セントロイド
セントロイドとは、データ群の重心（幾何学的中心）を表す仮想的な代表点です。機械学習の教師なし学習において、k-means法をはじめとするクラスタリング手法で広く利用されます。多次元のベクトル空間における各データ点の平均値を計算して求められ、クラスタ全体の性質を要約・把握する基準として重要な役割を果たします。
データサイエンスのAI用語一覧
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。
バイアス
バイアスとは、AIや機械学習において予測値と正解値の間に生じる系統的なずれ、またはデータの偏りによって生じる予測の不公平性のことです。統計学的にはモデルの表現力不足による誤差を指し、AI倫理では人間社会の偏見を反映した差別的な判定を指します。公平なAIを構築するには、学習データの選定から評価まで各段階でバイアスを監視・排除する対策が重要です。
高次元空間
高次元空間とは、多数のデータ特徴量（次元）によって構成される多次元的な数値空間のことです。AIや機械学習において、テキストや画像などの複雑なデータを多次元のベクトルとして表現・処理する際に利用されます。次元が増えることでデータの詳細な特徴を捉えられる一方、次元の呪いと呼ばれる計算負荷増加や密度低下の課題も存在します。
統計学
統計学とは、集められたデータの収集、整理、分析、解釈を行い、データの背景にある法則性や傾向を明らかにする学問です。人工知能や機械学習、データサイエンスの理論的基礎として不可欠であり、予測モデルの構築や意思決定の精度向上に重要な役割を果たしています。大量のデータから有効な知識を引き出すための必須ツールです。
ドメイン
AIや機械学習におけるドメインとは、特定の専門分野や問題領域を指します。医療や金融などの領域ごとにデータの特徴や求められる精度が異なるため、モデルの設計や適用の際には重要な考慮要素となります。
交差検証
交差検証（クロスバリデーション）とは、機械学習モデルの汎化性能を正確に評価するための手法です。手元にあるデータを複数のグループに分割し、訓練用データとテスト用データを入れ替えながら評価を繰り返します。特定データへの偏りを防ぎ、未知のデータに対する予測精度（汎化性能）を客観的に測定できるため、ハイパーパラメータ自動調整やモデル選択で必須の評価手法です。
データエンジニア
データエンジニアとは、AIやデータ分析の土台となる大規模なデータ収集、蓄積、処理を行うシステムを構築・運用する専門職です。機械学習モデルが正確に機能するために必要な高品質なデータ基盤を整える、AI開発において不可欠な役割を担っています。
データ沼
データ沼とは、組織内に散らばる大量のデータが整理されず、品質や構造も不明なまま放置され、AI開発や分析に活用できなくなった状態を指す言葉です。データの収集だけが進み、管理が追いつかないことで発生します。
データ
データとは、事実や測定結果を数値や文字、画像などの形で記録したものです。AIや機械学習の分野においては、モデルが学習して予測や判断を行うための基盤となる最も重要な入力素材です。ビッグデータの利活用や適切な前処理、アノテーションを通じて高品質なデータを用意することが、AIシステムの性能を左右します。
Python
Pythonは、シンプルで読みやすい文法と豊富なエコシステムを持つプログラミング言語です。NumPyやPyTorchといった強力なライブラリやフレームワークが充実しているため、機械学習やディープラーニング、データ分析の分野で事実上の標準言語として広く活用されています。
データエンジニアリング
データエンジニアリングは、大量のデータを収集、蓄積、加工、整理し、AIモデルの構築やビジネス分析に活用しやすい状態に整える技術分野です。データの信頼性や品質を担保するためのデータパイプラインの構築や、大規模データ基盤の設計・運用が主な役割であり、データサイエンスや機械学習の成果を最大化するために不可欠な基盤技術です。
データサイエンティスト
データサイエンティストとは、ビジネスの課題解決に向けて、大量のデータから統計学、機械学習、ITスキルを活用して有益な知見を導き出し、意思決定を支援する専門職です。ビッグデータの普及やAI技術の進化に伴い、企業の戦略立案や予測モデル構築において不可欠な役割を担っています。
