2026年– date –
-
Web・フロントエンド・バックエンド
Highcharts — 商用ライセンスで支持される高品質チャート
Highchartsは2009年にノルウェーのTorstein Hønsiが個人プロジェクトとして公開したJavaScriptチャートライブラリです。息子の積雪量を記録したいというささやかな動機から始まりましたが、商用利用は有償ライセンスというビジネスモデルを選択したことで... -
Web・フロントエンド・バックエンド
ECharts — Baidu発でApacheに移管された多機能可視化
Apache EChartsは2013年に中国の検索大手Baiduの開発チームが社内可視化基盤として開発を始めたJavaScriptライブラリです。2018年にApache Software Foundationへ寄贈され、2021年にトップレベルプロジェクトへ昇格しました。棒・線・円といった基本チャー... -
Web・フロントエンド・バックエンド
Chart.js — Canvasと設定オブジェクトで描く軽量可視化
Chart.jsは2013年にNick Downieが公開した、Canvas APIベースのJavaScriptチャートライブラリです。棒グラフ、折れ線、円グラフ、レーダー、散布図など定番8種類を設定オブジェクト一つで描画でき、依存ライブラリが少なく軽量という設計から急速に普及し... -
Web・フロントエンド・バックエンド
D3.js — SVGをDOM操作で描く低レベル可視化ライブラリの祖
D3.js(Data-Driven Documents)は2011年にMike Bostockがスタンフォード大学Vis Groupで発表した、JavaScript製のデータ可視化ライブラリです。先行プロジェクトProtovisを発展させた後継として誕生し、データ配列をDOM要素にバインドし、SVGやCanvasに直... -
AI・機械学習・データサイエンス
Self-Attentionとは|Transformerを支える自己注意の仕組み
Self-Attention(自己注意)は、入力系列の各要素が同じ系列内の他のすべての要素を参照して関係性を計算する機構で、2017年の論文「Attention is All You Need」でTransformerの中核として導入されました。RNNや畳み込みに頼らず、文全体の長距離依存関係... -
AI・機械学習・データサイエンス
Attention機構とは|重要な情報に注目する深層学習の鍵
Attention機構は、入力系列の中から「現在の出力にとって特に重要な部分」を動的に重み付けして取り出す仕組みで、2014年にBahdanauらが機械翻訳のために導入したのが発端です。RNNが抱えていた長距離依存と固定長コンテキストの問題を解決し、その後Self-... -
AI・機械学習・データサイエンス
VAEとは|確率的潜在変数で表現を学ぶ生成モデル
VAE(Variational Autoencoder、変分オートエンコーダ)は、2013年にKingmaとWellingが提案した生成モデルで、入力データを確率分布として潜在空間に符号化し、そこからサンプリングして再構成する仕組みを持ちます。確率的グラフィカルモデルと深層学習を... -
AI・機械学習・データサイエンス
GANとは|2つのネットワークが競い合う敵対的生成モデル
GAN(Generative Adversarial Network、敵対的生成ネットワーク)は、2014年にIan Goodfellowが提案した生成モデルで、生成器と識別器という二つのニューラルネットワークを敵対的に競わせることでリアルなデータを生成します。画像生成や超解像、スタイル... -
AI・機械学習・データサイエンス
GRUとは|LSTMを簡素化した軽量ゲート付きRNN
GRU(Gated Recurrent Unit)は、2014年にKyunghyun Choらが機械翻訳の文脈で提案した再帰型ニューラルネットワークの一種で、LSTMから派生した簡素化バージョンです。リセットゲートと更新ゲートという二つのゲートだけでセル状態を持たず、パラメータ数... -
AI・機械学習・データサイエンス
LSTMとは|長期依存を学習できる再帰型ネットの代表格
LSTM(Long Short-Term Memory)は、1997年にHochreiterとSchmidhuberが提案した再帰型ニューラルネットワークの一種で、セル状態と三つのゲートを組み合わせることで長距離の依存関係を学習できる構造を実現しました。素のRNNが抱える勾配消失問題を大幅...
