温馨提示：本站仅提供公开网络链接索引服务，不存储、不篡改任何第三方内容，所有内容版权归原作者所有
AI智能索引来源：http://www.ibm.com/jp-ja/topics/machine-learning
点击访问原文链接

機械学習とは | IBM

进入原网站 导航首页
ようこそ概要機械学習の種類機械学習アルゴリズム統計的機械学習機械学習のための線形代数不確実性の定量化バイアスとバリアンスのトレードオフ概要特徴量選択特徴量抽出ベクトル埋め込み潜在空間主成分分析線形判別分析アップサンプリングダウンサンプリング合成データデータ・リーク概要線形回帰ラッソ回帰リッジ回帰状態空間モデル時系列自己回帰モデル概要決定木K近傍法（KNN）ナイーブ・ベイズランダム・フォレストサポート・ベクトル・マシンロジスティック回帰概要ブースティングバギング勾配ブースティング勾配ブースティング分類器概要転移学習概要概要K平均法クラスタリング階層的クラスタリングアプリオリ・アルゴリズム混合ガウス・モデル異常検知概要協調フィルタリングコンテンツ・ベースのフィルタリング概要人間のフィードバックを用いた強化学習概要概要バックプロパゲーションエンコーダー・デコーダー・モデルリカレント・ニューラル・ネットワーク畳み込みニューラル・ネットワーク概要アテンション機構グループ化クエリ・アテンション位置エンコーディングオートエンコーダーMambaモデルグラフ・ニューラル・ネットワーク概要生成モデル生成AIと予測AIの比較概要推論モデル小規模言語モデル指示チューニングLLMパラメーターLLMの温度LLMベンチマークLLMのカスタマイズ拡散モデル変分オートエンコーダー（VAE）敵対的生成ネットワーク（GAN）概要ビジョン言語モデルチュートリアル：AIスタイリストの構築チュートリアル：Llamaを使用したマルチモーダルAIクエリチュートリアル：Pixtralを使用したマルチモーダルAIクエリチュートリアル：Graniteによるポッドキャストの自動書き起こしチュートリアル：PPT AI画像分析応答システム概要GraphRAGチュートリアル：DoctlingとGraniteを使用したマルチモーダルRAGシステムの構築チュートリアル：Ragasを使用してRAGパイプラインを評価するチュートリアル：RAGチャンク化戦略チュートリアル：ナレッジ・グラフを使用したGraph RAGチュートリアル：マルチモーダルRAGを改善するための推論スケーリング概要バイブ・コーディング2025年版AIエージェントガイドをご覧ください概要損失関数トレーニング・データモデル・パラメーター勾配降下法確率的勾配降下法ハイパーパラメーター・チューニング学習率概要パラメーター効率的ファイン・チューニング（PEFT）LoRAチュートリアル：LoRAを使用したGraniteモデルのファイン・チューニング正則化基盤モデルオーバーフィッティングアンダーフィッティングフューショット学習ゼロショット学習知識蒸留メタ学習データ拡張破滅的忘却概要Scikit-learnXGboostPytorch概要AIライフサイクルAI推論モデルの展開機械学習パイプラインデータ・ラベリングモデルのリスク管理モデル・ドリフトAutoMLモデル選択連合学習分散機械学習AIスタック概要自然言語理解概要センチメント分析機械翻訳概要情報検索情報抽出トピック・モデリング潜在意味解析潜在ディリクレ配分法固有表現抽出単語埋め込みBag-of-Wordsインテリジェント検索音声認識ステミングとレマタイゼーションテキスト要約対話型AI対話型の分析自然言語生成概要画像分類オブジェクト検出インスタンス・セグメンテーションセマンティック・セグメンテーション光学式文字認識画像認識外観検査Dave