Issue link: https://trendsintech-japan.mouser.com/i/1540382
答え42——人工知能への道、マッピングアルゴリズムと応用 以下の写真はAIによって生成されました、人間 + AIアクセス可能。 21 | AIの進化を推進するさまざまな学習モデル、アルゴリズム、アプリケーションの概要をご覧ください。 教師あり学習や教師なし学習などの基礎的なトレーニング手法から、強化学習や生成モデルなどの高度な手法まで、このマップはAI開発を導く主要な機械学習アプローチを示しています。 ・教師あり学習——構造化された、人間によってラベル付けされたデータを使用して、あらかじめ定義された既知の結果でモデルをトレーニングします。 ・分類——テストデータを特定のカテゴリに分類します。アプリケーション——スパム検出、オブジェクト認識。 ・回帰——従属変数と独立変数の関係を探る。アプリケーション——予測モデリング。 ・サブセット——半教師あり学習。 ・教師なし学習——明確な結果や既知の結果がないパターンを学習するために、ラベル付けされていないデータを使用します。 ・クラスタリング——類似点または相違点に基づいて、ラベルのないデータをグループ化します。アプリケーション——不正検出、市場細分化。 ・関連付け——データポイント間の関係を見つけます。アプリケーション——レコメンデーションエンジン、顧客分析。 ・サブセット——半教師あり学習、自己教師あり学習。 ・半教師あり学習——ラベル付きデータとラベルなしデータの両方を使用して、ラベル付きデータから得た洞察をラベルなしデータに適用します。 ・一貫性規制——わずかな入力のバリエーションに対して同様の出力を生成することにより、新しいデータに対する堅牢性を構築します。アプリケー ション——コンピュータビジョン、医療用画像処理。 ・自己教師あり学習——教師なし学習の一部分で、アルゴリズムが自身のデータにラベルを付け、それをさらなるトレーニングに使用します。 ・変圧器——テキストをルックアップテーブルのトークンに変換し、特定の単語の出現確率を計算します。アプリケーション——大規模言語モデル。 ・強化学習——望ましい結果に対して報酬を受け取り、繰り返し学習するモデル。 ・ポリシーベース——モデルが報酬を得るために行うことができる行動に制限を設定します。アプリケーション——ロボティクス、ゲーム。 ・価値に基づく——すべての状態の価値を学習し、価値を最大化するためのアクションを最適化します。アプリケーション——ルート計画、エネルギー 使用の最適化。