人工知能

web技術:web technology

保護中: クラウドネイティブとサービス中心の開発について

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用されるクラウドネイティブとサービス中心の開発について(組織間、サイロ化、KPI、ビジネス価値、コンウェイの法則、組織構造改革、プロセス改革、CNCF Incubatingステージ、CNCF Graduateステージ、CNCF Sandboxステージ、Technical Oversight Committee、End User Advisory Board、クラウドネイティブアプリケーション開発、Kubernetes、アプリケーションモダナイゼーション、The Twelve-Factor App、12個のアプリケーション原則、コンテナオーケストレーション、API、サービスベースアーキテクチャ、SOA、Service Oriented Architecture、マイクロサービス、疎結合、デリバリーパフォーマンス、MTTR、リードタイム、変更損失率、デプロイ頻度、Docker)
2023.02.13
web技術:web technologyアーキテクチャコンピューターマルチエージェントシステムユーザーインターフェース/データビジュアライゼーション
ICT技術:ICT Technology

人工知能技術の理論と数学とアルゴリズム

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習タスクに活用される人工知能技術の理論と基本的なアルゴリズム(メタヒューリスティック、グラフアルゴリズム、動的計画法、圏論、論理学、数学)
2023.02.12
ICT技術:ICT Technologylife tips人工知能:Artificial Intelligence
ICT技術:ICT Technology

人工知能技術について

デジタルトランスフォーメション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される人工知能技術について
2023.02.12
ICT技術:ICT Technologylife tips人工知能:Artificial Intelligence
アルゴリズム:Algorithms

保護中: Exp3.P方策と敵対的多腕バンディット問題の下界の理論概要

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用されるExp3.P方策と敵対的多腕バンディット問題の下界の理論概要(累積報酬、Poly INF方策、アルゴリズム、アーベル・ルフィニの定理、Poly INF方策の擬リグレット上界、閉形式、連続微分可能関数、オーディベール、ブベック、INF方策、疑リグレット下界、乱択アルゴリズム、最適オーダーの方策、高確率リグレット上界)
2023.02.10
アルゴリズム:Algorithmsオンライン学習スパースモデリングバンディッド問題幾何学:Geometry強化学習微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra
アルゴリズム:Algorithms

保護中: 統計数学理論によるC-サポートベクトルマシンの概要

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される統計数学理論によるサポートベクトルマシン C-サポートベクトルマシン(サポートベクトル比、マルコフの不等式、確率不等式、予測判別誤差、１つ抜き交差確認法、LOOCV、判別器、相補性条件、主問題、双対問題、最適解、1次凸最適化問題、判別境界、判別関数、ラグランジュ関数、極限条件、スレイター制約想定、ミニマックス定理、グラム行列、ヒンジ損失、マージン損失、凸関数、ベイズ誤差、正則化パラメータ)
2023.02.09
アルゴリズム:Algorithmsスパースモデリング幾何学:Geometry微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra
アルゴリズム:Algorithms

保護中: オンライン型確率的最適化の分散処理

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用されるオンライン型確率的最適化の分散処理(期待誤差、ステップサイズ、エポック、強凸期待誤差、SGD、リプシッツ連続、γ-平滑、α-強凸、Hogwild!、並列化、ラベル伝搬法、グラフ上での伝搬、スパースな特徴ベクトル、非同期型分散SGD、ミニバッチ法、確率的最適化手法、勾配の分散、不偏推定量、SVRG、勾配法のミニバッチ並列化、ネステロフの加速法、並列化SGD)
2023.02.08
アルゴリズム:Algorithmsグラフ理論スパースモデリング幾何学:Geometry微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra集合論:Set theory
アルゴリズム:Algorithms

保護中: 機械学習の連続最適化としての共役勾配法と非線形共役勾配法

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される機械学習の連続最適化としての共役勾配法と非線形共役勾配法(モーメント法、非線形共役勾配法、探索方向、慣性項、Polak-Ribiere法、直線探索、ウルフ条件、Dai-Yuan法、強ウルフ条件、Fletcher-Reeves法、大域的収束性、ニュートン法、急速降下法、ヘッセ行列、凸2次関数、共役勾配法、最小固有値、最大固有値、アフィン部分空間、共役方向法、座標降下法)
2023.02.07
アルゴリズム:Algorithms幾何学:Geometry微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra
アルゴリズム:Algorithms

保護中: スパース性に基づく機械学習としてのノイズありL1ノルム最小化の理論(2)

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用されるスパース性に基づく機械学習としてのノイズありL1ノルム最小化の理論(数値解析例、ヒートマップ、人工データ、制限強凸性、制限等長性、kスパースベクトル、ノルムの独立性、劣微分、凸関数、回帰係数ベクトル、直交補空間)
2023.02.06
アルゴリズム:Algorithmsスパースモデリング幾何学:Geometry微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra
アルゴリズム:Algorithms

様々な強化学習技術の理論とアルゴリズムとpythonによる実装

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される様々な強化学習技術の理論とアルゴリズムとpythonによる実装(強化学習,オンライン学習,オンライン予測,深層学習,python,アルゴリズム,理論,実装)
2023.02.05
アルゴリズム:Algorithmsオンライン学習グラフ理論スパースモデリング幾何学:Geometry強化学習微分積分:Calculus最適化:Optimization機械学習:Machine Learning深層学習:Deep Learning確率・統計:Probability and Statistics線形代数:Linear Algebra
ICT技術:ICT Technology

機械学習技術について

デジタルトランスフォーメーション(DX)、人工知能(AI)タスクに活用される機械学習技術について
2023.02.05
ICT技術:ICT Technology人工知能:Artificial Intelligence数学:Mathematics
次のページ
タイトルとURLをコピーしました