データ・機械学習用フレームワーク

データの加工・分析や、機械学習モデルの構築、学習、推論を効率よく行うためのソフトウェアの枠組みやライブラリ。データ処理のpandas、機械学習のscikit-learn、深層学習のPyTorchやTensorFlowなどがあり、GPUを使った高速な計算や学習済みモデルの再利用を支援する。

エージェントが環境と相互作用し、報酬を最大化する行動方策を学習する手法。試行錯誤を通じて最適な行動を獲得する。Q学習やSARSAが代表的なアルゴリズムで、ゲームAIやロボット制御に応用される。

機械学習モデルに対し、人間には知覚できない微小なノイズや変更を入力データに加えることで、AIの判定結果を意図的に誤らせる攻撃手法、またはそのために加工されたデータ。画像認識の誤判定誘導やマルウェア検知の回避などに悪用される。推論時（利用時）の攻撃に分類される。

AIモデルの学習に使用される訓練データに悪意のあるデータを混入させることで、モデルの判定精度を低下させたり、特定の誤動作を引き起こす攻撃手法。敵対的サンプルが推論時の攻撃であるのに対し、データポイズニングは学習時の攻撃である点が異なる。

Webアプリケーションの利用者側（ブラウザ）で動く画面と操作の処理を効率よく作るためのフレームワーク。画面を部品（コンポーネント）に分けて組み立て、データの変化に合わせて表示を更新する仕組みなどを提供する。React、Vue.js、Angularなどがあり、SPAの開発に使われる。

Webアプリケーションのサーバ側の処理を効率よく作るためのフレームワーク。リクエストの振分け（ルーティング）、データベースの操作、認証、テンプレートによる画面の生成、セキュリティ対策などの共通機能を提供する。Ruby on Rails、Spring、Django、Laravelなどがある。

あるデータの分布（ソースドメイン）で学習したモデルを、分布の異なる別の環境（ターゲットドメイン）でも性能を保って使えるように適応させる手法。転移学習の一種で、シミュレーションで学習した制御を現実のロボットに移す場合や、別の工場・別のカメラで撮影した画像に適用する場合に使う。