## 総論 - [[機械学習]] - [[Machine Learning Algorithm]] - [[The 3 main components of a ML system]] - [[4 pillars of Machine Learning]] - [[ニューラルネットワーク]] - [[Data-Centric ML]] VS [[Model-Centric ML]] - [[Active Learning]] - [[Learning to rank]] - [[All Models Are Wrong]] - [[Software 2.0]] - [[2021__NeurIPS__Reduced, Reused and Recycled - The Life of a Dataset in Machine Learning Research]] ## 学習法の分類 機械学習で用いられる手法は、以下の3つの分類に属する。 ### [[教師あり機械学習]] - [[分類]] - [[回帰]] - [[ロジスティック回帰]] ### [[教師なし機械学習]] - [[次元削減]] - [[クラスタリング - MOC]] ### [[半教師あり学習]] ### [[強化学習]] それ以外の分類には、次のようなものがある。 ### [[深層学習]] - [[深層学習の数理]] - [[Transformer]] - [[ベイズ深層学習]] - [[ファウンデーションモデル]] - [[深層学習フレームワーク]] - [[何でも微分する]] ### [[生成モデル]] - [[VAE]] - [[GAN]] - [[拡散モデル]] ## [[Causal Machine Learning]] - [[反実仮想機械学習]] ### その他 - [[マルチモーダル学習]] - [[マルチタスク学習]] - [[機械学習の再現性問題]] ## 精度向上技術 - [[アンサンブル学習|Ensemble Learning]] - [[Random Seed Ensemble]] ## 解釈性 [[XAI]] - [[XAI|解釈可能なAI]] - [[機械学習の説明の信頼性]] - [[反実仮想説明]] - [[機械学習の説明可能性（解釈性）という迷宮]] ## 公平性 - [[機械学習と公平性]] ## 分析方法 - [[Ablation Study]] - [[Ceiling Analysis]] ## 再現性問題 - [[2022__arXiv__Leakage and the Reproducibility Crisis in ML-based Science]] ## [[Human in the Loop]] ## ![[生成AI - MOC]] ## ![[MLOps - MOC]] ## Books - [[📖Mathematics for Machine Learning]] - [[📖Pythonではじめる機械学習]] - [[📖Python機械学習プログラミング 達人データサイエンティストによる理論と実践]] - [[📖Pythonデータサイエンス ハンドブック]] - [[📖機械学習を解釈する技術]] - [[機械学習エンジニアのためのTransformers]] ## 社会実装 - [[機械学習を「社会実装」するということ 2023年版]]