第4章 予測編

AI02-01

「予測」とは何か？

予測とは何かを考え、数値やデータを手がかりに未来を見通すAIの役割を学びます。予測AIが社会にもたらす価値や可能性を、身近な例を通して理解します。

AI02-02

データの可視化と仮説

グラフ化によってデータの傾向を読み取り、仮説を立てる基本を学びます。相関関係と因果関係の違いを押さえ、データを根拠に考える姿勢を身につけます。

AI02-03

データから未来を予測しようⅠ

回帰分析や前処理、複数の説明変数の扱いを通して、データから未来を予測する方法を学びます。この回では、説明変数と目的変数の理解、Pythonを使用しての回帰分析への取り組み、そして予測値、実測値、残差について学びます。

AI02-04

データから未来を予測しようⅡ

回帰分析や前処理、複数の説明変数の扱いを通して、データから未来を予測する方法を学びます。この回では、データの前処理の学習、pandasのデータフレームの活用、そしてpandasを使ったデータの前処理の体験をします。

AI02-05

データから未来を予測しようⅢ

回帰分析や前処理、複数の説明変数の扱いを通して、データから未来を予測する方法を学びます。この回では、機械学習（教師あり学習、教師なし学習）についての理解を深め、データの前処理方法を学び、複数の説明変数を使用して予測を行います。

AI02-06

データの分類問題に挑戦しようⅠ

教師あり学習による分類問題の考え方や評価方法を学びます。この回では、教師あり学習における分類問題の精度評価の注意点や回帰問題との違いについて学び、機械学習を用いて分類問題を予測する方法を学びます。

AI02-07

データの分類問題に挑戦しようⅡ

教師あり学習による分類問題の考え方や評価方法を学びます。この回では、機械学習におけるさまざまな分類手法の学習と実践、精度向上のためのデータ追加方法を学びます。

AI02-08

データの分類問題に挑戦しようⅢ

教師あり学習による分類問題の考え方や評価方法を学びます。この回では、機械学習における分類問題の応用例を学び、身近な課題の解決に応用する方法を探求し、応用事例から分類問題の活用法を学びます。

AI02-09

たくさんのデータをまとめよう

教師なし学習であるクラスタリングを通して、多数のデータを似たもの同士にまとめる考え方を学びます。分類とは異なる整理の方法と活用意義を理解します。

AI02-10

予測AIの技術や用語をまとめよう

予測編で登場した重要な技術や用語を整理し、学びを振り返ります。可視化・回帰・分類・クラスタリングのつながりを確認し、理解を定着させます。

AI02-11

予測AIが開く未来

予測AIの社会的な活用事例を振り返りながら、新たな応用や未来の可能性を考えます。学んだ知識を現実世界の課題解決へ結びつけて考えます。