AI

34件

記事一覧

AI

生成AIを使う前に知っておきたい課題

生成AIの課題をG検定向けに解説。ハルシネーション、バイアス、著作権法30条の4、個人情報、ディープフェイク、AIガバナンスを整理します。

記事を読む →
AI

音声処理とモデルの軽量化・エッジAI|音素からWaveNetまで

音声処理の流れとモデルの軽量化をG検定向けに解説。音素・メル尺度・WaveNet、蒸留・量子化・プルーニングとエッジAIを整理します。

記事を読む →
AI

深層強化学習とAlphaGo|DQNから自己対戦AIまで

深層強化学習をG検定向けに解説。DQNの経験再生とターゲットネットワーク、AlphaGoとモンテカルロ木探索、産業応用の課題を整理します。

記事を読む →
AI

AIの判断根拠を説明する|説明可能AI(XAI)

説明可能AI(XAI)をG検定向けに解説。ブラックボックス問題、LIMEやSHAP、CAM・Grad-CAMによる可視化、敵対的攻撃までを整理します。

記事を読む →
AI

ChatGPTはどう作られたか|RLHFと基盤モデル

ChatGPTの作られ方をG検定向けに解説。RLHFと報酬モデル、zero-shot、基盤モデル、マルチモーダルを整理します。

記事を読む →
AI

大規模言語モデル(LLM)とは|BERTとGPT

LLMをG検定向けに解説。BERTのMLM・NSP、GPTの次単語予測、スケーリング則とfew-shotを整理します。

記事を読む →
AI

拡散モデルとは|画像生成AIの主流になった仕組み

拡散モデルをG検定向けに解説。ノイズの付加と除去、デノイジング、Stable Diffusionと潜在空間の関係を整理します。

記事を読む →
AI

GANとは?画像生成の仕組みとVAEとの違い・ディープフェイクとの関係

GANの生成器と識別器が競う仕組みを解説。VAEとの発想の違い、DCGAN・Pix2Pix・CycleGAN、ディープフェイクとの関係を整理します。

記事を読む →
AI

オートエンコーダとVAE|生成AIの入口

オートエンコーダとVAEをG検定向けに解説。次元圧縮や異常検知、潜在変数とKLダイバージェンスの役割を整理します。

記事を読む →
AI

Transformerとは|生成AIの土台になった仕組み

TransformerをG検定向けに解説。Positional EncodingやMulti-Head Attention、並列化の利点を整理します。

記事を読む →
AI

Seq2Seq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。

記事を読む →
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。

記事を読む →
AI

LSTMとGRUの違い|CECとゲートの役割をG検定向けに解説

LSTMのCECが誤差を保つ仕組みと、3つのゲートの役割を解説。GRUがCECをなくしゲートを2つにした違いと、双方向RNNも整理します。

記事を読む →
AI

RNN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。

記事を読む →
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。

記事を読む →
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。

記事を読む →
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。

記事を読む →
AI

CNN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。

記事を読む →
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。

記事を読む →
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。

記事を読む →
AI

学習をうまく進めるための工夫

勾配消失問題やプラトー、SGDからAdamまでの最適化手法、バッチサイズとエポック数の関係をG検定向けに解説します。

記事を読む →
AI

ニューラルネットワークはどう学習するのか

ニューラルネットワークの学習の仕組みをG検定向けに解説。順伝播と逆伝播、誤差関数の使い分け、誤差逆伝播法、勾配降下法と学習率、局所最適解までを整理します。

記事を読む →
AI

活性化関数とは|ネットワークに非線形性を与える

活性化関数の役割をG検定向けに解説。非線形性が必要な理由、ステップ関数からReLUへの変遷、回帰・二値分類・多クラス分類で変わる出力層の使い分けを整理します。

記事を読む →
AI

ニューラルネットワークの構造

ニューラルネットワークの構造をG検定向けに解説。重みとバイアス、単純パーセプトロンのXOR問題、入力層・中間層・出力層、全結合層と順伝播を整理します。

記事を読む →
AI

モデルの評価と過学習|精度を正しく測る

訓練・検証・テストデータの分割、過学習と正則化、混同行列や適合率・再現率といった評価指標をG検定向けに整理。データリーケージの注意点も解説します。

記事を読む →
AI

強化学習の基本|報酬から学ぶAI

強化学習の基本をG検定向けに解説。エージェントと環境のループ、探索と活用のトレードオフ、マルコフ性と割引率、価値関数とQ学習・方策勾配法の違いを整理します。

記事を読む →
AI

ディープラーニング入門ロードマップ|基礎から生成AIまでの学び方

ディープラーニングを学ぶ順番をロードマップで解説。AIの歴史から機械学習、CNN、Transformer、生成AIまでG検定レベルで体系的に整理します。

記事を読む →
AI

機械学習の3つの学習方法|教師あり・教師なし・強化学習

機械学習の教師あり学習・教師なし学習・強化学習の違いを表で整理。説明変数と目的変数、特徴量設計、ディープラーニングが特徴表現学習と呼ばれる理由を解説します。

記事を読む →
AI

教師なし学習の代表的な手法

教師なし学習の代表手法をG検定向けに整理。クラスタリングとk-means、主成分分析による次元削減、協調フィルタリングのコールドスタート問題を解説します。

記事を読む →
AI

教師あり学習の代表的な手法

線形回帰・ロジスティック回帰・決定木・ランダムフォレスト・SVMなど教師あり学習の代表手法を、回帰と分類の違いから一覧表で整理します。

記事を読む →
AI

AI・機械学習・ディープラーニングの違い

AI・機械学習・ディープラーニングの包含関係を整理。人工知能の4つのレベル、AI効果、ロボットとの違いなどG検定頻出ポイントを解説します。

記事を読む →
AI

AIの歴史と3度のブーム

AIの歴史を3度のブームで整理。ENIACとダートマス会議から、第1次・第2次AIブームの終焉理由、第3次の機械学習まで、G検定で問われる要点を解説します。

記事を読む →
AI

AIが越えられなかった壁|フレーム問題・シンボルグラウンディング問題

フレーム問題・中国語の部屋・シンボルグラウンディング問題など、AI分野の難問をG検定レベルで一覧整理し、頻出ポイントを解説します。

記事を読む →
資格

【個人用】G検定 学習メモ【G2024#6対応版】

※適切なものを選ぶか不適切なものを選ぶか要確認 人工知能をめぐる動向 探索 システムまとめ 知識表現 意味ネットワーク オントロジー 機械学習の具体的手法 アンサンブル学習 特徴量の値の範囲を揃える手

記事を読む →