生体情報
生体情報とは、指紋や顔、声紋といった個人の身体的・行動的特徴を示すデータです。AI技術、特にディープラーニングの進化により、生体情報から抽出した特徴量を用いた高精度な生体認証や顔認識技術が普及しています。パスワード不要の便利なセキュリティとして活用される一方、変更が不可能なデータであるため、個人情報保護法に基づく厳格な管理と漏洩対策が不可欠です。
データサイエンスのAI用語一覧（3ページ目）
56件データサイエンスに関するAI用語を56件掲載しています。意味や使い方、関連用語を一覧から確認できます。 現在は3ページ目です。
測定誤差
測定誤差とは、データの計測や収集時に真の値と実際に観測された値との間に生じる差異のことです。AIや機械学習において、データセットに含まれる測定誤差はモデルの予測精度や汎化性能を低下させる大きな要因となります。誤差の特性を理解し、前処理で適切に対応することが高精度な機械学習モデルの構築に不可欠です。
カテゴリカル変数
カテゴリカル変数とは、データの性質や分類を表す変数のことです。数値としての大小や順序に意味がなく、血液型、性別、都道府県、製品のカテゴリなどのように、いくつかの限られた選択肢のいずれかに分類されるデータを指します。機械学習モデルでこれらを扱う際には、ワンホットエンコーディングなどの数値変換が必要となります。
データブローカー
データブローカーとは、個人情報をはじめとする各種データを収集・集約し、本人に無断または不透明な形で企業や組織へ販売・提供する事業者のことです。AIの学習データ需要の高まりとともに、その動向がプライバシー保護の観点から厳しく監視されています。
ビッグデータ解析
ビッグデータ解析とは、大量、高速、多種多様な特徴を持つ膨大なデータから、最新のデータサイエンスや機械学習の技術を用いて有用な知見やパターンを抽出する手法です。従来では処理が困難だった規模のデータから、ビジネスの意思決定や需要予測、自動化などを可能にし、現代社会のDXにおいて極めて重要な役割を担っています。
不純度
不純度とは、データセット内に異なるクラス（カテゴリ）のデータがどれくらい混ざり合っているかを示す指標です。決定木などの機械学習アルゴリズムにおいて、データを分岐・分類する際の基準として用いられます。不純度が低いほど、データが特定の単一クラスにきれいに揃っている状態（純粋）であることを意味します。
観測データ
観測データとは、現実世界で実際に測定やセンサー記録などによって得られた客観的な数値や情報のことを指します。AIや機械学習モデルの学習、評価、予測において不可欠な基盤となり、現実の複雑な現象やパターンを捉えるために広く利用されています。
AutoML
AutoML（自動機械学習）とは、データ前処理からモデル選択、ハイパーパラメータチューニングまでの機械学習モデル構築プロセスを自動化する技術です。専門知識がないユーザーでも高精度なAIモデルを開発できるようになり、データサイエンス作業の効率化やAI活用の民主化を推進する重要な役割を果たしています。