パターンを読み込んでいます…
🔍
エージェント向け教師なし学習(ULA)
タスクラベルのないデータから表現、クラスタ、または異常スコアを学習し、その後ドメインでの検証を行う手法
複雑さ: high学習と適応
30秒でわかる概要
- 概要
- 埋め込み、クラスタリング、異常検知を使ってラベルなしデータからパターンを学習し、その結果をドメイン専門家が検証する。
- 使いどころ
- ラベルのない生データしかなく、教師あり手法を適用する前に構造を発見したり、ユーザーをセグメント化したり、異常なケースを洗い出したりしたいとき。
- 注意点
- クラスタや異常スコアは不安定な産物であり、検証してみると実際のビジネス上の区分や判断基準と一致しないことが多い。
このパターンについてAIエキスパートに質問
質問が入力済みの状態でアシスタントが開きます。送信前に内容を確認できます。
エージェント向け教師なし学習: 概要
タスクラベルのないデータから表現、クラスタ、または異常スコアを学習し、その後ドメインでの検証を行う手法
- Representation learning
- Clustering and segmentation
- Dimensionality reduction
- Anomaly scoring
- Stability analysis
- Domain-expert interpretation
The Agent Architect
1つのパターン、1つのトレードオフ、1つの本番障害事例。エージェントシステムを構築する人のための短い週刊ブリーフィング。
週1回のメール、ワンクリックで購読解除できます。アドレスはブリーフィングの送信のみに使用します。
参考文献
このパターンの根拠となる論文、仕様、リポジトリです。
- Self-Supervised Learning: Generative or Contrastive (Liu et al., 2021)arXiv:2006.08218
- A Simple Framework for Contrastive Learning of Visual Representations (Chen et al., 2020)arXiv:2002.05709
- Momentum Contrast for Unsupervised Visual Representation Learning (He et al., 2020)arXiv:1911.05722
- Bootstrap Your Own Latent: A New Approach to Self-Supervised Learning (Grill et al., 2020)arXiv:2006.07733
- BERT: Pre-training of Deep Bidirectional Transformers (Devlin et al., 2018)arXiv:1810.04805
このカタログを作ったエンジニアが担当
エージェント構成をレビューします
このページが扱うのは1つのパターンです。実際のシステムは数十を組み合わせて動き、障害の多くはその繋ぎ目で起きます。カタログの288パターンに照らして設計全体をレビューします。アーキテクチャ、信頼性、評価、コストまで、指摘ごとに対応するパターンを示します。
€750（通常€1,500）・1週間・文書レポートとウォークスルーコール・9月30日まで