AI・機械学習・データサイエンス– category –
-
GTE: 文章からベクトルに変換する技術
GTEとは、文章やテキストデータを数値化して機械学習モデルが扱いやすい形にする手法の一つ。この記事ではその仕組みと歴史的背景について解説します。 【この記事の目次】 GTEの定義 GTEの歴史 GTEの仕組み GTEと他の方法の比較 まとめ 【GTEの定義】 GTE... -
GTE詳細: グラフィカル・テキストエンジンの核心
GTE（Graphical Text Engine）は、1980年代後半に開発された初期のウィンドウシステム向けテキスト表示技術です。その後、グラフィックスとテキスト表示の統合が進む中で、その役割や影響範囲はどのように変化してきたのでしょうか？ 【この記事の目次】 G... -
GSM8K詳細：大規模言語モデルの新地平
GSM8Kは、Meta AIが開発した数学的な問題解決能力を評価するデータセットとして2021年に公開されました。この記事では、GSM8Kの背景と目的、そして現状における意義について詳しく解説します。 【この記事の目次】 GSM8Kとは何か GSM8Kの構造 GSM8Kの機能 ... -
GShard: 大規模な言語モデルのパラメータ効率最適化
Googleが開発したGShardは、複数タスクを学習するための大規模なマルチモーダルモデルを構築する際のパラメータ使用効率を向上させる技術です。2020年に公開されて以降、大規模な言語モデル開発に大きな影響を与えています。 【この記事の目次】 GShardの... -
GRU4Rec：推薦システムに革新をもたらす循環ニューラルネットワーク
GRU4Recは、ユーザー行動パターンを理解し、個別化された製品推奨を行うための革新的な手法です。2016年にGoogleが提案したこのアプローチは、順次データに適応するための高度な循環型ネットワークに基づいています。 【この記事の目次】 GRU4Recの基本概... -
GroupNorm: 深層学習における新たな正規化手法
Group Normalization (GroupNorm)は、活性化関数を通過するデータの分布を調整することでモデルの安定性と汎化性能を向上させる技術です。2018年に中国科学院が提唱した後、即座に深層学習コミュニティで注目を集めました。本記事では、その背後にある原理... -
Grouped Query Attention: 機械学習での効率化とパフォーマンス向上
Grouped Query Attentionは、機械学習の文脈の中で特定のタスクを効果的に最適化する技術です。その起源から現在の応用までを詳しく解説し、その深い仕組みについて掘り下げます。 【この記事の目次】 Grouped Query Attentionとは 技術的背景 仕組みと特... -
Group k-fold: 群ごとのクロスバリデーション法
機械学習における評価手法であるGroup k-foldは、観測単位が群に分かれるデータセットに対して効果的な検証を行う。1980年代から進化を遂げ、2000年以降のデータサイエンス発展と共にその重要性が増した。 【この記事の目次】 Group k-foldとは Group k-fo... -
グループフェアネス: 多様性と公平性を追求
Group Fairnessは、AIと機械学習において異なる属性を持つグループ間での公平さを確保するための手法です。近年、社会的影響力を考慮した開発が求められる中で、この概念は注目を集めています。 【この記事の目次】 Group Fairnessの定義 Group Fairnessの... -
Grounded SAM: ビジョンとテキストの統合アプローチ
Grounded Segment Anything Model (Grounded SAM)は、2023年に登場した画像セグメンテーションモデルです。従来のSAMが画像内での任意の領域をセグメント化する機能を持っていた一方で、Grounded SAMは追加的にテキスト情報に基づくセグメンテーションを可...
