データサイエンス領域
データサイエンス領域のタスクを示すもの。

分析目的や選択するモデル手法の観点から、必要となる説明変数や特徴量のデータを作成・選択する （手法例：正則化による除外・抑制、機械学習による自動作成など）
【数値予測】売上予測、価格予測、発生確率予測など数値の予測モデルを構築する （手法例：重回帰分析、ロジスティック回帰、ニューラルネットワーク、アンサンブル学習など）
【二値の判別・予測】与信可否判断や迷惑メール判別、顧客離脱など、二つの状態に対する判別・予測モデルを構築する （手法例：判別分析、ロジスティック回帰、サポートベクターマシン[SVM]、ニューラルネットワーク、アンサンブル学習など）
【クラスの判別・予測】新規顧客のセグメントや将来の顧客行動パターンなど、新たに発生するデータを分類するための判別・予測モデルを構築する （手法例：決定木、ニューラルネットワーク、アンサンブル学習など）
【時系列予測】株価や景気変動など、過去の時系列データに基づく将来の推移・変動予測モデルを構築する （手法例：自己回帰モデル[AR]、移動平均モデル[MA]、ARIMA、SARIMA、VAR、GARCH、Prophet、指数平滑法など）