IT・プログラミング Open WebUIでモデルが見つからないときの対処法
概要 ローカルCPUでLLMを動かす方法を以下で紹介しましたが、 その際にOpen WebUIでOllamaにいれたはずのモデルが見つからないということがあったので、 その解決方法を書いておきます。 エラー内容 以下のようにモデル選択のとこ...
AI・機械学習
IT・プログラミング 
IT・プログラミング ベルマン方程式とは？～導出と具体例～
ベルマン方程式は、強化学習や動的計画法で使われる数理モデルで、「最適な行動を選ぶための指針」を提供します。特に、長期的な報酬を最大化するために、各状態で取るべき最適な行動を求めるために利用されます。 ベルマン方程式とは？ ベルマン方程式は、...
IT・プログラミング 迷路で理解する動的計画法と方策反復法
動的計画法とは 動的計画法（Dynamic Programming, DP）は、問題を部分問題に分解して解く手法です。強化学習では、状態ごとに最適な価値を計算し、その情報をもとに最適な方策（Policy）を決定します。特に、エージェントがど...
IT・プログラミング TransformerをGNN（グラフニューラルネットワーク）の観点から考えてみる
前回の記事ではTransformerについて概要を解説しました。 今回は、このTransformerをGNNの観点からとらえてみたいと思います。 グラフニューラルネットワーク（GNN）とは GNNは、グラフ構造データを学習するために設計され...
IT・プログラミング グラフニューラルネットワーク（GNN）とは
グラフニューラルネットワークとは グラフニューラルネットワーク（GNN, Graph Neural Network）は、グラフデータに対して適用できるディープラーニングモデルです。グラフデータはノード（頂点）とエッジ（辺）で構成されており、...
IT・プログラミング 強化学習とは？
強化学習とは 強化学習 (Reinforcement Learning) とは、エージェント（学習者）が環境の中で試行錯誤を繰り返しながら、最適な行動を学習する機械学習の一分野です。エージェントは「行動 → 環境からのフィードバック（報酬）...
IT・プログラミング 強化学習の基本問題 バンディット問題とは？
バンディット問題とは バンディット問題 (Multi-Armed Bandit Problem) とは、強化学習の基本的な課題の1つで、限られた資源をどう配分すれば最大の報酬を得られるかを学ぶ問題です。「バンディット」とは、カジノのスロット...
IT・プログラミング 強化学習の基本アルゴリズム ε-greedy法
ε-グリーディー法とは ε-グリーディー法（Epsilon-Greedy Method）は、強化学習の代表的な探索アルゴリズムの一つで、探索（exploration）と活用（exploitation）のバランスを取るためのシンプルな手法です...
IT・プログラミング 強化学習におけるマルコフ決定過程 (MDP) とは？
マルコフ決定過程 (MDP) とは？ マルコフ決定過程 (Markov Decision Process, MDP) は、エージェントがある環境内で行動し、最適な行動方針（ポリシー）を見つけるための数学的枠組みです。 特に、強化学習で頻繁に...
IT・プログラミング 機械学習の種類を理解する
機械学習の種類 機械学習は、コンピュータがデータから学習し、パターンを見つけて意思決定を行うための技術です。機械学習は大きく 教師あり学習、教師なし学習、強化学習 の３つに分類されます。この記事ではそれぞれの学習の特徴や適用する問題を見てい...