「この需要予測モデルの誤差は、平均で3.6個です」 こう報告されても、それが良いのか悪いのかは分かりません。 判断するには、比べる相手と、何で測るかの2つが必要です。 この記事では、数行で書ける単純な予測(ベースライン)...
生成AIの実力を体感するデモから始め、受注・請求・日報・顧客台帳といった「今あるデータ」でどこまでできるのかを、業種別の事例で確認します。 そのうえで、ツール導入よりも先に決めるべき「テーマ選定(どこで使うか)」をワーク...
RAG(検索拡張生成)は、「資料を探して、AIに渡して、答えてもらう」仕組みです。言葉で聞くと簡単ですが、実際に何が起きているのかは、自分で作ってみるといちばんよくわかります。 この記事では、もっとも基本的なクラシックR...
商工会議所で、コストをかけずに明日からできるデータ活用術のお話しを、こっそりします。 タイトル: 〜コストをかけずにカンタンに売上アップ!〜 「明日からできるデータ活用術」 開催日: 2026年12月9日(水)14:00...
「社内の資料をAIに読ませて、質問に答えてもらう」。この仕組みはRAG(ラグ、検索拡張生成)と呼ばれ、生成AIを業務で使うときの定番になりました。 ところが最近は、クラシックRAG、GraphRAG、Agentic RA...
需要予測のモデルを作ったら、次に知りたいのは「どのくらい当たるのか」です。 ところが、この精度の数字は、モデルを変えなくても評価のしかただけで変わります。 この記事では、同じデータ・同じモデルのまま、データの分け方だけを...
問題 答え 解説 次の Python コードは、系列 s から系列 z を作っています。このコードは何をしていますか? Python コード: import numpy as np, pandas as pd from ...
需要予測を作って、現場に配る。そこまでは、多くの会社でできています。 ところが、配った予測結果の表が現場で使われているかというと、話は別です。 ある小売店では、3か月のあいだ、毎週届く予測表を店長が一度も開いていませんで...
「プロンプトエンジニアリングの次はコンテキストエンジニアリングだ」。AIエージェントの話題とともに、この言葉を目にする機会が増えました。AIに何を見せ、何を覚えさせ、何を渡さないか。その設計が成果を左右する、という考え方...
生成AIの回答をJSON(データを文字で表すための書き方の決まり)で受け取るとき、OpenAIのAPIの Structured Outputs(構造化出力)を使うと、決めた形どおりのJSONが返ってきます。 キーが欠ける...
2026/9/10 にC&R研究所から コンピュータサイエンスの教科書[生成AI時代の基礎リテラシー] が出版予定です。 2026年9月10日にC&R研究所から、『コンピュータサイエンスの教科書[生成AI...
センサーの通信エラー、記録用紙の記入漏れ、レジの障害。実際の時系列データには、どうしても値の抜けた日(欠損値)が出てきます。 pandasなら ffill() や interpolate() の1行で埋められます。ところ...
データ分析や機械学習の前処理で、避けて通れないのが欠損値(データの空欄)です。「とりあえず削除する」「とりあえず平均値で埋める」で済ませると、分析結果が偏ったり、モデルの精度が伸びなかったりします。 このページは、欠損値...
生成AIの回答をJSON(データを文字で表すための書き方の決まり)で受け取るとき、OpenAIのAPIには Structured Outputs(構造化出力)という仕組みがあります。返してほしい形をスキーマ(形の定義)と...
生成AIの回答をJSON(データを文字で表すための書き方の決まり)で受け取るとき、OpenAIのAPIには Structured Outputs(構造化出力)という仕組みがあります。返してほしい形をスキーマ(形の定義)と...
問題 答え 解説 次の Python コードで、欠損値を3通りの方法で補完しました。R列の補完値がQ列と異なるのはなぜですか? Python コード: import numpy as np, pandas as pd s...