画像の注釈は、画像コンテンツに関するメタデータまたは追加情報を使用して画像にタグ付けまたは注釈を付けるプロセスです。

Human Pose Estimation (HPE) は、人の画像またはビデオ内のさまざまな身体部分の位置を検出および推定するコンピューター ビジョンのタスクです。

機械学習におけるエポックは、トレーニング データ セット全体をニューラル ネットワークに 1 回渡す (つまり、順伝播と逆伝播を 1 回実行する) プロセスを表します。たとえば、データセットが 1000 個のサンプルで構成され、モデルがバッチ サイズ 100 を使用してトレーニングされた場合、1 […]

偽陽性率は、機械学習モデルが肯定的な結果をどの程度正確に予測するかを示す尺度です。これは、モデルが肯定的な結果を予測したが、実際の結果は否定的であった事例の割合です。

クラス境界とは、データ セット内の 2 つの隣接するクラスまたはカテゴリ間の分割線を指します。

コンセプト ドリフトとは、データ ストリームの統計的特性が時間の経過とともに変化し、その結果、学習モデルと現在のデータ分布の間に不一致が生じる現象を指します。

近接ポリシー最適化 (PPO) は、難しいタスクを完了するためにコンピューター エージェントの意思決定機能を訓練するために使用される強化学習の分野のアルゴリズムです。

混同行列は、真陽性、真陰性、偽陽性、および偽陰性の予測をリストすることによって分類モデルのパフォーマンスを要約する、機械学習で使用されるパフォーマンス評価ツールです。

検量線は、機械学習および予測モデリングにおいて、分類モデルの予測確率の信頼性を理解し、微調整するための便利なツールです。

エッジ検出 (英語: Edge detect) は、画像処理およびコンピューター ビジョンにおける基本的な問題です。エッジ検出の目的は、デジタル画像内の明るさが大きく変化する点を特定することです。

画像処理やコンピュータ ビジョンでは、ラプラシアン オペレータはブロブ検出やエッジ検出などのさまざまなタスクに使用されています。

微分可能プログラミングは、デジタル コンピューター プログラムを自動微分によって完全に微分できるプログラミング パラダイムです。

アスペクトレベルの感情分析は、テキスト内の特定の側面の感情を検出するタスクです。

幻覚は、モデルによって生成されたコンテンツが現実世界の事実やユーザー入力と矛盾する現象です。

Foundation Agent は、仮想世界と現実世界で一般化できる一般的なエージェント モデルです。

KV キャッシュは、Transformer の推論パフォーマンスを最適化するための重要なエンジニアリング テクノロジです。このテクノロジは、計算精度に影響を与えることなく、空間を時間に交換するというアイデアを通じて推論パフォーマンスを向上させることができます。

回転位置エンコーディング RoPE は、相対位置情報をセルフ アテンションに統合し、トランス アーキテクチャのパフォーマンスを向上させることができる位置エンコーディング方法です。

仮想スクリーニング技術は、化合物の膨大なライブラリーから特定のタンパク質ポケットと相互作用する潜在的な薬物分子をコンピューターを使って見つけることを目的としています。

1 秒あたりの浮動小数点演算 (FLOPS) は、プロセッサが 1 秒間に実行できる浮動小数点算術計算の数に基づくコンピュータのパフォーマンスの尺度です。

人工知能では、データを分類および分類するためにデータ セットにラベルまたはタグを追加するプロセスをデータ アノテーションと呼びます。

機械学習におけるブースティングは、主に教師あり学習のバイアスと分散を低減するために使用されるアンサンブル メタ アルゴリズムであり、弱い学習者を強い学習者に変換する一連の機械学習アルゴリズムでもあります。

音楽情報検索 (MIR) は、音楽からの情報の抽出とその分析を含む学際的な分野で、音楽から情報を検索するために必要なプロセス、システム、知識表現を研究することを目的としています。

AI フィードバックを使用した強化学習 (RLAIF) は、学習エージェントが環境からの報酬だけでなく、他の AI システムから得られた洞察にも基づいて動作を洗練できるようにすることで、学習プロセスを強化するハイブリッド学習アプローチです。

パターン認識では、機械学習アルゴリズムを使用して、データ内のパターンやパターンを自動的に識別します。このデータには、テキストや画像からサウンドやその他の定義可能な品質まで、あらゆるものが含まれます。

