Web教科書 トリプレット損失
Triplet Loss 解説 Triplet Loss（トリプレット損失）は、3つのデータを1組（トリプレット）にして学習を行う誤差関数です。Contrastive lossをより高度にした手法と言え、GoogleのFaceNetなどの顔...
Web教科書
Web教科書 Web教科書 正則化
正則化 解説 過学習を防ぐ「正則化（正規化）」とは？ 機械学習のモデルが、訓練データを一生懸命覚えようとするあまり、データに含まれるノイズ（偶然の誤差）まで丸暗記してしまうことがあります。これを過学習（オーバーフィッティング）と呼びます。 ...
Web教科書 単純パーセプトロン
単純パーセプトロン 解説：AIの最もシンプルな形 単純パーセプトロンは、1958年にフランク・ローゼンブラットによって考案された、現在のニューラルネットワークの基礎となるモデルです。 仕組みは非常にシンプルで、「入力層」と「出力層」の2層だ...
Web教科書 知識獲得のボトルネック
知識獲得のボトルネック 解説：第2次AIブームの「最大の壁」 知識獲得のボトルネック（Knowledge Acquisition Bottleneck）とは、1980年代の第2次AIブーム（エキスパートシステム）において、「専門家の知識をコ...
Web教科書 畳み込みニューラルネットワーク（畳み込み、プーリング、全結合）
徹底解説 AIを理解するためのディープラーニング：畳み込みとプーリング G検定などのAI学習で必ず登場するCNN（畳み込みニューラルネットワーク）。数式や計算手順は学んだけれど、「結局どうやって犬や猫を見分けているの？」というイメージが湧き...
Web教科書 正規化
Min-Max 正規化を理解する Min-Max 正規化は、データを0〜1の範囲にスケールする最も基本的な正規化手法です。単に正規化といわれるときはこのMin-Max正規化を指すことが多いです。ニューラルネットワークでは、入力値のスケールが...
Web教科書 ユークリッド距離
ユークリッド距離を理解する ユークリッド距離は、G検定でも頻出の「距離（類似度）」を測る基本的な指標です。特にクラスタリング（k-means）や近傍探索（kNN）など、データ同士の近さを測る場面で広く使われます。 ユークリッド距離は「2点間...
Web教科書 コサイン類似度
コサイン類似度を理解する コサイン類似度は、G検定でも頻出のベクトル類似度指標です。特に自然言語処理やレコメンドシステムなど、「意味の近さ」や「ユーザーの好みの近さ」を測る場面で使われます。 コサイン類似度は「ベクトルの向きの近さ」を数値で...
Web教科書 線形代数（ベクトル・行列）
線形代数（ベクトル・行列）を理解する 線形代数は、G検定でも頻出の基礎数学です。特にベクトル・行列は、機械学習モデルの内部計算（重み・特徴量・勾配など）に深く関わるため、必ず押さえておく必要があります。計算問題で基礎的な計算を試験でも問われ...
Web教科書 微分・偏微分
微分・偏微分を理解する 微分・偏微分は、G検定でも頻出の数学基礎です。特に機械学習では、損失関数を最小化するために勾配（微分）を使うため、概念を理解しておくことが重要です。 微分は「変化の割合」、偏微分は「多変数のうち1つだけを変化させたと...