データリーク
データリークとは、機械学習においてモデルの訓練時に、本来予測段階では利用できないはずの情報が訓練データに混入してしまう現象のことです。これにより、評価時には非常に高い精度を示すものの、実際の運用（本番環境）では予測精度が著しく低下するという問題が発生します。モデルの信頼性を損なう代表的な罠の一つです。
バージョン管理
バージョン管理とは、ソースコードやデータの変更履歴を記録し、任意の時点の状態へ復元したり変更内容を比較したりできる管理手法です。AI開発においては、コードだけでなく学習データやハイパーパラメータ、機械学習モデルの履歴を包括的に管理することで実験の再現性を確保し、効率的なMLOpsの構築に貢献します。
回帰タスク
回帰タスクとは、機械学習において数値（連続値）を予測する処理や目的のことです。例えば、過去のデータから将来の株価や気温、商品の売上などを具体的な数値として予測する際に用いられます。正解データ（教師データ）をもとにモデルを学習させる「教師あり学習」の代表的な手法の一つであり、ビジネスや研究で幅広く活用されています。
帰無仮説
帰無仮説とは、統計的仮説検定において検証の出発点となる仮説のことです。「主張したいことの逆（効果や差がない状態）」をあえて仮定し、得られたデータがその仮定のもとでどれほど起きにくいかを評価します。確率が十分に低い場合に帰無仮説を棄却し、効果や差が存在するという対立仮説を採択する手法で用いられます。
非構造化データ
非構造化データとは、行と列で整理された表形式のデータベースにそのまま格納できない、テキスト、画像、音声、動画などの情報の総称です。AIや自然言語処理の進化に伴い、現代のビッグデータ解析においてその重要性が急速に高まっています。
数値データ
数値データとは、測定値や数量などを数値で表したデータ形式です。離散データや連続データに分類され、四則演算や統計処理が可能です。機械学習ではモデルが直接計算できる基本的な特徴量として扱われ、回帰分析や分類タスクの入力として幅広く活用されます。
Jupyter Notebook
Jupyter Notebookは、ブラウザ上でプログラムの実行、実行結果、説明文、グラフなどを一つのドキュメントとしてまとめて作成・共有できるインタラクティブな開発環境です。主にPythonを用いたデータサイエンスや機械学習の分野で広く使われており、コードの逐次実行による試行錯誤や、分析プロセスの可視化、再現性の確保に非常に適しています。
フィーチャーエンジニアリング
フィーチャーエンジニアリングとは、機械学習モデルの予測精度を向上させるために、元データからアルゴリズムが学習しやすい特徴量を手動で作成・変換・選択するプロセスです。AIの性能を最大限に引き出すために欠かせない重要な技術基盤となっています。
母集団
母集団とは、調査や分析の対象となるデータ全体の集合のことです。機械学習やデータサイエンスにおいて、一部の抽出データから全体の性質を推論するために用いられる重要な基礎概念です。母集団を正しく定義し、適切に把握することは、偏りのないAIモデルの構築や予測精度の向上において極めて重要となります。
特徴量ベクトル
特徴量ベクトルとは、データの特徴を複数個の数値の並びとして表現したデータ形式です。AIや機械学習モデルは、画像やテキストなどの複雑なデータをそのまま処理できないため、特徴量ベクトルに変換することで数値計算やパターン認識を行えるようにします。データ同士の類似度計算や分類などの基盤となる重要な概念です。
特徴ベクトル
特徴ベクトルとは、画像やテキストなどのデータをAIが処理しやすいように数値の配列に変換したものです。データの持つ性質や特徴を多次元空間上の位置として表現し、機械学習モデルがデータの分類、類似度計算、予測などを行うための基礎となります。AIモデルが多様な情報を数学的に処理するために欠かせない核となる概念です。
線形システム
線形システムとは、入力と出力の関係が「重ね合わせの原理」（加法性と斉次性）を満たすシステムの総称です。機械学習や制御理論、信号処理などの基盤となる数理モデルであり、予測や最適化の計算を効率的に行える特徴があります。現実の複雑な非線形現象を近似的に解析する際にも極めて重要な役割を果たします。