Python

シンプルで読みやすい文法を特徴とするインタプリタ型のプログラミング言語。AI・機械学習・データ分析・Webアプリケーション開発など幅広い分野で利用され、豊富なライブラリが揃っている。

スクリプト言語の一つで、簡潔で読みやすい構文が特徴。科学計算、機械学習、Web開発など幅広い分野で使用される。豊富なライブラリとコミュニティが強み。動的型付け言語。

データを条件分岐により樹形図状に分類・予測する分析手法。各ノードで属性の条件による分割を繰り返し、分類ルールを自動的に導出する。結果の解釈が容易な特徴がある。

機械学習のモデルの精度を高めるために、元のデータから予測に役立つ特徴量を作成・選択・変換すること。標準化、二値化、離散化、対数変換などの変換のほか、日付から曜日を取り出す、複数の項目を組み合わせるなど、業務の知識を生かした新しい特徴量の作成も含む。予測の時点では得られない情報を特徴量に含めてしまうデータリークに注意する。

入力されたデータを分析して、分類、予測、検知、認識などの判断を行うAI。売上予測や離反予測、顧客のグルーピング、画像による不良品の検知などに使われ、仮説検証、知識発見、原因究明、計画策定、判断支援、活動代替などの目的で業務に組み込む。新しいコンテンツを作り出す生成AIと対比される。

材料の組成、構造、製造条件、物性などのデータを機械学習などで分析し、目的の性質を持つ新しい材料の候補を効率よく探索する手法。実験やシミュレーションの回数を減らし、材料開発の期間と費用を大きく縮められる。MIと略される。

ベクトルと行列を使って、線形な関係（足し算と定数倍で表せる関係）を扱う数学の分野。連立1次方程式の解法、行列の積・逆行列・固有値の計算などを含む。機械学習では、データを行列、特徴量をベクトルとして表し、ニューラルネットワークの計算や主成分分析、推薦の行列分解などの基礎になる。

個々の事例や観察の結果から、それらに共通する一般的な規則や法則を導く推論。「見たカラスはすべて黒い」から「カラスは黒い」を導くような推論で、新しい知識を得られるが、反例が見つかれば覆るので結論は必ずしも正しくない。データから規則を学ぶ機械学習は帰納推論の一種といえる。