マガジンのカバー画像

売れてます!G検定対策の決定版 これだけで十分 合格者多数

17
G検定対策として、現役トップデータサイエンティスト兼経営コンサルタント集団がマガジンを発行しました。
随時情報を更新していきますので、G検定対策だけでなく、そもそもAIって何なのという疑問も解決します… もっと詳しく
¥500
運営しているクリエイター

#G検定

7-2.人工知能をめぐる法律問題

AIの進歩や技術の発展に伴い、様々な法的な課題が浮上しています。ここでは、さらにそれらに関…

100

7-1.人工知能をめぐる法律問題

人工知能(AI)をめぐる法律問題は、現代社会において重要な議論の一つとなっています。例えば…

100
103

6-4.ディープラーニングの詳細な説明(深層強化学習等)

強化学習では、環境と学習目的を設定する必要があります。環境は、状態、行動、報酬、遷移確率…

100

6-3.ディープラーニングの詳細な説明(画像認識補足)

AIの画像認識は、画像から物体やパターンを識別し、解析する流れとなります。ここでは、AIでの…

100

6-1.ディープラーニングの応用

ここでは、ディープラーニングの応用について、AIが考えるAIを理解するために必要となる情報が…

100
106

5.ディープラーニングの手法(学習・過学習等)

近年、機械学習、特にディープラーニングは目覚しい進歩を遂げています。 ここでは、 ①学習 …

100
104

4-2.ディープラーニング基礎

ニューラルネットワークの各ユニットにおいて、総入力を出力に変換するために何の活性化関数を設定するかは、予測の精度に関わる非常に重要な問題である。単純パーセプトロンは、ニューロンの一種であり、活性化関数としてステップ関数を用いたものに相当する。 初期は、出力の正規化を行う関数として、シグモイド関数がよく用いられたが、現在は、勾配消失問題が起きにくく、簡単なReLU関数が用いられることが多い。また、出力層付近では、ソフトマックス関数がよく用いられる。 上記を大前提に、ここでは

有料
100

4-1.ディープラーニング基礎論点

ディープラーニング(Deep Learning)は、人工ニューラルネットワーク(Artificial Neural Net…

100
104

3-2.機械学習の具体的な手法の補足 (予測モデルおよび予測結果の評…

予測モデルおよび予測結果の評価 (教師データと評価データに分割して検証する交差検証法) …

3-1.機械学習の具体的手法

①線形回帰 ②サポートベクターマシン(SVM) ③k近傍法 ④機械学習の評価 ⑤アノテーション …

103

2-3.機械学習の基礎(強化学習の内容と統計学)

①強化学習の内容 ‐バンディットアルゴリズム ②ε-greedy方策 ③UCB方策(upper-confidence …

100
100

2-2.機械学習の基礎(アルゴリズム)

機械学習の主なアルゴリズムを解説します。アルゴリズムの概要を具体的に説明していきますので…

200
103

2-1.機械学習の基礎(学習法)

機械学習の学習法の種類は、大きく分けて「教師あり学習」「教師なし学習」「強化学習」の3つ…

100
105

1-2.人工知能の歴史と動向

さらに、ここでは、人工知能の歴史と動向について、解説していきます。 ⓪機械学習、ニューラルネットワーク、ディープラーニングの関係性 ①チューリングテストの補足 ②XAI(説明可能なAI) ③シンギュラリティ(技術的特異点) ④イライザ(ELIZA) ⑤オントロジー ⑥AI効果 ⓪機械学習、ニューラルネットワーク、ディープラーニングの 関係性 ①チューリングテストの補足 チューリングテスト(Turing Test)とは、「機械は考えることができるのか?」という問題提起か

有料
100