【E資格】適応的学習率の最適化手法｜AdaGrad・RMSProp・Adamの違い
2026年7月6日
学習率をパラメータごとに自動調整する最適化アルゴリズムを学ぶ項目です。SGDの「学習率を1つ決め打ちする難しさ」を解消する発想として、AdaGrad・RMSProp・Adamの3つの手法とその関係性を理解します。
【G検定】説明可能性とは？XAI・LIME・SHAPで開くAIのブラックボックスを解説
2026年7月6日
「AIがそう判断したから」では、医師も銀行も納得できません。なぜその結論に至ったのかを人間にわかる形で示せること——それが説明可能性です。G検定ではXAI・LIME・SHAPという具体的な手法名まで含めて、「透明性」の中心キーワードとして問われます。
【G検定】RandAugmentとは？データ拡張を2つのパラメータで自動化する手法を解説
2026年7月6日
データ拡張は効果絶大ですが、「どの処理を、どの強さで、いくつ組み合わせるか」を人手で調整するのは大変です。この選択を驚くほどシンプルに自動化したのがRandAugmentです。この記事では、前身のAutoAugmentとの対比でその仕組みを解説します。
【E資格】誤差逆伝播法を徹底解説｜連鎖律・デルタ・計算グラフと自動微分
2026年7月6日
誤差逆伝播法(バックプロパゲーション)は、ニューラルネットワークの全パラメータの勾配を効率よく計算するアルゴリズムであり、深層学習のすべての学習を支えるエンジンです。この項目では、その数学的な核である連鎖律、層ごとの誤差を表すデルタ、そして現代フレームワークの基盤である計算グラフと自動微分を学びます。
【E資格】SGDとモメンタム｜最急降下法・ミニバッチ学習・NAGを解説
2026年7月5日
深層学習の学習とは、損失関数を最小化するパラメータを勾配に沿って探す最適化の過程です。この項目では、最急降下法から確率的勾配降下法(SGD)、そしてモメンタムとNesterov Accelerated Gradientまで、最適化アルゴリズムの基礎を学びます。更新式の計算はE資格の定番問題です。