AI・コンピュータビジョン用語集

埋め込み

埋め込みとは何か、また、NLP、レコメンデーション、およびコンピュータビジョンのためにデータ内のセマンティックな関係をキャプチャすることにより、それらがAIをどのように強化するかを学びます。

詳細はこちら

アンサンブル

アンサンブル法で予測精度を向上させましょう！複数のモデルを組み合わせることで、物体検出、NLPなどのパフォーマンスがどのように向上するかを学びます。

詳細はこちら

エポック

機械学習におけるエポックについて学びましょう。エポックがモデルのトレーニングにどのような影響を与え、オーバーフィッティングを防ぎ、Ultralytics YOLOパフォーマンスを最適化するのか。

詳細はこちら

進化的アルゴリズム

進化的アルゴリズムが、ハイパーパラメータの調整からロボティクスまで、自然に着想を得た戦略を使用してAIおよびMLソリューションを最適化する方法をご紹介します。

詳細はこちら

実験追跡

機械学習実験の追跡：再現可能なモデルトレーニングのために、ハイパーパラメータ、データセット、メトリクス、成果物を記録します。Ultralytics YOLO11で実行を整理する方法を学びましょう。

詳細はこちら

説明可能なAI（XAI）

説明可能なAI（XAI）をご紹介します。よりスマートなAIの意思決定のために、解釈可能な洞察を活用し、信頼を構築し、説明責任を確保し、規制を遵守しましょう。

詳細はこちら

勾配爆発

物体検出、姿勢推定などのタスクの安定したトレーニングを保証するために、深層学習における勾配爆発を管理する方法を学びます。

詳細はこちら

拡張カルマンフィルター（EKF）

拡張カルマンフィルターが、ロボット工学、自動運転車、センサーフュージョンにおける非線形システムの正確な状態推定をどのように可能にするかを学びます。

詳細はこちら

F1スコア

機械学習におけるF1スコアの重要性をご覧ください！最適なモデル評価のために、適合率と再現率のバランスをどのように取るかを学びます。

詳細はこちら

FLOPs

機械学習におけるFLOPsを理解しましょう！モデルの複雑さをどのように測定し、効率に影響を与え、ハードウェアの選択を支援するかを学びます。

詳細はこちら

顔認識

顔認識技術の仕組み、応用例、倫理的課題、Ultralytics モデル展開の簡素化についてご紹介します。

詳細はこちら

AIにおける公平性

倫理的で公平なモデルでAIの公平性を確保。公平なAIソリューションのためのツール、戦略、Ultralytics YOLO ご覧ください。

詳細はこちら

Ultralytics 用語集

埋め込み

アンサンブル

エポック

進化的アルゴリズム

実験追跡

説明可能なAI（XAI）

勾配爆発

拡張カルマンフィルター（EKF）

F1スコア

FLOPs

顔認識

AIにおける公平性