ローコードAI

ローコードAI｜オライリー・ジャパン

AutoML、BigQuery ML、Pythonによるモデルを用い、売上予測や不正検知を題材にデータから予測を作る書籍。

コード量の異なる方法で機械学習へ取り組む書籍です。AutoML、BigQuery ML、Pythonでのモデル作成を使い、売上予測や不正検知を題材にデータ準備から評価へ進みます。処理を画面操作へ任せる部分と、データや判断を自分で設計する部分を対応させて読めます。

書誌・著者・翻訳：Gwendolyn Stripling、Michael Abel　著、菊池彰　訳／確認 2026-09-15／https://www.oreilly.co.jp/books/9784814401482/

書誌・発行日と分量：2026-01-23発行 / 308ページ（出版社表記）／確認 2026-09-15／https://www.oreilly.co.jp/books/9784814401482/

書誌・ISBN：978-4-8144-0148-2／確認 2026-09-15／https://www.oreilly.co.jp/books/9784814401482/

学習内容・扱うテーマ：AutoML / BigQuery / 機械学習／確認 2026-09-15／https://www.oreilly.co.jp/books/9784814401482/

書誌・原書：Low-Code AI／確認 2026-09-15／https://www.oreilly.co.jp/books/9784814401482/

学習内容・構成と学習範囲：AutoML、BigQuery ML、Python実装、売上予測・不正検知の題材／確認 2026-09-15／https://www.oreilly.co.jp/books/9784814401482/

対象：分析用データを持ち、画面操作・SQL・Pythonのどの方法から予測モデルへ取り組むか検討する担当者。。形式：書籍。言語：日本語。利用条件：有料書籍。紙・電子版の有無、価格、在庫は出版社の公式ページで確認。

確認事項（編集部）：発行時点の内容です。ライブラリ・クラウドの現行仕様、正誤表、サンプルの動作条件に加え、無料枠・割当・課金と利用終了後の資源を確認してください。書籍の購入費とクラウドの利用費は別です。

出典：オライリー・ジャパン「ローコードAI — 書誌・目次」／公開・更新情報：2026-01-23／確認日：2026-09-15／https://www.oreilly.co.jp/books/9784814401482/

コードを減らしても、自分で決める必要があるデータと評価を整理したい

編集部の整理 · 2026-09-15

モデル作成を自動化しても、正解にする列や評価に使う期間は用途に合わせて決める必要があります。本書の複数の方法を読む際には、同じ課題と評価用データを用意します。画面の操作数だけで選ばず、入力の修正、結果の説明、更新を誰が担えるかを確認します。

以下は公開情報を踏まえた手順の提案です。当社による製品検証・受講・実読の結果ではありません。

1. 予測する時点と正解を定義する：どの時点までのデータを使い、何を予測するかを書きます。予測後にしか分からない列が入力に含まれていないかを確認します。

2. 一つの方法で基準の結果を作る：小さなデータで入力形式、欠損、学習と評価の分割を確認します。別の方法へ進むときも評価用データを同じに保ちます。

3. 更新と費用を含めて利用方法を選ぶ：新しいデータを入れ直す手順、保存する成果物、利用するクラウド資源を記録します。学習が終わった後に残る資源と停止・削除の方法も確認します。

ローコードは、データの品質確認や評価設計が不要という意味ではありません。クラウドの無料枠・割当・課金条件は別に確認してください。本書の全演習を実行した評価ではありません。