01
教師あり学習
Supervised Learning
02
教師なし学習
Unsupervised Learning
03
半教師あり学習
Semi-supervised Learning
04
過学習（オーバーフィッティング）
Overfitting
05
未学習（アンダーフィッティング）
Underfitting
06
損失関数
Loss Function
07
勾配降下法
Gradient Descent
08
確率的勾配降下法（SGD）
Stochastic Gradient Descent
09
学習率
Learning Rate
10
バッチサイズ
Batch Size
11
エポック
Epoch
12
正則化
Regularization
13
L1正則化（Lasso）
L1 Regularization / Lasso
14
L2正則化（Ridge）
L2 Regularization / Ridge
15
ドロップアウト
Dropout
16
交差検証
Cross-Validation
17
ホールドアウト法
Holdout Method
18
k分割交差検証
k-Fold Cross-Validation
19
バイアス-バリアンストレードオフ
Bias-Variance Tradeoff
20
特徴量
Feature
21
特徴量エンジニアリング
Feature Engineering
22
特徴量選択
Feature Selection
23
次元削減
Dimensionality Reduction
24
主成分分析（PCA）
Principal Component Analysis
25
t-SNE
t-distributed Stochastic Neighbor Embedding
26
線形回帰
Linear Regression
27
ロジスティック回帰
Logistic Regression
28
決定木
Decision Tree
29
ランダムフォレスト
Random Forest
30
勾配ブースティング
Gradient Boosting
31
XGBoost
eXtreme Gradient Boosting
32
LightGBM
Light Gradient Boosting Machine
33
サポートベクターマシン（SVM）
Support Vector Machine
34
k近傍法（k-NN）
k-Nearest Neighbors
35
ナイーブベイズ
Naive Bayes
36
クラスタリング
Clustering
37
k-means法
k-Means Clustering
38
階層的クラスタリング
Hierarchical Clustering
39
DBSCAN
Density-Based Spatial Clustering
40
アンサンブル学習
Ensemble Learning
41
バギング
Bagging (Bootstrap Aggregating)
42
ブースティング
Boosting
43
スタッキング
Stacking (Stacked Generalization)
44
ニューラルネットワーク
Neural Network
45
パーセプトロン
Perceptron
46
活性化関数
Activation Function
47
シグモイド関数
Sigmoid Function
48
ReLU関数
Rectified Linear Unit
49
ソフトマックス関数
Softmax Function
50
誤差逆伝播法
Backpropagation
51
最適化アルゴリズム
Optimization Algorithm
52
Adam
Adaptive Moment Estimation
53
モメンタム
Momentum
54
ハイパーパラメータ
Hyperparameter
55
ハイパーパラメータチューニング
Hyperparameter Tuning
56
グリッドサーチ
Grid Search
57
ランダムサーチ
Random Search
58
ベイズ最適化
Bayesian Optimization
59
混同行列
Confusion Matrix
60
精度（Accuracy）
Accuracy
61
適合率（Precision）
Precision
62
再現率（Recall）
Recall
63
F値（F1スコア）
F1 Score
64
ROC曲線
ROC Curve
65
AUC
Area Under the Curve
66
回帰分析
Regression Analysis
67
分類
Classification
68
目的変数
Target Variable
69
説明変数
Explanatory Variable
70
訓練データ
Training Data
71
テストデータ
Test Data
72
検証データ
Validation Data
73
データの分割
Data Splitting
74
正規化
Normalization
75
標準化
Standardization
76
ワンホットエンコーディング
One-Hot Encoding
77
ラベルエンコーディング
Label Encoding
78
欠損値処理
Missing Value Handling
79
外れ値
Outlier
80
不均衡データ
Imbalanced Data
81
オーバーサンプリング
Oversampling
82
SMOTE
Synthetic Minority Over-sampling Technique
83
転移学習
Transfer Learning
84
ファインチューニング
Fine-tuning
85
早期終了（Early Stopping）
Early Stopping
86
データ拡張
Data Augmentation
87
ミニバッチ学習
Mini-batch Learning
88
オンライン学習
Online Learning
89
バッチ学習
Batch Learning
90
モデルの汎化
Model Generalization
91
カーネル法
Kernel Method
92
マルチタスク学習
Multi-task Learning
93
メタ学習
Meta-Learning
94
能動学習（Active Learning）
Active Learning
95
自己教師あり学習
Self-supervised Learning
96
対照学習（Contrastive Learning）
Contrastive Learning
97
蒸留（Knowledge Distillation）
Knowledge Distillation
98
AutoML
Automated Machine Learning
99
勾配消失問題
Vanishing Gradient Problem
100
バッチ正規化
Batch Normalization
101
重み減衰（Weight Decay）
Weight Decay
102
交差エントロピー
Cross-Entropy Loss
103
平均二乗誤差（MSE）
Mean Squared Error
104
カテゴリ変数
Categorical Variable
105
オートエンコーダー
Autoencoder
106
強化学習（基礎）
Reinforcement Learning Basics
107
学習曲線
Learning Curve
108
重み初期化
Weight Initialization
109
勾配クリッピング
Gradient Clipping
110
投票法（Voting）
Voting
111
次元の呪い
Curse of Dimensionality
112
データリーク
Data Leakage
113
パイプライン
Pipeline
114
ノーフリーランチ定理
No Free Lunch Theorem