ディープラーニング 【第9回】ディープラーニングの基礎とCNNの仕組み（後編)
【今回の主な内容】畳み込みニューラルネットワーク（CNN）の構築と応用今回のテーマでは、画像認識タスクの土台となる、畳み込みニューラルネットワーク（CNN）の構築とその応用に焦点を当てます。CNNは、画像から特徴を抽出し、分類するために最適...
Shion
ディープラーニング 
ディープラーニング 【第9回】ディープラーニングの基礎とCNNの仕組み（中編)
【今回の主な内容】バッチ処理・最適化アルゴリズム今回のテーマでは、「効率的な学習」を実現するために欠かせない バッチ処理 と 最適化アルゴリズム の基礎に焦点を当てます。これらは、ディープラーニングモデルが高次元で膨大なデータを効率よく処理...
ディープラーニング 【第9回】ディープラーニングの基礎とCNNの仕組み（前編)
概要最近では私たちの生活のあらゆる場面でAIが密接に関わっています。その中核技術であるディープラーニング（深層学習） は、私たちが日常的に行っている無意識的な行動を意識化し、具体的なモデルとして具現化することに成功しています。たとえば、画像...
機械学習 【第8回】教師なし学習の基本とラベルなきデータの可能性（後編）
後編の目標現代のデータ分析では、特にテキストデータや高次元データの扱いが難しく、複雑なデータ構造の理解と分析が求められます。これらのデータから隠れたパターンや構造を見つけることは、ビジネスのインサイトや新たな発見を生み出すために不可欠です。...
機械学習 【第8回】教師なし学習の基本とラベルなきデータの可能性（中編）
中編の目標今回の目標は、高次元データの次元削減と異常検知技術について理解し、それらを実装できるスキルを習得することです。次元削減を通じてデータの可視化と理解を深め、異常検知を使って異常なデータパターンを発見する力を身につけます。具体的には、...
機械学習 【第３回】情報理論と高度な数学概念による機械学習の最前線
前回の振り返り前回のブログでは、機械学習を支える数学の基礎として確率統計と最適化手法について詳しく学びました。今回は、情報理論と高度な数学概念が機械学習にどのように貢献するかを探ります。特に、エントロピーやKLダイバージェンスなどの概念を通...
プログラミング 【第2回】確率統計と最適化手法による機械学習の深化
前回の振り返り前回は、機械学習の基礎となる線形代数と微分積分について学びました。これらの数学的概念が、どのようにして機械学習アルゴリズムの設計や解析に活用されるのかを理解することができたと思います。今回のテーマは「確率統計と最適化手法による...
機械学習 【第1回】機械学習における線形代数と微分積分の基礎
このブログの目的機械学習はさまざまな分野で活用されており、その基礎となる数学の理解が重要視されています。本シリーズでは、日本の高校生でも理解できる範囲で、機械学習を支える数学の基礎を3回にわたって解説します。機械学習を理解するための基礎作り...
機械学習 【第8回】教師なし学習の基本とラベルなきデータの可能性【前編】
前編の目標：データのクラスタリングと分類データのラベルがない状態でも、クラスタリングによってデータのグループを見つけ、分類する力を養います。K-meansや階層型クラスタリングといった手法を通じて、データをどのように分割・構造化できるかを学...
機械学習 【第7回】教師あり学習の基礎と代表的なアルゴリズム（後編）
第7回の目標第7回後編のブログでは、サポートベクターマシン（SVM）と多層パーセプトロン（MLP）に焦点を当て、これらのアルゴリズムの理論的背景と実装方法を詳しく解説します。SVMでは、ハードマージンとソフトマージンの概念、カーネル関数の役...