標準ビュー

新しい記事があるのでクリックしてページをリフレッシュしてください。
今日 — 2026年6月13日機械学習タグが付けられた新着記事 - Qiita

【コラム】現場で実際に経験してわかる、AIの精度を上げる難しさ

はじめに 今回は解説記事ではなく、コラム的な内容です AIの精度を上げる難しさや、その要因となりうる事象について話せればと思います 今なにをしているのか 現在の案件で僕は、クレジットカードの不正検知AIのさらなる精度向上を実現するために、様々なPoCを行うといった業務を...
昨日 — 2026年6月12日機械学習タグが付けられた新着記事 - Qiita

バックテストで作った「回収率118%」がフォワードテストで崩れた話 — 個人開発の競馬予想MLで観測した4つの構造劣化

📝 この記事は Zenn で先に公開した記事の再掲です。最新版とコメントは Zenn をご参照ください。 TL;DR 個人開発の競馬予想ML(UmaScore)を2026-04-18からフォワードテスト(FT)に投入したところ、バックテスト(BT)回収率 118.4...

RandomForestを用いたNVIDIA株価予測とリスク・リターン分析

1. はじめに 本記事では、NVIDIA(NVDA)、Microsoft(MSFT)、S&P500(SPY)の株価データを取得し、株価推移分析、リターン分析、リスク・リターン分析を行いました。 さらに、RandomForestを用いてNVIDIAの翌営業日の終値を予測し、...

【検証】新型LLM「fable-5」にW杯2026の優勝予測をさせたら、答え方が一流だった

はじめに 2026年W杯(北中米大会)が本日開幕しました。48チーム・104試合、史上最大規模です。 最近切り替えたばかりの新型モデル fable-5 に、最も誤魔化しの効かないタスクを与えてみました——優勝チームの予測です。1ヶ月後には決勝トーナメントが始まり、答え合わ...

説明を見て終わりにしないXAI:Right for the Right Reasonsを読む

はじめに 機械学習モデルでは、「予測精度が高いこと」が重要です。 しかし、精度が高いだけで本当に信頼できるとは限りません。 なぜなら、モデルが「正解している理由」が間違っている可能性があるからです。 例えば画像分類で、犬を分類しているように見えて、実際には背景の芝生や首輪...

【祝★W杯開幕】エンジニアならFIFAワールドカップ2026もデータで見たいよね

FIFAワールドカップ2026(カナダ、メキシコ、アメリカ)が始まりました! サッカーが好きな人も、普段はあまり見ない人も、日本代表の試合はなんとなくテレビの前で盛り上がってしまうのではないでしょうか。 実はサッカーとデータ分析は親和性が高く、様々なデータが公開されています...

なぜ3D CADは普及したのにAIは普及しないのか

はじめに 私は20年以上メカ設計に携わっています。 その間、 製図板 2D CAD 3D CAD と設計環境の変化を見てきました。 一方で最近は、 Python、統計、機械学習を学び、 品質部門でデータ分析やAI活用にも関わるようになりました。 そこで感じたことがあり...
おととい機械学習タグが付けられた新着記事 - Qiita

ガウス動径基底関数(Gaussian RBF)による回帰分析の実装

はじめに 本稿では,ガウス動径基底関数(Gaussian Radial Basis Function, Gaussian RBF)を基底として用いた回帰分析の理論的背景と,Pythonによる実装について述べる. 本手法は,多項式回帰とは異なり,局所的な基底関数の重ね合わせ...

クオンツトレードに最適な生成AIはどれか? ― Claude Fable5 / GPT 5.5 Pro / GPT 5.5 High をUSDJPY戦略開発で比較した

結論(先に要約) 同じプロンプト(「壊れにくいUSDJPY戦略を作れ。エッジがなければ正直に棄却しろ」)を3モデルに投げ、データ診断〜WFO〜ロバスト性〜ベンチマーク比較まで一気通貫でやらせて比較した。 総合1位はGPT 5.5 Pro(90/100)。理由は「...

第3回 ローカルLLM、どのモデルをどう動かす? ── 選定とハード構成【モデル・構成編・2026年6月】

📚 3部構成: ① コスト編 / ② キャパ・速度編 / ③ モデル・構成編(本記事) ※ 各記事は単体で読めます。 この連載について 「自前でLLMを動かすと、いくら/何人で/何が載るか」を現場で説明できる粒度で整理する3部構成です。 型番・モデル名・価格は 202...

