学習データ（トレーニングデータ）とは？
読み方: がくしゅうデータ
30秒まとめ
AIモデルの学習に使用されるデータセット。モデルの性能と品質を根本的に決定する。
学習データ（トレーニングデータ）の意味・定義
学習データ（Training Data、トレーニングデータ）は、AIモデルの学習（訓練）に使用されるデータセットです。LLMの場合、インターネット上のWebページ、書籍、論文、コードなど数兆トークン規模のテキストデータが使用されます。モデルの性能は学習データの質と量に大きく依存し、バイアスのあるデータで学習すると出力にもバイアスが反映されます。近年は、高品質なデータのキュレーション、合成データ（Synthetic Data）の活用、データの著作権問題が重要な課題となっています。また、Common Crawl、The Pile、RedPajama、FineWebなどの公開データセットがオープンソースモデルの学習に広く利用されています。