🌐フェデレーテッドラーニング

生データを共有せずに、分散型デバイス間でモデルをトレーニングします。

🔢少数ショット学習

クラスごとに少数のラベル付き例からのみ学習します。

🎛️微調整

事前学習済みモデルをより小さなタスク固有のデータセットでさらに学習します。

⚔️敵対的生成ネットワーク

2 つのネットワークが競合します。ジェネレーターがデータを生成し、ディスクリミネーターがそれを評価します。

🎨生成AI

テキスト、画像、音声などの新しいコンテンツを作成できるAIシステム。

✨生成モデル

トレーニングセットに似た新しいデータを生成することを学習するモデル。

⛰️勾配降下法

損失関数を繰り返し最小化する最適化アルゴリズム。

🕸️グラフニューラルネットワーク

グラフ構造データ上で動作するように設計されたニューラルネットワーク。

🎚️ハイパーパラメータ

モデルのトレーニングプロセスを制御する構成設定。

🧩画像セグメンテーション

画像を領域に分割して、オブジェクトと境界を識別します。

⚙️推論

訓練済みのモデルを使用して新しいデータに対して予測を行うプロセス。

🧪知識蒸留

より大きなモデルの動作を模倣するように小さなモデルをトレーニングします。

🕸️知識グラフ

エンティティとその関係の構造化された表現。

🏷️ラベル

トレーニング例に関連付けられた既知の出力または目標値。

📖大規模言語モデル

大規模なテキストコーパスでトレーニングされたトランスフォーマーベースのモデル。

👻潜在変数

データから推測される、結果に影響を与える観測不能な変数。

🧠長期短期記憶

長距離依存関係を学習するリカレントネットワークアーキテクチャ。

📏損失関数

予測値と実際値の差を測定する関数。

📈機械学習

アルゴリズムが経験とデータを通じて自動的に改善される分野。

📦モデル

データから学習した予測を行う数学的表現。

🗜️モデル圧縮

モデルサイズを縮小して、より迅速かつ安価な展開を実現する技術。

🎭マルチモーダル学習

テキストや画像など、複数の種類のデータから学習し、統合します。

🗣️自然言語処理

コンピュータが人間の言語を理解し、生成できるようにする分野。

🔗ニューラルネットワーク

生物学的ニューロンにヒントを得た、データから学習するコンピューティングシステム。

🔲物体検出

画像またはビデオ内のオブジェクトを識別して位置を特定します。

🗺️オントロジー

ドメインにおける概念と関係の正式な仕様。

🔎光学文字認識

テキストの画像を機械可読テキストに変換します。

🎯過学習

モデルがトレーニングデータをうまく学習しすぎて、汎化に失敗した場合。

🎯精度と再現率

分類器の精度と完全性を測定する指標。

✍️プロンプトエンジニアリング

言語モデルを望ましい出力に導くための入力の設計。