AIとコンピュータビジョンの用語集

Retrieval Augmented Generation (RAG)

Retrieval Augmented Generation（RAG）が、リアルタイムで信頼性の高い外部データを統合して正確で最新の応答を実現することにより、AIモデルを強化する様子をご覧ください。

詳細はこちら

強化学習

エージェントが試行錯誤を通じてアクションを最適化し、報酬を最大化する強化学習をご覧ください。概念、アプリケーション、および利点を探求しましょう。

詳細はこちら

正則化

L1、L2正則化、ドロップアウト、早期打ち切りなどの正則化手法を使用して、過学習を防ぎ、モデルの汎化性能を向上させます。詳細はこちら！

詳細はこちら

再現率

機械学習におけるRecallとは何か、なぜそれが重要なのか、そしてAIモデルが重要な陽性インスタンスを効果的に捉えることをどのように保証するかを学びます。

詳細はこちら

Receiver Operating Characteristic (ROC)曲線

ROC曲線とAUCがAI/MLにおける分類器のパフォーマンスをどのように評価し、不正検出や医療診断などのタスクでTPR対FPRを最適化するかを学びます。

詳細はこちら

リアルタイム推論

Ultralytics YOLOによるリアルタイム推論が、自動運転やセキュリティシステムなどのAIアプリケーションのために、いかに迅速な予測を可能にするかを発見してください。

詳細はこちら

ロボティック・プロセス・オートメーション（RPA）

ロボティック・プロセス・オートメーション（RPA）が、タスクを自動化することで効率をどのように高め、インテリジェントなワークフローのためにAIとMLを補完するかを発見してください。

詳細はこちら

ランダムフォレスト

強力なアンサンブル学習アルゴリズムであるRandom Forestが、分類、回帰、および実世界のAIアプリケーションでどのように優れているかを発見してください。

詳細はこちら

レコメンデーションシステム

レコメンデーションシステムが、AIと機械学習を使用してパーソナライズされた提案を提供し、エンゲージメントを高め、オンラインでの意思決定を促進する様子をご覧ください。

詳細はこちら

Reformer

Reformerモデルをご覧ください。LSHアテンションと可逆レイヤーにより、長いシーケンスに最適化された画期的なTransformerアーキテクチャです。

詳細はこちら

受容野

コンピュータビジョンにおけるCNNの受容野の重要性について解説します。それらが、物体検出、セグメンテーション、およびAIの最適化にどのように影響するかを学びます。

詳細はこちら

人間のフィードバックによる強化学習（RLHF）

Reinforcement Learning from Human Feedback（RLHF）が、モデルを人間の価値観に合わせることでAIのパフォーマンスを向上させ、より安全でスマートなAIを実現する様子をご覧ください。

詳細はこちら

Ultralytics用語集

Retrieval Augmented Generation (RAG)

強化学習

正則化

再現率

Receiver Operating Characteristic (ROC)曲線

リアルタイム推論

ロボティック・プロセス・オートメーション（RPA）

ランダムフォレスト

レコメンデーションシステム

Reformer

受容野

人間のフィードバックによる強化学習（RLHF）