この記事の目的

データのタイプについて説明できるようになる。

そもそもデータとは…
　モデルの学習に使用する素材。一口にデータといってもたくさんタイプがあり、それぞれに適応するべきアルゴリズムも違うので簡単にまとめる。

ラベル付きデータ

データに対する正解（ラベル）が明確に定義されたデータのこと。教師あり学習で使用される。
「犬というラベルがついている犬の画像」などが例。

正解がないデータのこと。教師なし学習で使用される。
ラベルが付いていない犬の画像や、風景写真などが例。

行と列のテーブルみたいな表で構成されるデータ。回帰問題や分類問題で用いられる。（一番一般的なデータ形式らしい）
体重や身長などを含んだ健康診断のデータなどが例。

時間の経過により変わっていくデータのこと。
株価や日々の体重の変化などが例。

その名前の通り、画像ベースのデータのこと。処理をするときはピクセルに変換される。

その名前のとおり、文字で表現されるデータのこと。メールや記事が例。
自然言語処理で使用される。

人間が会話で使うような言葉を意味や解釈も含めてAIに学ばせること。
チャットポットなどに使われている。

わかりやすい形式をもち、格納されたデータのこと。データベースに保存され、クエリを適用できるものなどが当てはまる。
Parquet などが例。

構造化データとは違い、特に形式のないデータのこと。画像データとかもそう。
決まった形式がないので処理が難しく、クエリも使えない。

ラベル付きデータ
正解（ラベル）とセットのデータ

ラベルなしデータ
　特に正解を持たないデータ

表形式データ
　行と列をもった表形式のデータ

時系列データ
　時間により変化するものを扱ったデータ

画像データ
　画像をベースとしたデータ

テキストデータ
　文章をベースとしたデータ

構造化データ
　決められたスキーマをもつデータ。

非構造化データ
　決められた構造を持たないデータ。