-
AIモデルの評価指標を選ぶときの考え方｜精度・再現率・適合率の使い分け
AI モデルの良し悪しを判断するための「評価指標」。Accuracy、Precision、Recall、F1、AUC など、用途ごとに見るべき指標が変わります。実務でよく使う指標の意味と、業務シーンに応じた選び方を、混同しやすいポイントとともに整理しました。
-
異常検知の基礎｜手法・実装パターン・現場でつまずきやすいポイント
異常検知は、製造・医療・金融・セキュリティなど幅広い分野で AI 活用の中核を担う技術です。教師なし・教師あり・半教師ありの違い、代表的なアルゴリズム、実装パターン、評価方法、現場でのつまずきポイントを整理しました。
-
時系列予測の基礎｜需要予測・故障予測・トレンド分析の手法と実装ポイント
売上、需要、故障、来店数、株価——時系列データの予測は、ビジネスの意思決定で広く必要とされる技術です。古典的な統計手法から最新の深層学習まで、主要手法と使い分け、実装で気をつけたいポイントを整理しました。