Sorry, you have Javascript Disabled! To see this page as it is meant to appear, please enable your Javascript!

AI、データサイエンス

G検定対策究極カンペをつくろう#8 データ生成(CycleGAN, DCGAN, Diffusion Model, NeRF, Pix2Pix, 音声生成, 画像生成, GAN, 文章生成)

生成AIはタスク→モデル→学習原理→データ要件→評価→応用の因果で理解すると全体像が掴めるのである。手法選定は目的（タスク）と制約（データ・計算・権利）から逆算し、GAN／拡散／NeRF／言語モデルを使い分けるべきである。評価は単一指標に依存せず複数指標＋人手評価を併用し、再現性と法倫理を運用に組み込むべきである。

G検定対策究極カンペをつくろう#7 強化学習(マルコフ性、MDP、価値関数、目的関数、探索と行動選択、Q学習、SARSA、方策勾配、Actor-Critic)

理論基盤はマルコフ性 → マルコフ過程 → MRP → MDP → 誘導MRP の階段であり、MDP が中心モデルである。価値は V,Q,A と最適値 V^*,Q^*、目的関数は Jγ,Javg で、γ は未来重視度のノブである。探索と行動選択は ε-greedy／Softmax／UCB／Thompson／OFU を使い分け、実装は TD→SARSA／Q 学習、REINFORCE、Actor-Critic を軸に据えるべきである。

G検定対策究極カンペをつくろう#6 深層強化学習(強化学習の基本構造、価値ベースアルゴリズム、方策勾配アルゴリズム、分散・統合型アルゴリズム、補助・拡張技術、学習設定と環境構築、応用事例)

強化学習は「状態・行動・報酬・環境・エージェント」の基本構造を中心に、補助技術と連携して進化してきた。DQNやPPOを軸に、価値ベース・方策勾配・分散型アルゴリズムが技術的に発展し、応用事例へとつながっている。因果関係図を活用することで、技術のつながりと応用先が体系的に理解でき、G検定対策にも有効である。

G検定対策究極カンペをつくろう#5 音声処理(音声信号のデジタル化・符号化、音響特徴量の抽出、音声の言語的・音韻的特徴、音声処理モデル、音声処理タスクの種類と応用)

音声処理は「AD変換 → PCM → FFT → MFCC → 音素 → モデル → 応用」という因果関係で構成されている。音素を中心に、HMMによる音声認識、WaveNetによる音声合成が展開される。MFCCは話者識別や感情分析にも応用され、音声処理の幅広い可能性を支えている。

G検定対策究極カンペをつくろう#4 Attention(Transformer構成要素、モデルアーキテクチャの系譜、 Attention基本概念、自己注目と多視点処理、Attention計算構造)

Seq2SeqからTransformerへの進化により、自然言語処理は理解系（BERT）と生成系（GPT）に分岐した。AttentionはSelf・Multi-Head・Encoder-Decoder型に分類され、Query・Key・Valueによる計算構造が中核を成す。位置エンコーディングや残差接続などの補助構成要素が、Transformerの性能と安定性を支えている。

G検定対策究極カンペをつくろう#3 自然言語処理(基盤技術、テキスト表現、モデルアーキテクチャ、言語モデル、LLM、評価ベンチマーク、応用タスク)

自然言語処理は、単語の分割から意味理解・文生成・応用まで、因果関係に基づいて技術が連続的に発展している。基盤技術・テキスト表現・モデルアーキテクチャ・言語モデル・LLM・応用タスクの各領域が相互に関連している。技術の背景や目的を理解することで、単なる用語暗記ではなく、体系的な理解が可能となる。

G検定画像認識究極カンペ#2｜一般物体認識・物体検出・セグメンテーション・姿勢推定

G検定の画像認識分野（一般物体認識・物体検出・セグメンテーション・姿勢推定）を、AlexNetを起点とした因果関係図で整理した「究極カンペ」シリーズ#2の講義ノートです。VGG・ResNet・DenseNet・EfficientNet・Vision Transformer、YOLO・R-CNN・SSD、FCN・U-Net・DeepLab、OpenPoseやPAFなど、代表的なモデルのつながりをG検定カンペ用に理解しやすく解説します。

G検定は意味ない？究極カンペの作り方と勉強ステージ解説【G検定対策#1】

「G検定は意味ない」と言われる理由を整理しつつ、G検定対策で目指すべき勉強のステージや究極カンペの考え方を解説します。SNS上の評判、語彙力→因果関係→応用力という学習ステージ、シラバスを使ったカテゴリ分けや因果関係図の例を通じて、「カンペに頼らない自分」を作るための導入編です。

【地味に時間かかる】JDLA Generative AI Test まとめ【多肢選択式のヤバさ】

JDLA Generative AI Testの受験記。JDLAからの制約事項の都合、開示できる情報には限りがある。テキスト、問題集は無いので、生成AIパスポート試験のもので代替。その後にシラバスを元に語彙力アップ。自作問題作ってパワーアップ。(自作問題集は公開してます。)用語ベースのカンペを作って対応できる感じではない。

GUGA 生成AIパスポート試験 2023年版、2025年版シラバスを比較してみた

生成AIパスポート試験の2023年版シラバスと2025年版シラバスを比較してみた。時代に合わせて新しい機能、モデルが追加。AI事業者ガイドライン（第1.0版）発表に伴い、ガイドライン関連が整理され、ガバナンス、主体についても言及されるように。

次のページ

1 2 3 4 … 9