【深層学習】生成モデルを理解する_RNN

生成モデルとは、データの分布を学習し、新しいデータを生成するモデルです。前回の記事ではその最もシンプルな実装としてマルコフ連鎖を取り上げました。続きはこちらから。

【深層学習】生成モデルを理解する_マルコフ連鎖

生成モデルとは、データの分布を学習し、そこから新しいデータを生成するモデルです。通常の機械学習モデル（識別モデル）が「この画像は猫か犬か」を判定するのに対し、生成モデルは「猫の画像」そのものを新たに作り出します。学習済みの分布から新しいサンプルを生成できる点が最大の特徴です。続きはこちらから。

調整すればいいとは限らないー合流点バイアスとは何か

以前交絡について書きました。AとBに相関が見えても裏で両方に影響している第３の変数Cがあるならその相関は見かけものかもしれない。だからCを調整しましょうという話でした。そこである疑問が浮かびます。では、多くの変数を入れれば入れるほど良いのでしょうか。続きはこちらから。

Claude CodeでDataikuを動かしてみた

DataikuのCode Studioの中で、Claude Codeが動くようになりました。「Dataikuの中でコーディングエージェントが使える」だけなら、正直そこまで驚く話ではありません。面白いのはその先で、Claude CodeはDataikuのPython APIを叩けます。つまりDataikuそのものを操作させられるということです。続きはこちらから。

マルチエージェント強化学習(MARL)入門: 独立学習とCTDEを自作環境で比較したら、直感に反する結果になった話

マルチエージェント強化学習(Multi-Agent Reinforcement Learning、以下MARL)は、複数のエージェントが同じ環境の中で同時に学習する強化学習の枠組みである。続きはこちらから。

Teamsアプリのmanifest.jsonをatk validateで検証してみた―JSON構文チェックとの違い

Teamsアプリのmanifest.jsonは、アプリの機能やURLなどをTeamsへ伝える設定ファイルです。一般的なJSONパーサーで読み込めても、Teams固有の必須項目、データ型、値の形式に適合するとは限りません。続きはこちらから。

欠損値の補完方法を6種類比較してみた

データ分析やコンペに取り組んでいると、欠損値の処理は避けて通れません。「とりあえず平均で埋める」という選択をすることも多いですが、実際にどのくらい精度に影響するのか、体感でしか語れていないことに気がつきました。そこで今回は、完全なデータセットにあえて欠損値を人工的に作り、正解がわかっている状態でいくつかの保管方法を比較する、という実験をしてみました。続きはこちらから。

VSCodeでペットを飼ってみた！

VSCode でペットが飼えるってご存知でしたか？気になって調べてみたら本当にできたので、やり方をまとめました。使うのは「vscode-pets」という拡張機能で、累計266万DL超・評価★5という、知る人ぞ知る癒し系拡張機能です。続きはこちらから。

サプライチェーンコーディネーション：サプライヤーとリテーラーが「協力」して利益を最大化する仕組み

私たちが日常的に使う商品は、原材料の調達から製造、輸送、そして店頭での販売まで、複数の主体を経て手元に届きます。この一連の流れを「サプライチェーン」といいます。近年、このサプライチェーンをいかに効率よく運営するかが、企業競争力を左右する重要なテーマとなっています。続きはこちらから。

ヤン・ルカンはなぜLLMを見限ったのか

2025年11月、ヤン・ルカンがMetaを辞めた。ディープラーニングの土台を作った一人で、チューリング賞も受けている。Metaでは12年間、チーフAIサイエンティストを務めていた人だ。その4か月後、彼の新会社AMI Labsが10.3億ドルを調達したと発表された。日本円で1,600億円ほどになる。続きはこちらから。

Claude Codeのフォルダ整理術 ― CLAUDE.mdを太らせずに運用する

Claude Codeでプロジェクトに取り組んでいると、「ルールをどこに書くか」で必ず迷います。CLAUDE.mdに書く、専用のスキル(SKILL.md)に書く、サブエージェント(.claude/agents/*.md)に書く、あるいはメモリに書く。選択肢が増えるほど「とりあえずCLAUDE.mdに全部書いておけば読んでくれるだろう」という誘惑も強くなります。続きはこちらから。

【Google Colab】64×64の花画像で作る拡散モデル

まずはこれを見てください。完全なランダムノイズ（砂嵐）から、1000ステップかけて花が浮かび上がってくる様子最初のフレームは、ただの砂嵐です。意味のある情報は1ビットも入っていません。それが数百ステップ進むと、なんとなく色の塊が現れ、輪郭がまとまり、最後には花のような物体が描かれます。続きはこちらから。

少しずつ分かるCox比例ハザードモデル

Cox比例ハザードモデル（Cox回帰とも呼ばれます）は、「何がイベントの起きやすさに影響しているか」を調べられる便利な手法です。医療をはじめ、解約予測や故障分析など、幅広い分野で使われています。ただ、きちんと理解しようとすると難しい手法です。続きはこちらから。

テキストデータに対する特徴量エンジニアリング（BoW）

商品レビューやニュース記事、SNS投稿といったテキストデータを機械学習モデルで使いたい場面はよくあります。しかし、テキストはそのままモデルに渡すことができません。モデルが扱えるのは数値だけなので、文章を数値ベクトルに変換する処理が最初の関門になります。続きはこちらから。

強化学習入門：MDP（マルコフ決定過程）で理解するエージェントの意思決定

AIが囲碁の世界チャンピオンを破り、ロボットが転ばずに歩けるようになる——こうした成果を支える技術が強化学習（Reinforcement Learning）です。続きはこちらから。