🔢量子化

モデルパラメータの精度を下げてメモリと計算量を削減します。

🔁再帰型ニューラルネットワーク

以前の入力の記憶を保持するループを持つニューラルネットワーク。

📉回帰

入力特徴量から連続数値を予測するタスク。

⚖️正則化

モデルの過学習を防ぐために複雑さにペナルティを与える手法。

🎮強化学習

累積報酬シグナルを最大化することで試行錯誤を通して学習します。

🎲制限付きボルツマンマシン

可視ユニットと隠れユニットを持つ生成型確率ニューラルネットワーク。

🦾ロボティクス

知能機械の設計、構築、および運用。

🪞自己注意

単一のシーケンス内の異なる位置を関連付けるアテンションメカニズム。

🌗半教師あり学習

少量のラベル付きデータとラベルなしデータを組み合わせた学習。

🎤音声認識

話し言葉を文字に書き起こします。

👨‍🏫教師あり学習

ラベル付きデータから学習して、入力を既知の出力にマッピングします。

🔊テキスト読み上げ

書かれたテキストから音声を合成します。

✂️トークン化

テキストをトークンと呼ばれるより小さな単位に分割するプロセス。

📚トレーニングデータ

機械学習モデルに予測を行うための学習に使用されるデータセット。

🔄転移学習

あるタスクの知識を再利用して、別のタスクのパフォーマンスを向上させる。

🤖トランスフォーマー

自己注意機構に基づくニューラルネットワークアーキテクチャ。

📉アンダーフィッティング

モデルが単純すぎて、データの根本的な構造を捉えられない場合。

🔍教師なし学習

ラベルなしデータから学習して、隠れたパターンや構造を発見します。

🗜️変分オートエンコーダー

入力データの潜在表現を学習する生成モデル。

🔤単語埋め込み

意味を捉えた単語の密なベクトル表現。

0️⃣ゼロショット学習

モデルが明示的にトレーニングされていないタスクを処理する能力。