2025年6月– date –
-
[Medical AI with Python: P72] 学習の成果を未来へ！モデルの保存・読み込みと推論の実践
TL; DR (要約) 何日もかけて育てたAIの「知識」が、プログラムを閉じると消えてしまう…。 AIの知識をファイルに保存し、いつでも呼び出して新しいデータで予測（推論）させる、超実践的な技術の要点です。 ① AIの知識の正体(state_dict) AIが学習した「知... -
[Math for Medical AI: M12] 内積で測る「似ている」とは？ — Embeddingと類似度の世界
TL; DR (要約) AIは「似ている」をどう判断する？ その答えは「距離」より「角度」にあり、それを測るのが内積です。 このシンプルな計算が、AIに「意味」を教えるEmbedding技術の核心です。 ① 内積(「角度」を測る道具) 2つのベクトルがどれだけ「同じ方... -
[Math for Medical AI: M3.3] 連鎖律（合成関数の微分） — ニューラルネットワークの学習を可能にする「伝言ゲーム」
TL; DR (要約) AIの学習は、長い「伝言ゲーム」。最後の間違いは、誰の責任？ その「責任」を、下流から上流へと遡って突き止める魔法の計算ルール、それが連鎖律 (Chain Rule)です。 ① 課題(長い伝言ゲーム) AIは関数の「入れ子構造」。最初の工程での小... -
[Math for Medical AI: M3.2] 偏微分 — 多次元世界の「傾き」を捉える技術
TL; DR (要約) AIは、どうやって複雑な地形（損失関数）の中から「最も急な坂」を見つけるのか？ その答えが偏微分です。「一度に一つのことだけ考える」という、シンプルで強力な戦略の要点です。 ① 偏微分(一つの軸でスライス) 多次元の複雑な問題を、一... -
[Math for Medical AI: M3.1] 微分の基礎と勾配 ― AIが「学習」する方向を見つける魔法
TL; DR (要約) AIは、霧深い山中で谷底（最適解）を探す旅人。その旅に不可欠な「下り坂の方向」を教える魔法のコンパスが微分です。 AIの学習の心臓部である「微分」と「勾配」の役割を、直感的なイメージで理解しましょう。 ① 微分(瞬間の傾き) 関数のグ... -
[Medical AI with Python: P71] 過学習とアンダーフィットを検出し、対策を講じよう
TL; DR (要約) AIは「学びすぎ(過学習)」ても「学び足りない(未学習)」てもダメ。 モデルの性能を最大化し、未知のデータにも強い「ちょうど良い学習」を実現するための、3つの必須テクニックです。 ① アーリーストッピング(学習の「潮時」) 検証データの... -
[Medical AI with Python: P0] ゼロから始める医療AI入門講座 ― Pythonで学ぶ開発の全体像
TL; DR (要約) AIは、私たちの能力を拡張する「新しい聴診器」。 この講座では、その聴診器をPythonで「自ら作り、使いこなす」ための、実践的な旅に出ます。 ① なぜPython？(医療AIの共通言語) シンプルな文法と、PyTorchなど強力な専門ライブラリ（道具... -
[Math for Medical AI: M2.4] 固有値と固有ベクトル — 行列による変換の「本質」を見抜く
TL; DR (要約) 複雑なデータ変換（行列）の「本質」を暴く鍵、それが固有値と固有ベクトル。 変換されても向きを変えない「不動の軸」と、その「伸縮率」が、AIにデータの要約を教えます。 ① 固有ベクトル(変換の「不動の軸」) 行列で変換しても向きが変わ... -
[Math for Medical AI: M2.3] 逆行列と行列式 — 行列による「変換」を元に戻す
TL; DR (要約) 行列によるデータの「変換」は、元に戻せるのか？ その鍵を握るのが、変換を打ち消す「逆行列」と、その存在を判定する「行列式」です。 ① 逆行列 (Inverse Matrix)(変換の「解毒剤」) 元の行列による変換を、完全に打ち消して「元に戻す」... -
[Math for Medical AI: M2.2] 行列の基本的な演算 — データを組み合わせ、変換する技術
TL; DR (要約) 行列は単なる数字の箱じゃない！データに意味を与える「アクション（動詞）」です。 AIがデータを操るための、3つの基本的な「演算ルール」を掴みましょう。 ① 和・差(比較・変化の抽出) 同じ形の行列同士で、同じ位置の要素を足し引き。検...
