Medical AI with Python– category –
-
[Medical AI with Python: P8] 研究再現性のための整理術 — ファイル構造とターミナルの基礎
学習のポイント 優れた研究は、優れた整理術から生まれます。この章では、研究の再現性を高める「プロジェクトフォルダ構成の型」と、その準備を効率化する「ターミナルの基本操作」という、プロフェッショナルな開発の土台となるスキルを学びます。 再現... -
[Medical AI with Python: P77] 強化学習入門 — AIが試行錯誤から最適な行動を学ぶ仕組み
項目内容本講義の学習目標強化学習の基本的な概念（エージェント、環境、行動、報酬）を説明できるようになる。 価値ベース（Q学習）と方策ベースの手法の基本的な違いを理解する。 深層強化学習（DQNなど）がどのようなブレークスルーであったかを理解す... -
[Medical AI with Python: P76] AI倫理・バイアスと説明可能性（XAI） — AIを社会実装する上で不可欠な、公平性・透明性・責任について学ぶ
TL; DR (要約) AIは強力な「メス」ですが、使い方を誤れば「凶器」にもなり得ます。 医療AIを安全に使うための倫理・法・社会（ELSI）の4つの重要チェックポイントです。 ① 臨床リスク AIは自信満々に誤情報 (ハルシネーション) を生成します。AIはあくま... -
[Medical AI with Python: P51] 生成モデル入門① 自己回帰モデル 「Transformer」徹底理解！ — ChatGPTを支えるAttentionと自己回帰生成の全容を学ぶ
TL; DR (要約) AIの「心臓部」であるTransformer。RNNの「順番待ち」を、全単語を一度に見るAttentionで解決。 現代の大規模言語モデル(LLM)の驚異的な性能を支える、革命的技術の要点です。 ① 核心アイデア (Attention)「全体を一度に見る」 文章を「一単... -
[Medical AI with Python: P41] AIに「時間」を教える：PyTorchとRNN/LSTMによる系列データ分析
TL; DR (要約) AIに「時間」や「順序」の概念を教える系列モデルのまとめです。心電図の波形やカルテの文章など、流れを持つデータを分析する技術の核心を掴みましょう。 RNN 【基本の記憶モデル】 過去の情報を次のステップに伝えるループ構造が特徴。た... -
[Medical AI with Python: P31] AIの「眼」を作る：PyTorchとCNNによる画像認識の世界へ
TL; DR (要約) AIは、どうやって画像を「見る」のか？その答えが、人間の視覚を模倣したCNNです。 画像からパターンを階層的に学習する「AIの眼」の仕組みと、医療応用における最強のテクニックの要点です。 ① AIの「視覚」の仕組み(CNNの基本) 畳み込み層... -
[Medical AI with Python: P75] 大規模言語・視覚モデルの活用法 — GPT-4VやMedPaLMなど最先端の基盤モデルをAPI経由で利用する方法を学ぶ
TL; DR (要約) AI開発は、モデルを「自家発電」する時代から、巨大な「中央発電所」の知能を借りる時代へ。 基盤モデルという超高性能AIを、APIという「コンセント」経由で誰でも利用する方法のまとめです。 ① 基盤モデルとAPI(中央発電所とコンセント) 巨... -
[Medical AI with Python: P74] Zero-shot / Few-shot学習 — プロンプトと文脈理解により、事前の追加学習なしでタスクを解くAIの能力を学ぶ
TL; DR (要約) AIの「再教育」が不要に？ モデルを訓練する代わりに「プロンプト（指示）」で対話する新時代。 AIに未知のタスクをその場で解かせる、魔法のようなテクニックの要点です。 ① プロンプトエンジニアリング(AIへの「的確な指示術」) AIを「超... -
[Medical AI with Python: P68] パラメータ効率的ファインチューニング（PEFT） — LoRAを用いて巨大モデルを低コストで特定タスクに適応させる手法を学ぶ
LoRA: 巨大AIの低コスト再教育法 巨大AIを自分専用にする「ファインチューニング」は、莫大なコストが課題でした。LoRAは、元のモデルを凍結し、ごく僅かな「差分」だけを学習する画期的な手法です。これにより、計算コストと保存容量を劇的に削減し、誰で... -
[Medical AI with Python: P61.1] ResNetとDenseNet — スキップ接続を用いて勾配消失を克服し、深層学習を可能にした革新的構造を学ぶ
TL; DR (要約) AIを深くすると学習が止まる「深さの壁」を、シンプルな「バイパス（スキップ接続）」で打ち破った革命。 現代の深層学習の礎となったResNetとDenseNetの賢い発想の要点です。 ① 課題(深さの壁) ネットワークを深くしすぎると、学習信号が届...
