AIアシスト学習設定ガイド — プロンプトを入力するだけで最適なモデル設定が完成

予測モデルを作るとき、「タスクタイプは分類？回帰？」「どのアルゴリズムを選べばいい？」「評価指標は何が適切？」と悩んだ経験はありませんか？ Qast の AI アシスト学習設定を使えば、データの内容と分析の目的を自然言語で伝えるだけで、AI がすべてを自動的に設定してくれます。

AI アシスト学習設定とは

AI アシスト学習設定は、データセットのスキーマ情報（カラム名・データ型・行数・列数）とユーザーのプロンプトを大規模言語モデル（LLM）に渡し、最適な学習設定を自動的に提案する機能です。タスクタイプの判定、目的変数の選定、アルゴリズムの選択、評価関数の決定、ハイパーパラメータチューニングの要否まで、すべてを一括で提案します。

ステップ 1：データセット詳細画面を開く

まず、分析したいデータセットの詳細画面を開きます。サイドバーの「データセット」からアップロード済みのデータセットを選択してください。データセットのステータスが「ready」になっていることを確認します。

ステップ 2：「AI で学習設定」ボタンをクリック

データセット詳細画面の右上にある「AI で学習設定」ボタンをクリックすると、AI アシスト学習設定ダイアログが開きます。ここでデータの分析目的を入力します。

ステップ 3：分析の目的をプロンプトで入力

テキストエリアに、分析の目的を自然な言葉で入力します。例えば以下のようなプロンプトが使えます。

例1: このデータで顧客の離脱を予測したい
例2: 売上を予測する回帰モデルを作成してほしい
例3: 不正取引を検出するモデルを構築したい
例4: このデータの傾向をクラスタリングで分析したい

ステップ 4：AI の提案を確認する

「AI に提案を依頼」ボタンをクリックすると、AI がデータセットのスキーマと入力されたプロンプトを解析し、最適な学習設定を提案します。提案内容には以下の項目が含まれます。

1. 1

   提案理由

   AI がなぜその設定を選んだのかを自然言語で説明します。データの特徴やプロンプトの意図をどう解釈したかがわかります。

2. 2

   タスク種別・目的変数

   分類・回帰・時系列予測・異常検知・クラスタリングのいずれか、および予測対象のカラムが提案されます。

3. 3

   学習器・評価関数

   データの特性に合ったアルゴリズム（XGBoost, LightGBM, RandomForest など）と評価指標（RMSE, F1, AUC など）が選定されます。

4. 4

   ハイパーパラメータチューニング設定

   HPO の有効/無効、試行回数、交差検証のフォールド数、探索モードが提案されます。

5. 5

   除外推奨列・カラム補足

   ID列やリーク変数など、学習に含めるべきでないカラムの除外提案と、各カラムに関する AI の補足コメントが表示されます。

ステップ 5：学習を開始する

提案内容に問題がなければ、「この設定で学習開始」ボタンをクリックするだけで学習ジョブが作成されます。設定を微調整したい場合は「設定を編集してから開始」をクリックすると、AI の提案が学習準備フォームに自動反映された状態で編集画面に遷移します。