【G検定】潜在的ディリクレ配分法（LDA）とは？文書からトピックを推定する仕組みを解説
大量の文書を読まずに「何の話題について書かれているか」を機械に見つけさせる——それを可能にするのが潜在的ディリクレ配分法（LDA）です。トピックモデルの代表手法として、G検定では名前・略称・役割の対応が問われます。難しそうな名前の中身を、順番にほどいていきましょう。
【G検定】NeRF(Neural Radiance Fields)とは？2D写真から3Dシーンを作るビュー合成を解説
何枚かの写真を撮るだけで、その場所の3D空間がまるごと再現され、撮っていない角度からの映像まで自由に作れる——。それを可能にしたのがNeRF(Neural Radiance Fields、ニューラル放射輝度場)です。2020年に発表されるやコンピュータビジョン分野を席巻し、スマホ動画から3Dデータを作るサービスまで生まれました。GANや拡散モデルとは毛色の違う「3Dシーン生成」の代表キーワードです。
【G検定】主成分分析（PCA）とは？分散が最大の方向で次元削減する仕組みを解説
次元削減の代表格といえば主成分分析（PCA）です。相関し合う多数の特徴量を、相関のない少数の「主成分」にまとめ直すこの手法は、G検定でも寄与率・次元の呪い・t-SNEとの対比など論点が豊富です。仕組みから順に理解していきましょう。
【G検定】次元削減とは？高次元データを圧縮するPCA・t-SNEの考え方を解説
特徴量が何十・何百もあるデータは、そのままでは人間の目で眺めることも、効率よく学習させることも困難です。そこで登場するのが、情報の本質を保ったまま特徴量の数を減らす「次元削減」です。教師なし学習のもう1つの柱として、クラスタリングと並ぶ頻出キーワードです。
【G検定】Diffusion Model(拡散モデル)とは？拡散過程と逆拡散過程の仕組みをわかりやすく解説
Stable DiffusionやDALL·E 2——テキストを入力するだけで高品質な画像を生み出すAIの心臓部が、Diffusion Model(拡散モデル)です。その発想はユニークで、「きれいな画像を少しずつノイズまみれにする過程」を学び、それを逆再生することで「ノイズから画像を生み出す」というもの。GANに代わって生成AIの主役に躍り出た、いま最重要の生成モデルです。