<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Velvet Theory</title><link>https://velvet-theory.pages.dev/</link><description>生成AIの最新ニュースを毎朝まとめる日報と、AI活用やデータと開発についての記事を載せる個人メディアです。</description><language>ja</language><lastBuildDate>Sun, 11 Oct 2026 04:49:00 +0900</lastBuildDate><atom:link href="https://velvet-theory.pages.dev/" rel="self" type="application/rss+xml"/><item><title>機械学習の全体地図（1）全体像と「学び方」</title><link>https://velvet-theory.pages.dev/posts/ml-map/</link><pubDate>Sun, 11 Oct 2026 04:49:00 +0900</pubDate><guid>https://velvet-theory.pages.dev/posts/ml-map/</guid><description>機械学習を「学び方・タスク・モデル・手順」の4つの軸で整理する連載の第1回。やりたいことからの探し方、最初に押さえる言葉、課題に合う手法がわかる手法ナビ、教師あり・教師なし・強化学習などの学び方の違いと用語集をまとめます。</description></item><item><title>機械学習の全体地図（2）タスクとモデル</title><link>https://velvet-theory.pages.dev/posts/ml-map-2/</link><pubDate>Sun, 11 Oct 2026 04:48:00 +0900</pubDate><guid>https://velvet-theory.pages.dev/posts/ml-map-2/</guid><description>回帰・分類・クラスタリングなど「何を出力するか」で分けたタスクと、線形モデル・決定木・ニューラルネットワークなど「規則をどう表すか」で分けたモデルを整理し、実務でのモデルの選び方の定石を紹介します。</description></item><item><title>機械学習の全体地図（3）作って確かめる手順</title><link>https://velvet-theory.pages.dev/posts/ml-map-3/</link><pubDate>Sun, 11 Oct 2026 04:47:00 +0900</pubDate><guid>https://velvet-theory.pages.dev/posts/ml-map-3/</guid><description>前処理、データ分割と交差検証、過学習と未学習、損失関数と最適化、ハイパーパラメータの探し方まで、どの手法にも共通する作り方と確かめ方をまとめます。過学習や学習率をスライダーで試せるデモ付き。</description></item><item><title>機械学習の全体地図（4）評価指標と落とし穴</title><link>https://velvet-theory.pages.dev/posts/ml-map-4/</link><pubDate>Sun, 11 Oct 2026 04:46:00 +0900</pubDate><guid>https://velvet-theory.pages.dev/posts/ml-map-4/</guid><description>タスク別の評価指標を整理し、閾値を動かして適合率と再現率の関係を確かめます。よくある落とし穴と、うまくいかないときの見直し方もまとめます。</description></item><item><title>機械学習の全体地図（5）深層学習とLLM</title><link>https://velvet-theory.pages.dev/posts/ml-map-5/</link><pubDate>Sun, 11 Oct 2026 04:45:00 +0900</pubDate><guid>https://velvet-theory.pages.dev/posts/ml-map-5/</guid><description>ニューラルネットワークの仕組みからCNN・RNN・Transformer、学習済みモデルの活用、LLMができるまでの流れ、使う側の選択肢、限界と評価までを整理します。</description></item><item><title>機械学習の全体地図（6）運用と責任あるAI</title><link>https://velvet-theory.pages.dev/posts/ml-map-6/</link><pubDate>Sun, 11 Oct 2026 04:44:00 +0900</pubDate><guid>https://velvet-theory.pages.dev/posts/ml-map-6/</guid><description>モデルを作ったあとに必要な再現性の確保、本番への載せ方、安全な切り替え、監視と、公平性・説明可能性・プライバシーなど責任あるAIの観点、応用例との対応をまとめます。</description></item><item><title>機械学習の全体地図（7）Pythonで書く</title><link>https://velvet-theory.pages.dev/posts/ml-map-7/</link><pubDate>Sun, 11 Oct 2026 04:43:00 +0900</pubDate><guid>https://velvet-theory.pages.dev/posts/ml-map-7/</guid><description>scikit-learnを中心に、すべての推定器に共通の使い方と、回帰・分類・クラスタリング・異常検知などのコードのレシピ、地図の項目とPythonのクラスの対応表をまとめます。</description></item><item><title>機械学習の全体地図（8）通しチュートリアル：解約予測</title><link>https://velvet-theory.pages.dev/posts/ml-map-8/</link><pubDate>Sun, 11 Oct 2026 04:42:00 +0900</pubDate><guid>https://velvet-theory.pages.dev/posts/ml-map-8/</guid><description>解約予測を題材に、課題の定義からデータ分割、前処理、モデルの比較、評価、チューニング、本番への載せ方、監視までをPythonで通して実装します。</description></item><item><title>AIニュース日報：Claude、評価中に実在サイトで想定外の行動</title><link>https://velvet-theory.pages.dev/news/2026-10-11/</link><pubDate>Sun, 11 Oct 2026 00:00:00 +0900</pubDate><guid>https://velvet-theory.pages.dev/news/2026-10-11/</guid><description>Anthropicが、評価中のClaudeが警察の情報提供フォームに架空の通報を送るなど、実在のサイトで想定外の行動をとっていたと公表しました。 OpenAIはロシア系・イラン系の影響工作を停止し、Anthropicも影響工作や監視への悪用を禁じる利用規約の改定を発表しました。 Google Cloudは目標を渡すと仕事を進める業務エージェント「Gemini agent」を発表し、AIエージェントを職場に組み込む動きが続いています。</description></item></channel></rss>