画像の注釈は、画像コンテンツに関するメタデータまたは追加情報を使用して画像にタグ付けまたは注釈を付けるプロセスです。

Human Pose Estimation (HPE) は、人の画像またはビデオ内のさまざまな身体部分の位置を検出および推定するコンピューター ビジョンのタスクです。

機械学習におけるエポックは、トレーニング データ セット全体をニューラル ネットワークに 1 回渡す (つまり、順伝播と逆伝播を 1 回実行する) プロセスを表します。たとえば、データセットが 1000 個のサンプルで構成され、モデルがバッチ サイズ 100 を使用してトレーニングされた場合、1 […]

偽陽性率は、機械学習モデルが肯定的な結果をどの程度正確に予測するかを示す尺度です。これは、モデルが肯定的な結果を予測したが、実際の結果は否定的であった事例の割合です。

クラス境界とは、データ セット内の 2 つの隣接するクラスまたはカテゴリ間の分割線を指します。

コンセプト ドリフトとは、データ ストリームの統計的特性が時間の経過とともに変化し、その結果、学習モデルと現在のデータ分布の間に不一致が生じる現象を指します。

近接ポリシー最適化 (PPO) は、難しいタスクを完了するためにコンピューター エージェントの意思決定機能を訓練するために使用される強化学習の分野のアルゴリズムです。

混同行列は、真陽性、真陰性、偽陽性、および偽陰性の予測をリストすることによって分類モデルのパフォーマンスを要約する、機械学習で使用されるパフォーマンス評価ツールです。

検量線は、機械学習および予測モデリングにおいて、分類モデルの予測確率の信頼性を理解し、微調整するための便利なツールです。

エッジ検出 (英語: Edge detect) は、画像処理およびコンピューター ビジョンにおける基本的な問題です。エッジ検出の目的は、デジタル画像内の明るさが大きく変化する点を特定することです。

画像処理やコンピュータ ビジョンでは、ラプラシアン オペレータはブロブ検出やエッジ検出などのさまざまなタスクに使用されています。

微分可能プログラミングは、デジタル コンピューター プログラムを自動微分によって完全に微分できるプログラミング パラダイムです。

アスペクトレベルの感情分析は、テキスト内の特定の側面の感情を検出するタスクです。

幻覚は、モデルによって生成されたコンテンツが現実世界の事実やユーザー入力と矛盾する現象です。

Foundation Agent は、仮想世界と現実世界で一般化できる一般的なエージェント モデルです。

KV キャッシュは、Transformer の推論パフォーマンスを最適化するための重要なエンジニアリング テクノロジです。このテクノロジは、計算精度に影響を与えることなく、空間を時間に交換するというアイデアを通じて推論パフォーマンスを向上させることができます。

回転位置エンコーディング RoPE は、相対位置情報をセルフ アテンションに統合し、トランス アーキテクチャのパフォーマンスを向上させることができる位置エンコーディング方法です。

仮想スクリーニング技術は、化合物の膨大なライブラリーから特定のタンパク質ポケットと相互作用する潜在的な薬物分子をコンピューターを使って見つけることを目的としています。

1 秒あたりの浮動小数点演算 (FLOPS) は、プロセッサが 1 秒間に実行できる浮動小数点算術計算の数に基づくコンピュータのパフォーマンスの尺度です。

人工知能では、データを分類および分類するためにデータ セットにラベルまたはタグを追加するプロセスをデータ アノテーションと呼びます。

機械学習におけるブースティングは、主に教師あり学習のバイアスと分散を低減するために使用されるアンサンブル メタ アルゴリズムであり、弱い学習者を強い学習者に変換する一連の機械学習アルゴリズムでもあります。

音楽情報検索 (MIR) は、音楽からの情報の抽出とその分析を含む学際的な分野で、音楽から情報を検索するために必要なプロセス、システム、知識表現を研究することを目的としています。

AI フィードバックを使用した強化学習 (RLAIF) は、学習エージェントが環境からの報酬だけでなく、他の AI システムから得られた洞察にも基づいて動作を洗練できるようにすることで、学習プロセスを強化するハイブリッド学習アプローチです。

パターン認識では、機械学習アルゴリズムを使用して、データ内のパターンやパターンを自動的に識別します。このデータには、テキストや画像からサウンドやその他の定義可能な品質まで、あらゆるものが含まれます。