検索

条件に合わない情報を選り分けて除外する処理の総称。

モデルが単純すぎて、訓練データのパターンすら十分に捉えられていない状態。

訓練データに過剰に適合し、未知のデータに対する予測性能(汎化性能)が低下してしまう現象。

似たデータ同士を自動的にグループ(クラスタ)にまとめる、教師なし学習の代表的タスク。

稼働中のモデルの性能・コスト・異常を継続的に監視すること。

AIから望む出力を引き出すために、[[prompt]]を工夫・設計する技術や手法の体系。

暴力・差別など有害な入出力を検知して遮断する仕組み。

AIに含まれる不当な偏りを検出し、減らすための取り組み。

大量のデータから規則やパターンをコンピュータ自身に学ばせ、予測や分類を行わせる手法。

正解ラベルのないデータから、隠れた構造やグループ(クラスタ)を自動的に見つけ出す学習方法。

学習中のモデルの性能を確認し、ハイパーパラメータの調整に使うデータ。訓練には直接使わない。

AIに与える指示文や質問。プロンプトの良し悪しが、出力の質を大きく左右する。

プロンプト内に入出力の手本を数例示すことで、AIに望む形式や傾向を学ばせる手法。

訓練データ全体を1回学習し終える単位。学習の繰り返し回数を表す。

モデルが複雑になりすぎるのを抑え、過学習を防ぐための工夫の総称。

学習中に一部のニューロンをランダムに無効化し、過学習を防ぐ正則化手法。

学習にも調整にも使わず、最終的な性能を公平に評価するためのデータ。

学習に使っていない未知のデータに対して、モデルが正しく働く能力。

AIに特定の役割を演じさせ、その立場に沿った応答を引き出す手法。

AIの入出力に設ける安全のための制約・チェックの仕組み。

機械学習モデルの開発・デプロイ・運用・監視を継続的に回す方法論。

コンテンツが規約や安全基準に違反していないか判定・管理すること。

既存データに変形を加えて学習データを水増しし、性能を高める手法。

AIに結論だけでなく途中の推論過程を順を追って書かせることで、複雑な問題の正答率を高める手法。

AWSが提供する、機械学習の構築・学習・デプロイの統合サービス。