用語

ローカルLLM（Ollama+Open WebUI）でRAGを構築し、過去の用語マップ記事をナレッジベース化してみた検証ログ。Canva図解をPDF化して読み込ませる方法や、ハルシネーション対策の挙動まで実際に試した結果を紹介します。

ベクトル自己回帰モデル（VAR）とは、複数の指標が相互に影響し合う流れを予測する統計モデルです。株価や経済指標の動きで使う場面や、ARモデルとの違いを初心者にもわかりやすく解説します。

トレンド（時系列データ）とは、季節や一時的な揺れを除いた、データがゆるやかに進む方向性のことを指します。体重や売上などの身近な例で違いを分かりやすく解説し、データサイエンティスト検定で自分の言葉で説明するためのポイントも伝えます。

ローカルLLM（Qwen3.6:27B）を使用して、株価を分析してみたいシリーズです。自己回帰分析のARIMAモデルを試してみました。

ARIMAモデルとは？「過去のリズム」を読み取って未来の数値を予測する仕組みを、天気予報や売上予測の具体例で解説します。資格試験での出題ポイントと、今日からできる小さなアクションもご紹介します。

自己回帰分析は、時系列データにおける「過去の値が現在の値に影響する」性質を利用した予測手法です。天気予報や株価分析の比喩で初心者にもわかりやすく、G検定の出題範囲や関連用語との違いまで解説します。

「回帰モデル」は、株価や売上などの"数値"を予測する機械学習の手法です。料理の味見で理解できる仕組みと、ITパスポート・G検定で問われやすい角度を、初心者が体感できる例で解説します。

ローカルLLM「Qwen3.6:27B」にソースを自動生成させて、ARモデルで株価の分析をしてみた

ハルシネーションとは、AIが実際には存在しない情報や事実と異なるデータを、さも正解であるかのように出力してしまう現象のことです。意図的な嘘ではなく、学習データに基づく確率論的な推測の結果であり、その仕組みと注意点について解説します。

バギングとは、複数のモデルに同じ問題を解かせて多数決などで統合するAIの学習手法です。初心者向けに比喩で説明し、実務での活用例と試験対策までわかりやすく解説します。