2025年5月– date –
-
【Python実践】転移学習、追加学習、ファインチューニングの違いについて（簡単なサンプルソース掲載）
ディープラーニングの進化とともに、より効率的な学習手法が求められています。そこで登場するのが「転移学習」「追加学習」「ファインチューニング」といったモデルの強化手法です。これらは、すでに学習済みのモデルを活用して、新しいタスクへの適応や... -
【実践事例】画像の一部に着目して分類する『OpenCV＋OCR』（コピペで使えるサンプルコード付き）
紙の資料をデジタル化して管理することを考えた場合、その次に行う作業は、分類して整理することです。資料が少ない場合は１枚づつ読み込みと同時に分類できますが、数千枚や数万枚に及ぶ資料になると、そうもいきません。 そこで、今回は、「画像の一部」... -
【Python実践】時系列データのグラフ化手法（コピペで使えるサンプルコード付き）
製造現場では、センサーデータ、製造ログ、品質検査データなど、膨大な時系列データが生成されています。これらのデータを的確に分析し、品質向上、歩留まり改善、異常検知、予知保全に繋げるためには、データの特性に合わせた効果的な可視化が鍵となりま... -
【Python実践】GBDT（Gradient Boosting Decision Tree）で回帰問題と分類問題を解く（コピペで使えるサンプルコード付き）
機械学習のアルゴリズムは数多くありますが、「より高い精度を実現し、複雑なデータにも柔軟に対応したい！」そんなときに頼れるのが 勾配ブースティング決定木（Gradient Boosting Decision Trees, GBDT） です。 GBDTは、決定木を組み合わせてモデルの性...
12