【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。

Claude Codeを使い倒す

Claude Codeは、自分でファイルを読んで、コマンドを動かして、コードを書き換えてくれます。こちらが別の作業をしている間も、手を止めずに進めてくれる相棒です。この記事では、そこまで任せられるようになるためのコツを紹介します。続きはこちらから。

強化学習のビジネス応用：在庫最適化からダイナミックプライシングまで

強化学習（Reinforcement Learning：RL）は、ゲームAIや囲碁・将棋といった文脈で注目を集めてきましたが、近年は実ビジネスへの応用が急速に広がっています。教師あり学習が「正解」を学ぶのに対し、強化学習は「試行錯誤しながら最適な戦略」を学ぶことができ、複雑な意思決定問題に強みを発揮します。続きはこちらから。

MLOps入門：機械学習を本番運用するための仕組み

機械学習プロジェクトの多くは、PoC（概念実証）で止まり、本番運用に至りません。原因はモデルそのものではなく、データ・モデル・コード・運用を継続的に回す仕組みが整っていないことにあります。これを解決するのが「MLOps」です。続きはこちらから。

説明可能なAI（XAI）：ブラックボックスを開くアプローチ

AIモデルが高精度になるほど、「なぜその予測になったのか」を人間が理解することは難しくなります。深層学習に代表される現代の機械学習モデルは、優れた性能と引き換えに、内部の判断プロセスが不透明であるという課題を抱えています。続きはこちらから。

AIエージェントが切り拓く新時代：人間とAIの協働がもたらすビジネス革新

2020年代前半に登場した生成AIは、わずか数年でビジネスのあり方を大きく塗り替えてきました。そして2026年、私たちは新たな段階に突入しています。それが「AIエージェント（AI Agents）」の本格的な普及です。続きはこちらから。

AUCとは何か？分類モデルの評価指標の基本

分類モデルを作ったとき、性能をどう評価するかで結論が変わってしまうことがあります。正解率（Accuracy）だけを見ていると、クラスの数が偏ったデータでは実態を見誤ることがあります。たとえば「解約する人」が全体の5%しかいないデータで、全員を「解約しない」と予測しても正解率は95%になってしまいます。続きはこちらから。

小規模言語モデル（SLM）の台頭：オンプレでもAIが動く時代へ

本記事では、SLMの実態、急速に求められるようになった背景、そして導入を検討すべき場面と注意点を整理します。続きはこちらから。

SHAPでAIの判断を説明する：実務で使えるシャプレー値入門

機械学習モデルの予測精度が高まるほど、「なぜその予測になったのか」を人間が理解することは難しくなります。この「ブラックボックス問題」を解く手法として、現在最も広く利用されているのが「SHAP（SHapley Additive exPlanations）」です。続きはこちらから。

「またこのエラーか」をなくしたい ！— ローカルCLI Debug Memory Vol.1 をつくった

開発をしていると「これ前にも見たな」というエラーに何度も遭遇します。特に Python の ModuleNotFoundError、LaTeX の Undefined control sequence は環境を変えるたびに同じ場所でつまずいている自覚がありました。続きはこちらから。

交絡とは、データ分析で必ず出会う落とし穴について詳しく解説

データ分析をしていると、「相関があるのに予測が外れる」という経験はありませんか？ その原因は、もしかしたら交絡かもしれません。 この記事では「交絡とは何か」「なぜ落とし穴になるのか」について、初心者でもわかるようにまとめました。続きはこちらから。

転移学習（Transfer Learning）とは？ファインチューニングとの違いを初心者にもわかりやすく解説

機械学習を学びはじめると、「転移学習（Transfer Learning）」という言葉をよく目にします。しかし、「ファインチューニングと何が違うのか」「そもそもどういう仕組みなのか」が分かりにくい、と感じる方も多いのではないでしょうか。続きはこちらから。