G検定4.4 正則化（L1/L2、ドロップアウト）
機械学習・ディープラーニングの大きな課題のひとつが 過学習（Overfitting） です。過学習を...
G検定
G検定 G検定4.3 誤差関数（クロスエントロピー、KL情報量、Contrastive Lossなど）
ニューラルネットワークの学習において「どのように予測が正しいか／間違っているか」を数値化するのが 誤...
G検定4.2 活性化関数（ReLU、Sigmoid、Softmax、勾配消失問題）
ニューラルネットワークの各ノード（人工ニューロン）は「入力の重み付き和」を計算し、それを 活性化関数...
G検定4.1 ニューラルネットワーク基礎（パーセプトロン、CPU/GPU/TPU）
ディープラーニングの中核を成すのが ニューラルネットワーク です。本節では、その基本構造である「パー...
G検定3.4 ハイパーパラメータと汎化性能
機械学習では、単に学習させるだけでなく「どのモデルを選び、どのように評価するか」が極めて重要です。G...
G検定3.3 強化学習
強化学習（Reinforcement Learning, RL） は、教師あり学習や教師なし学習とは...