第2回 ローカルLLMは何人で使えて何が載る? ── VRAMと速さの読み方【キャパ・速度編・2026年6月】

📚 3部構成: ① コスト編 / ② キャパ・速度編(本記事) / ③ モデル・構成編 ※ 各記事は単体で読めます。 この連載について 「自前でLLMを動かすと、いくら/何人で/何が載るか」を現場で説明できる粒度で整理する3部構成です。 型番・モデル名・価格は 202...

AIの「見送り判断」を後から採点するPhantom Trade設計

Hermes Agent には Phantom Trade(ファントムトレード) という仕組みがあります。Claude が「WAIT(見送り)」を選んだとき、「もしエントリーしていたら?」を仮想トレードとして記録し、後から正解・不正解を採点する機能です。 なぜ WAIT...

写真30枚から3Dシーンを作る — Gaussian Splatting を Colab で動かしてみた話

Gaussian Splatting (3DGS) を触ってみたいと思っていたのですが、論文を先に読もうとすると数式のところで止まってしまって、なかなか手元で動かすところまで辿り着けていませんでした。Colab でひとまず動かしてみたら、「何を入れて何が出てくるか」が自分の...

Gemma 4 12B:エンコーダを捨てたマルチモーダルAIを16GBノートPCで動かす

「マルチモーダルなのに、画像や音声の専用エンコーダを持たない」——2026年6月3日にGoogle DeepMindが公開したオープンモデル Gemma 4 12B は、AIの常識をひとつ外して作られている。テキスト・画像・音声を1つで扱う120億パラメータ級でありながら、...

DiffusionGemma:拡散ベースで並列テキスト生成する新しいGemmaモデル

はじめに Google が DiffusionGemma の開発者ガイドを公開しました。Gemma 4 アーキテクチャをベースにしながら、従来の自己回帰型(トークンを1つずつ順番に生成する方式)とは根本的に異なる「拡散ベースの並列生成」を採用した実験的テキスト生成モデルで...

最尤推定(MLE)の仕組みと実装:パラメータ推定の核心を数式とPythonで理解する

はじめに 「正規分布でデータをフィットするとき、なぜ平均 $\bar{X}$ と分散 $S^2$ を使うのか?」 この問いに答えるのが**最尤推定(Maximum Likelihood Estimation, MLE)**です。「観測データが得られる確率を最大にするパラメ...

【IoT×電気保安】ベテラン技術者の「耳と脳」をCNNで再現したい。なぜ異常検知は音なのか?

はじめに 地方エリアで電気保安の現場を走り回っている実務技術者です(電験三種・エネ管保持)。 これまでの記事(第1弾・第2弾)では、高圧受変電設備(キュービクル)の放電音をスマホで録音し、PRPD(位相分解部分放電)解析のアルゴリズムを組んで可視化する過程をご紹介してきまし...

Mojo 1.0のSIMD・parallelizeで実装するMLカーネルとPythonベンチマーク比較

Mojo 1.0のSIMD・parallelizeで実装するMLカーネルとPythonベンチマーク比較 Pythonで書いた行列積が遅い——MLエンジニアなら一度は直面する課題です。NumPyやPyTorchに逃げるのが定石ですが、「カスタムカーネルを書きたいがCUDA/...

AIに何ができないかを理解していないと、DXは進まない

はじめに 最近、 「AIが仕事を奪う」 という話をよく耳にします。 実際、生成AIの進化は非常に速く、 コード生成 統計解析 レポート作成 データ分析 など、多くの業務を支援できるようになりました。 私自身、20年以上メカ設計に携わった後、品質部門へ異動し、Pytho...

Slurmってなに?GPUクラスターを複数人で使うときに必要な理由を説明する

この記事でわかること Slurmとは何か(ジョブスケジューラーとは?) なぜGPUクラスターにSlurmが必要なのか Slurmを使うと何が変わるのか 基本的な用語の意味(ノード・ジョブ・パーティション) この記事はこんな人向け 「Slurm」という単語を初めて聞...
❌
❌