モデルデプロイ

学習済みモデルを本番で使えるようにすること。API化等。AI運用の工程。

モデルドリフト

時間とともに現実が変化し、AIモデルの精度が低下する現象。古いデータで学習したモデルが陳腐化する。定期的な再学習が対策。

もでるのあんぜんせいひょうか

AIモデルが有害な出力をしないか検証する評価工程。公開前に様々な観点でテストされる。責任あるAI開発の重要な工程。

もでるのてんかい

学習済みモデルを実際の業務環境で使える状態にする工程。APIやアプリへの組み込みが含まれる。運用開始の重要な区切りとなる。

もでるのかんし

運用中のモデルの性能や挙動を継続的に確認する作業。精度低下や異常を早期に発見する。安定運用に欠かせない工程。

モデルモニタリング

運用中のAIの性能や挙動を監視すること。精度低下を早期に発見する。安定運用に必要な活動。

もでるれじすとり

学習済みモデルを一元管理するための仕組み。バージョン管理や履歴の追跡ができる。複数モデルの運用を整理するために使われる。

モデルさいがくしゅう

新しいデータでAIモデルを学習し直すこと。精度劣化(ドリフト)への対策。運用中のAIを最新の状態に保つための重要な作業。

モデルとりひきけいやくしょ

経済産業省が公開するIT取引の契約書ひな形。トラブル防止のため条項例を示す。発注者と受注者双方の参考になる。

モデルあっしゅく

AIモデルを小さく軽くする技術。精度を保ちつつ、少ない資源で動かせるようにする。端末での実行やコスト削減に役立つ。

モデルがくしゅう

AIモデルにデータを学ばせること。時間と資源を使う。AI開発の工程。

もでるちゅうしゅつこうげき

問い合わせ結果からAIモデルの仕組みを推測し複製する攻撃。知的財産の侵害につながる恐れがある。問い合わせ回数の制限が対策に...

モデルこうしん

運用中のモデルを新しくすること。精度を保つ。AI運用の要。

モデルじょうりゅう

大きなAIの知識を小さなモデルに教える技術。軽量で高性能に。実用展開の技術。

もでるじょうりゅうでーた

蒸留学習で生徒モデルに与える教師モデルの出力データ。効率的な知識継承のために整備される。軽量モデル開発の重要な素材となる...

もでるひょうかはーねす

複数の指標でモデルを自動的に評価する仕組み。人手評価の手間を減らし再現性を高める。LLMの性能比較でよく使われる。

モデルひょうかしひょう

AIの性能を測る指標。正解率や適合率等。評価の基礎。

モニターアーム

モニターを支える可動式の腕。位置調整で作業環境を改善する。快適な環境づくりの道具。

もにたりんぐ

システムの状態を継続的に観察し記録する仕組み。異常の兆候を早期に検知する。安定運用の基盤となる。

ものりしっくあーきてくちゃ

1つの大きなまとまりとして構築するシステム構成。開発初期は管理しやすい特徴がある。規模拡大で保守が難しくなる場合がある。

モノリシックカーネル

主要機能を一つの塊として実装するカーネル方式のこと。処理速度に優れる傾向がある。Linuxが採用する代表的な方式である。

モノレポ

複数のプロジェクトを1つのリポジトリで管理する方式。共通コードの管理がしやすい。大規模開発で採用される。

もばいるあぷりけーしょんかんり

業務アプリだけを対象にして管理する仕組み。個人利用領域とは分離して統制する。BYOD環境でよく使われる。

モバイルアプリかんり

業務アプリとデータのみを管理する仕組み。端末全体でなくアプリ単位で制御する。BYODと相性が良い管理手法。

モバイルデバイスかんり

スマホ等を一元管理する仕組み。紛失時のワイプが要。端末セキュリティの基盤。

モバイルバッテリー

持ち運べる充電池。外出先でスマホやノートPCを充電する。モバイルワークを支えるアイテムだが、発火リスクの管理も必要。

モバイルファースト

スマホ向けを優先して設計する考え方。利用者の多いモバイルを重視する。現代的なWeb設計の指針。

もばいるふれんどりー

スマホでも見やすいと判定される状態のこと。文字サイズや操作性が基準になる。検索での評価にも関わるとされる。

もばいるまるうぇあ

スマートフォン向けに作られたマルウェア。権限要求を悪用し情報を抜き取る。アプリの権限確認が対策になる。

モバイルモニター

持ち運べる小型モニター。外出先で画面を増やす。作業効率の道具。