗値である決定係数を確認し、より1に近いほど回帰式による予測が実際の値に近いことが分かります。

*予測結果の評価において学習済みのモデルが正しい場合でも、未知のデータを用いる場合には結果が適合しない場合があります。*過学習とは、この状態を表します。あまりにも教師データに適合するように調整してしまうと、それ以外のデータが入力された場合にこのようなことが起きてしまいます。

例えば、模擬試験で合格水準の方でも勉強時間とテスト結果が比例しなかったり、得意な分野や不得意な分野に偏って出題されたりするとモデルの精度が落ちてしまいます。

意思決定で用いる「決定木」のアルゴリズムでは、特に過学習となりやすいため、「ランダムフォレスト」などのアルゴリズムを検討するのが良いでしょう。

## 機械学習の分類と回帰は分析や予測の基礎となります

ここでは、機械学習の「教師あり学習」を中心に学んできました。「教師あり学習」は多くの場面で活用されており、「分類」と「回帰」でアルゴリズムが表されます。**分類と回帰は、数値解析や統計解析などの基礎となりますので、ここで学んだ内容は多くの場面で活用することができるでしょう。**

機械学習が学べるおすすめの本12選！初心者から上級者まで厳選してご紹介！

データサイエンスと統計学の違いとは？活かせる職業も紹介

機械学習の学習の手法は、大きく「教師あり学習」「教師なし学習」「強化学習」の3種類があります。よく用いられる「教師あり学習」は、さらに「分類」と「回帰」によって学習を行います。ここでは、機械学習の概要とともに、これらの学習手法の違いを解説していきます。

機械学習には、「教師あり学習」「教師なし学習」「強化学習」の3つの学習手法があります

分類と回帰は、「教師あり学習」で用いる問題解決の手法で、教師データを用いて学習を進めます

分類と回帰は、データの分析や予測など多くの場面で活用できる基礎のため、スキルとしても有効です

機械学習の分類と回帰とは？学習手法の概要から違いまで解説！

## ChatGPTでコードレビューが可能？

**ChatGPTはOpenAIが提供しているテキストベースの対話型AIです。**このツールはAIツールとして世界的に有名なため、すでに利用したことがある方も多いでしょう。

そんなChatGPTは、実はコードレビューにも活用できます。

本記事では、ChatGPTをコードレビューで利用するメリットや、利用方法、よくある疑問についてまとめました。エンジニアの方や、現在プログラミング言語を学んでいる方は、ぜひ参考にしてください。

【参考】：[ChatGPT公式](https://openai.com/chatgpt)

コードレビューを初めて行う人必見！やり方を1から解説！

## ChatGPTでコードレビューするメリット

ChatGPTを利用してコードレビューができると紹介しましたが、なぜAIにコードレビューさせる必要があるのでしょうか。**ここでは、ChatGPTを利用して、コードレビューをするメリットを解説します。**

### フィードバックまでの時間が短い

*ChatGPTは、リアルタイムで返答を生成してくれるため、非常に短い時間でコードレビューを行えます。*

本来、人間がコードのレビューをする場合は1行ずつコードを丁寧に見ていくため、非常に時間がかかります。しかし、これをChatGPTに実行させると、開発の工数を大幅に削減することができます。

レビュアーが多忙な開発現場では、コードのフィードバックをもらうまでに非常に時間がかかります。このような時、ChatGPTは特に重宝するツールだと言えるでしょう。

### 人間のレビュアーとは違ったアドバイスがもらえることも

ChatGPTはプログラムに関する知識を体系的に持っているため、広い視点でアドバイスをすることができます。*具体的には、ChatGPTを利用すれば、アルゴリズムやパフォーマンスを意識したコードのレビューを行えます。*

一方で人間がコードレビューをする場合、文法的な側面でのコードレビューが中心となりがちです。また、レビューする方のスキルによって、コードの質が変動する可能性もあります。

以上の点を踏まえても、ChatGPTとレビュアーを併用してコードレビューをすると、より高品質な納品物を制作できます。

### 効果的に教育を行うことができる

*新人教育や知識を習得する際にも、ChatGPTのコードレビュー機能が役に立つでしょう。*

例えば、新人がコードレビューを依頼する時に、普段であれば担当のレビュアーと予定を調整する必要があります。忙しい開発現場ではこのような時間を確保するのが大変ですが、ChatGPTを活用すればコードの評価をAIが行ってくれるため、効果的に学習を進められます。

ただし、ChatGPTのコードレビューが100%正しいとは限りませんので、上司やレビュアーからの教育と併用してツールを活用しましょう。

## ChatGPTでコードレビューする方法

**ChatGPTのメリットについて分かったところで、実際にコードレビューする方法を学んでいきましょう。**

この時、事前にChatGPTへのサインアップが求められます。まだサインアップの手続きをしたことがない方は、本記事で手順を紹介しますので先に登録を済ませましょう。

ChatGPTの使い方とは？実際に使用するまでの流れを解説！

では、サインアップの手順を紹介します。すでにアカウントのある方は、先の手順に進んでください。

はじめにOpenAIのサイトにアクセスします。図のようなサイトが表示されたら、*画面右上の「Get started」（始めましょう）のリンクをクリックしましょう。*

~~【図】ChatGPTの公式サイトにアクセスする~~

クリックすると、「Create your account」（あなたのアカウントを作成する）と表示されますので、メールアドレスまたは、Google、Microsoft、Appleのいずれかでサインアップしてください。

~~【図】ChatGPTにサインアップする~~

登録が完了したら、再度公式サイトにアクセスしてログインしてください。ログインすると、下図のような画面が表示されますので、「ChatGPT」のエリアをクリックしましょう。

~~【図】ログイン後、ChatGPTをクリックする~~

サービス・ツール・技術の記事（36ページ目）