無料のAIライブラリ

基本 ガイド永久無料。

84 平易な英語のガイド、構造化された学習パス、オープン ライブラリ - 独立した 501(c)(3) 非営利団体によって構築され、誰でも最新の AI を理解できるようになります。

84無料ガイド
1トピックトラック
~2 minガイドごと
~3h読書時間

ここから始めましょう

5 成果ベースのコース

各コースには、明示的な成果、マッピングされたコンピテンシー、練習アクティビティ、および適用されたキャップストーンが含まれています。

トピックトラック

トラックごとに閲覧する

気になるエリアに飛び込んでみましょう。すべてのトラックには複数のわかりやすい英語のガイドが付いています。

フルライブラリ

すべてのガイド

84 1019 ガイドが表示されます。トラックでフィルタリングするか、上で検索してください。

基本

セルフプレイの微調整

セルフプレイ微調整は、モデルを自身の過去の出力と競合させたり、そこから学習させたりして、独自のトレーニング信号を生成することでモデルを改善します。

2 最小読み取り読む
基本

テスト時トレーニング

テスト時トレーニング (TTT) を使用すると、モデルはトレーニング後にフリーズしたままではなく、予測を行った瞬間に新しい入力ごとに学習を続けることができます。

2 最小読み取り読む
基本

グロッキングと遅れた一般化

グロッキングとは、ニューラル ネットワークが最初にトレーニング データを記憶し、長期間ほぼゼロの検証精度に留まり、その後…

2 最小読み取り読む
基本

過学習と過小学習

過学習とは、モデルがトレーニング データを記憶し、新しい例で失敗することです。アンダーフィッティングとは、単純すぎて実際のパターンを捉えることができない場合です。

2 最小読み取り読む
基本

正則化

正則化は、モデルを意図的に制約し、トレーニング セットを記憶する代わりに新しいデータに一般化する一連の手法です。

2 最小読み取り読む
基本

バックプロパゲーション

バックプロパゲーションは、各重みが誤差にどの程度寄与したかを効率的に計算することで、ニューラル ネットワークがその間違いから学習できるようにするアルゴリズムです。

2 最小読み取り読む
基本

勾配降下法

勾配降下法は、実際にモデルの重みを一度に 1 つずつ小さなステップで誤差を低くする方向に下降させる最適化方法です。

2 最小読み取り読む
基本

損失関数

損失関数は、予測がどの程度間違っているかをモデルに伝える単一の数値であり、漠然とした目標を数学で最適化できるものに変えます。

2 最小読み取り読む
基本

アクティベーション関数

活性化関数は各ニューロン内の小さな非線形ゲートであり、ニューラル ネットワークが単なる直線ではなく複雑な曲線パターンを学習できるようにします。

2 最小読み取り読む
基本

畳み込みニューラル ネットワーク

畳み込みニューラル ネットワーク (CNN) は、画像を理解するための主力アーキテクチャです。

2 最小読み取り読む
基本

リカレント ニューラル ネットワーク

リカレント ニューラル ネットワーク (RNN) は、テキスト、音声、時系列などのシーケンスを処理するために構築されています。

2 最小読み取り読む
基本

敵対的生成ネットワーク

Generative Adversarial Network (GAN) は、2 つのニューラル ネットワークを競争させることで、現実的な新しいデータを作成します。

2 最小読み取り読む

読み終わりましたか?証明してみろ。

Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.

Fundamentals AI Guides — Page 5 of 7 | AI Understanding