AISeq2SeqとAttention｜翻訳AIの転換点
エンコーダ・デコーダ、Seq2Seq、Attention機構、Self-Attentionの仕組みをG検定向けにやさしく整理します。
AI
AI
AI自然言語処理の基礎｜言葉を数値にする
形態素解析・Bag of Words・TF-IDF・分散表現・word2vec・エンベディング層をG検定向けにやさしく整理します。
AILSTMとGRU｜長期記憶を扱う仕組み
CEC・忘却ゲート・入力ゲート・出力ゲート・GRU・双方向RNNをG検定向けにやさしく整理します。
AIRNNの仕組みと限界｜時系列データとBPTT
時系列データ・回帰結合層・シンプルRNN・BPTT・勾配消失をG検定向けにやさしく整理します。
AI物体検出・セグメンテーション・姿勢推定
画像分類との違いから、物体検出のFaster R-CNNとIoU、セグメンテーションの3種類、姿勢推定までG検定向けに解説します。
AI転移学習とファインチューニングの違い
学習済みモデルを再利用する転移学習とファインチューニングの違いと使い分け、データ拡張や負の転移までG検定向けに解説します。
AI画像認識モデルの進化｜AlexNetからEfficientNetまで
AlexNet・VGG・GoogLeNet・ResNet・MobileNet・EfficientNetの特徴と進化の流れをG検定向けに解説します。
AICNNの仕組み｜畳み込みとプーリング
畳み込み層・フィルタ・特徴マップ・パディング・ストライド・プーリング層の役割をG検定向けにやさしく解説します。
AIなぜ今ディープラーニングなのか｜GPUとデータ量
ディープラーニングが2010年代に実用化した理由を、歴史・GPU・データ量の観点からG検定向けに解説します。
AIディープラーニングの過学習対策｜ドロップアウトと正則化
ドロップアウト・バッチ正規化・重み減衰・早期終了など、ディープラーニング特有の過学習対策をG検定向けにやさしく解説します。