― KEYWORD ―

G検定

ウェブからデータを収集する手法を俯瞰（その2）

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

データ保管に関するエンジニア用語を整理#1（DS検定によく出る！）

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

ウェブからデータを収集する手法を俯瞰（その１）

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

GLUE：AIによる自然言語理解の性能を評価

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

教師あり学習におけるアノテーション作業　〜どうしたらいい？〜

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

身の回りの自然言語理解（NLU; Natural Language Understanding）タスク

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

自己相関に基づく時系列分析の手法（AR・MA・ARMA・ARIMA・SARIMA）

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

時系列データとその成分（ノイズ、周期性、トレンド）

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

読者の疑問に答える！線形回帰分析の「線形」はどういう意味？

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

重回帰分析の結果を統計学的に解釈：Excelの分析ツール使用（前編）

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

最近G検定によく出る画像変換手法CycleGANを明解

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

５分！Excelで回帰分析（分析ツールをあえて使わない）

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

【最新海外AI技術の解説】言語生成モデルが引き起こす政治的バイアス（技術中心の後編）

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

【最新海外AI技術の解説】言語生成モデルが引き起こす政治的バイアスの危険（前編）

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

データサイエンティストが知るべきビジネス用語#1：ビジネスモデルとプレイヤー

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

【最新海外AI技術の解説】説明可能AI#2・ニューラルネットワークの線形加法モデルにおける解釈性

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

【最新海外AI技術の解説】説明可能AI#1・特徴量の相関関係を考慮できるモデル非依存型解釈手法

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

AIで生成したフェイクコンテンツに驚き・実は有益な使い方も多い

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

G検定（ジェネラリスト検定）の概要・出題傾向・対策法

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI

音声データの解析における特徴量

https://gri.jp/media/wp/wp-content/uploads/2021/09/logo.svg CO-WRITE ─ AIとデータサイエンス by GRI