Bergmann予測大規模言語モデル（LLM）生成AIモデル・トレーニングAIモデルAI推論ディープラーニング人工ニューラル・ネットワーク「ビッグデータ」グラフィックス処理装置（GPU）データサイエンス人工汎用知能（AGI）生成AI決定木ベクトル埋め込み特徴選択特徴抽出特徴量エンジニアリング線形回帰教師あり学習「グラウンド・トゥルース」教師なし学習強化学習（RL）微調整人間からのフィードバックによる強化学習（RLHF）アンサンブル学習分類線形回帰状態空間モデルサポート・ベクター・マシン（SVM）ナイーブ・ベイズロジスティック回帰画像セグメンテーション損失関数導関数自己教師学習では、オートエンコーダー基盤モデルファイン・チューニング転移学習半教師あり学習クラスタリングアソシエーション次元削減有意味な特徴を維持しつつオートエンコーダ主コンポーネント分析 (PCA)線形判別分析 (LDA)t分布型確率的近傍埋め込み法（t-SNE）このアニメーション学習率ハイパーパラメーターの適切な調整強化学習推論モデルニューラル・ネットワークディープラーニング人工ニューラル・ネットワークGPUバックプロパゲーション勾配降下畳み込みニューラル・ネットワーク (CNN) は、重み付けされた「フィルター」を適用し、リカレント・ニューラル・ネットワーク（RNN）トランスフォーマー・モデルは注意メカニズムMambaモデル状態空間モデル（SSM）オブジェクト検知画像セグメンテーション光学文字認識（OCR自然言語処理 (NLP)チャットボット音声認識言語翻訳感情分析テキスト生成要約AI エージェント時系列モデル拡散モデル変分オートエンコーダー（VAE）敵対的生成ネットワーク（GAN）事例を見る機械学習運用（MLOps）モデルの選択過剰適合メトリクスモデルのドリフトモデルガバナンスPythonPyTorchTensorFlow機械学習ライブラリScikit-learnXGBoostMatplotlibチュートリアル電子書籍 生成AI + MLの力を解き放つ 生成AIと機械学習をビジネスに活用する確実な方法を学びましょう。 資料を読む学習 AIの専門知識のレベルアップを図る ハンズオン・ラボ、コース、指導付きプロジェクト、トライアルなどで、基本的な概念を学び、スキルを身につけていただけます。 MLコースはこちら電子書籍 生成AI + MLの力を解き放つ 生成AIと機械学習をビジネスに活用する確実な方法を学びましょう。 資料を読むガイド AIの活用を本格化：生成AIでROI向上 AIの投資対効果を高めるために、主要な分野で生成AIの活用を拡大することで、どのように革新的な新規ソリューションの構築、提供を支援し、変化をもたらすかを紹介します。  ガイドを読む電子書籍 適切な基盤モデルを選ぶ方法 ユースケースに最適なAI基盤モデルを選択する方法について説明します。 資料を読むAIモデル IBM Graniteはこちら IBM Graniteは、ビジネス向けにカスタマイズされ、AIアプリケーションの拡張に合わせて最適化された、オープンで高性能、かつ信頼性の高いAIモデル・ファミリーです。言語、コード、時系列、ガードレールのオプションをご覧ください。 Graniteの紹介ガイド AIの新時代に信頼と自信を持って成功する方法 強力なAIストラテジーの3つの重要な要素である、競争優位性の創出、ビジネス全体へのAIの拡張、信頼できるAIの推進について詳しく説明します。 ガイドを読むレポート AI in Actionレポート 2,000の組織を対象に、AIへの取り組みについて調査を行い、何が機能し、何が機能していないのか、どうすれば前進できるのかを明らかにしました。 レポートを読むwatsonx.aiをご覧ください。AIソリューションはこちらAIサービスはこちらwatsonx.aiの詳細はこちらデモを予約"Some Studies in Machine Learning Using the Game of Checkers,""Using Decision Trees as an Expert System for Clinical Decision Support for COVID-19,""Kolmogorov's Mapping Neural Network Existence Theorem,""Multilayer Feedforward Networks with a Non-Polynomial Activation Function Can Approximate Any Function,"

智能索引记录