手を動かし、視覚的に理解することで、複雑なAIの世界を楽しく探検しましょう。
機械学習の3大分類の特徴と適用例を直感的に学べます。
K-meansクラスタリングの流れをアニメーションで視覚化。
分類（k-NN）とクラスタリング（k-means）の違いを視覚的に理解できます。
線形回帰を可視化し、データから傾向を学ぶプロセスを体験できます。
線形回帰とロジスティック回帰の本質的な違いを視覚的に学べます。
多様な分類アルゴリズムの違いを可視化しながら学べるクイズ。
クラスタリングや次元削減の手法をクイズ形式で視覚的に学べます。
次元削減（PCA）とクラスタリング（k-means等）の違いを視覚的に体感。
ナイーブベイズ分類器がどう分類するかを体験できる学習ツール。
モデルの複雑さによる「訓練誤差」と「真の誤差」の変化を視覚化。
アンサンブル学習の3手法の特徴を、動きの違いで直感的に理解できます。
データをランダム抽出し、多数決で統合して汎化性能を高める手法です。
誤分類データに重点を置いて精度を高めるAdaBoostの仕組みを理解。
3手法（Bagging・Boosting・Stacking）の特徴をクイズで直感的に理解。
標準化と正規化の違いを視覚的に学べるデモ。
決定木の仕組みをリアルタイムに構築・可視化し、直感的に理解できます。
しきい値操作による再現率と適合率のトレードオフ関係を可視化したゲーム。
ROC曲線とAUCの概念を視覚的に体験できるデモ。
学習と評価を分離する重要性を視覚的に体験できます。
「平均値補完」と「回帰補完」を視覚的に比較できるツール。
学習データが少ないと、過学習しやすくなります。そこで使われるのがデータ拡張です。主な拡張手法を画面上でシミュレーション表示しながら学べます。
活性化関数の役割と特徴（ステップ・シグモイド・ReLU）を体験的に理解。
グラフ形状から名称・数式・用途を当てるクイズ形式の教材。
予測・学習の流れを視覚的に体験し、誤差逆伝播法・重み更新を理解。
パラメータ更新を、回帰直線・損失関数・傾きの可視化で体験的に学習。
SGD・Adamの特徴や部分最適解からの脱出性能を比較体験。
SGD・Adamが3D損失曲面をどう探索するかを視覚化。
CNNの基本処理である畳み込み・ReLU・プーリングを直感的に学習。
「探索と活用」の戦略を、ゲーム形式で体験できます。
確率的手法「モンテカルロ法」による円周率近似を視覚体験。
潜在空間の役割と生成の仕組みを直感的に理解するのに役立ちます。
画像認識と物体検出の違いを直感的に学べる体験型クイズ。
一般物体認識のバウンティングボックスを体験しましょう。
自然言語処理の各ステップを可視化して学べるクイズ形式の教材。
TFとIDFに基づき、単語の重要度をクイズ形式で体感。
各モデルの「記憶」と「注目」の違いを視覚と体験で学習。
CBOWとSkip-gramの違いをアニメーションで視覚的に理解できます。
アナログ信号のサンプリング・量子化・符号化のプロセスを体験。
「ノイズ付加→ノイズ除去」の2段階プロセスを可視化。
MIN-MAX法の探索戦略と評価関数を視覚的に理解できるゲーム。
相関係数と回帰係数の違いを視覚的に理解できるゲーム。
正規分布やばらつきの視覚的特徴から標準偏差を推定。
確率論の基礎を視覚的に体感できる学習ツール。
ベイズの定理を「仮説Hと証拠E」で視覚的に体感。
ベイズの定理による計算と適合率/Precisionによる計算を同時にマスター。
微分で「瞬間の変化」、積分で「変化の蓄積」を視覚体験。
偏微分と勾配の違いを3D地形で視覚化し、勾配降下法の理解を深めます。
内積・射影・ベクトル和など、線形代数の基本演算を視覚的に理解できます。
数式と幾何的意味を、ベクトル操作の体験を通じて直感的に学べます。
コサイン類似度を文章の例を通じて直感的に学べます。
2つの確率分布の「違い」を測る指標。スライダー操作で直感的に理解できます。