【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
2026年5月31日
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
2026年5月31日
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。
【G検定】コンテンツベースフィルタリングとは？協調フィルタリングとの違いを解説
2026年5月31日
おすすめ機能には「みんなの行動から推薦する」方法と「商品の中身から推薦する」方法の2つの流儀があります。後者がコンテンツベースフィルタリングです。協調フィルタリングとの違い、そしてコールドスタート問題との関係まで、この記事で一気に整理しましょう。
【G検定】DCGANとは？GANにCNNを組み込んだ画像生成の定番モデルをわかりやすく解説
2026年5月31日
「実在しない人の顔」や「実在しない部屋の写真」をAIが生み出す——その原点に位置するのがDCGAN(Deep Convolutional GAN)です。生成器と識別器を競わせるGANの仕組みに、画像処理の王者CNN(畳み込みニューラルネットワーク)を組み込むことで、GANによる画像生成を一気に実用レベルへ引き上げました。GAN系モデルの基礎として試験でも押さえどころの多いキーワードです。
【G検定】コールドスタート問題とは？協調フィルタリングの弱点をわかりやすく解説
2026年5月31日
「この商品を買った人はこんな商品も買っています」——便利なおすすめ機能にも、実は苦手な瞬間があります。それが新規ユーザーや新商品に対して推薦ができなくなる「コールドスタート問題」です。推薦システムの仕組みとセットで理解しましょう。