株式会社PROMPT– Author –
-
第1章
【0から学ぶAI】第26回:次元削減
前回のおさらいと今回のテーマ こんにちは!前回は、モデルに有用な特徴量を選び出す手法である特徴量選択について学びました。特徴量選択を行うことで、モデルが学習するデータの質を高め、より正確な予測を実現できるようになりましたね。今回は、データ... -
第1章
【0から学ぶAI】第25回:特徴量選択
前回のおさらいと今回のテーマ こんにちは!前回は、カテゴリ変数を数値に変換する手法であるカテゴリ変数のエンコーディングについて学びました。エンコーディングを適切に行うことで、モデルの精度を向上させることができましたね。今回は、モデルの性能... -
第1章
【0から学ぶAI】第24回:カテゴリ変数のエンコーディング
前回のおさらいと今回のテーマ こんにちは!前回は、データのスケールを揃える方法である標準化と正規化について学びました。これらの手法を用いることで、モデルが各特徴量をバランスよく学習できるようになりましたね。今回は、データの中で文字情報を数... -
第1章
【0から学ぶAI】第23回:データの標準化と正規化
前回のおさらいと今回のテーマ こんにちは!前回は、データセットに含まれる異常な値をどのように検出し、処理するかを学びました。異常値を適切に処理することで、モデルの予測精度や信頼性を高めることができましたね。今回は、データをモデルがうまく学... -
第1章
【0から学ぶAI】第22回:異常値の検出と処理
前回のおさらいと今回のテーマ こんにちは!前回は、データの欠損部分をどのように処理するかについて学びました。欠損値は、データセットにおいて避けられないものですが、それに適切に対処することで、モデルの精度を向上させることができます。今回は、... -
第1章
【0から学ぶAI】第21回:欠損値の処理
前回のおさらいと今回のテーマ こんにちは!前回は、データをモデルが学習しやすい形に整えるためのデータの前処理について学びました。このプロセスの中で、データセットに欠損値が含まれている場合、どのように対応するかが非常に重要です。今回は、この... -
第1章
【0から学ぶAI】第20回:データの前処理
前回のおさらいと今回のテーマ こんにちは!前回は、モデルの性能を評価するための手法であるクロスバリデーションについて学びました。データを複数に分割して評価することで、モデルの汎化性能を正確に測ることができましたね。今回は、AIや機械学習のモ... -
第1章
【0から学ぶAI】第19回:クロスバリデーション
前回のおさらいと今回のテーマ こんにちは!前回は、AIモデルの性能を測るための基準である評価指標について詳しく学びました。評価指標を使うことで、モデルがどれだけ正確に予測を行っているかを客観的に把握することができましたね。今回は、モデルの評... -
第1章
【0から学ぶAI】第18回:評価指標
前回のおさらいと今回のテーマ こんにちは!前回は、モデルの性能を最適化するために重要な要素であるハイパーパラメータについて詳しく学びました。ハイパーパラメータの設定と調整は、モデルの学習過程に直接影響を与えるため、その重要性を理解すること... -
第1章
【0から学ぶAI】第17回:ハイパーパラメータ
前回のおさらいと今回のテーマ こんにちは!前回は、AIモデルの誤差に影響を与える二つの要因であるバイアスとバリアンスについて詳しく学びました。バイアスとバリアンスのバランスを適切に調整することで、モデルの精度や汎化性能を最適化することができ... -
第1章
【0から学ぶAI】第16回:バイアスとバリアンス
前回のおさらいと今回のテーマ こんにちは!前回は、AIモデルが未知のデータに対してどれだけ適応できるかを示す指標である汎化性能について詳しく学びました。汎化性能は、モデルの一般化能力を評価し、実際の運用環境でのパフォーマンスを向上させるため... -
第1章
【0から学ぶAI】第15回:汎化性能
前回のおさらいと今回のテーマ こんにちは!前回は、AIモデルがトレーニングデータに適合しすぎることで生じる過学習(オーバーフィッティング)について詳しく学びました。過学習は、モデルが新しいデータに対してうまく機能しなくなる大きな課題です。今... -
第1章
【0から学ぶAI】第14回:過学習(オーバーフィッティング)
前回のおさらいと今回のテーマ こんにちは!前回は、AIにおける予測問題の二大カテゴリである分類と回帰について学びました。分類はデータをカテゴリに分ける手法であり、回帰は連続的な数値を予測する手法です。今回は、モデルが学習データに適合しすぎる... -
第1章
【0から学ぶAI】第13回:分類と回帰
前回のおさらいと今回のテーマ こんにちは!前回は、教師あり学習におけるラベル(ターゲット)について詳しく学びました。ラベルは、AIモデルが学習する際の「正解データ」であり、その正確性がモデルの予測精度に直結します。今回は、AIにおける予測問題... -
第1章
【0から学ぶAI】第12回:ラベル(ターゲット)
前回のおさらいと今回のテーマ こんにちは!前回は、AIがデータを理解し、予測や分類を行う際の基盤となる特徴量について学びました。特徴量は、データから抽出される重要な情報であり、AIモデルの性能に直結する要素です。今回は、教師あり学習におけるラ...
