nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

Esri 高等教育向け地理空間AI eラーニングガイド

CanserinaKurnia

概要

ArcGISにおける地理空間AI（GeoAIとも呼ばれます）とは、人工知能（AI）、機械学習（ML）、ディープラーニング（DL）をGISと統合し、知見を生み出して地理的な問題を解決することです。クラスタリングやパターン検出、予測や予報、画像、ライダー、動画、非構造化テキストデータからの情報抽出などに関するタスクを扱う空間解析の重要な要素です。

このガイドは、大学の授業の一環として、信頼できるEsriのウェブベースの学習リソースを活用したい教育者向けです。掲載項目は、2026年7月1日時点でEsri Academyから利用できます。このガイドは年1回更新される予定です。本ガイドに記載された情報は、予告なく変更される場合があります。新たに掲載された項目はオレンジ色で表示されています。

特に記載のない限り、掲載項目はすべてウェブコースです。詳細については、記載のリンクをご利用ください。Esri Academyの全カタログは、esri.com/training/catalogをご覧ください。コースに関するご質問は、GIStraining@esri.comにメールでお問い合わせいただくか、(800) 447-9778、内線5757までお電話ください。

「ラーニングプラン」とは、推奨される順序でまとめられた学習コンテンツです。独自のプランを作成することも、見つけたプランをコピーして編集することもできます。プランを学生や同僚に割り当て、進捗状況を追跡できます。詳しくは、Esri Academyのヘルプページ（カテゴリー：ラーニングプラン）をご覧ください。

所属機関が、保守契約が有効な対象製品を保有している場合、皆さんと学生は、セルフペース型eラーニング（ウェブコース、トレーニングセミナーなど）の全コレクションを無制限に利用できる場合があります。該当するかどうかを確認するには、Esriソフトウェアライセンス管理者にお問い合わせいただくか、オンラインで確認するか、educationinfo@esri.comにメールでお問い合わせください。

地理空間AI

基礎概念

以下のリソースでは、地理空間AIの基礎概念を学べます。

ArcGISにおけるGeoAIを理解する：組織がArcGISシステム全体で地理空間AI機能を活用し、ワークフローを自動化し、現実世界の詳細なモデルを作成し、画像、2Dおよび3Dフィーチャ、表形式データ、動画、非構造化テキスト、時系列データなど、あらゆる種類のデータを大規模に解析する方法を紹介します。（トレーニングセミナー、1時間）
ArcGISにおけるAI入門：地理空間AIプラットフォームとしてのArcGISを紹介し、地理空間AIによってジオプロセシングのワークフローがどのように強化されるかを解説します。（1時間5分）
AI対応GISのためのメタデータの基礎：AI対応を実現するうえで、メタデータが重要な役割を果たすことを解説します。ArcGISプラットフォーム全体で一貫した情報を確保し、コンテンツ管理、検索性、適切な再利用を支援する手法を紹介します。（トレーニングセミナー、1時間）
エンタープライズGISでインパクトを生み出す：組織の連携、効率的な運用、より賢明な意思決定、そして組織全体のイノベーションを支えるGISプログラムを構築・維持するための包括的なフレームワークを紹介します。（MOOC、6週間；2026年9月9日～2026年10月21日）

関連するラーニングプラン

ArcGISのAIツールとモデルの基礎

データの完全性の基礎

以下のリソースでは、機械学習とAIの成果を得るための前提条件としてデータ品質の重要性を示し、機械学習ワークフローに用いる入力データの信頼性を支援します。これらのリソースでは、正確で一貫性のある信頼できる空間データセットを維持するために必要なワークフローとツールに重点を置き、空間、属性、ジオメトリの完全性を管理する方法を紹介します。

ArcGIS Proを使用した属性データの完全性の維持：ArcGIS Proで空間データの完全性を維持するための基礎概念とワークフローを紹介します。データの正確性、一貫性、品質管理、トポロジベースの編集ツールを扱います。（ウェブコース、3時間5分）
ArcGIS Proを使用した空間データの完全性の維持：ArcGIS Proで属性エラーやジオメトリエラーを検証・修正するワークフローを紹介します。正確で信頼できる空間データセットを支えるため、一般的なデータの不整合に対処する方法を解説します。（ウェブコース、3時間）

機械学習

これらのリソースでは、画像分類から空間パターン検出、多変量予測まで、幅広い応用分野における空間的な問題解決について学べます。

クラスターの特定

以下のリソースでは、クラスターの所在を解析するための概念、スキル、ツールを紹介します。

クラスターのマッピング：統計的クラスター解析入門：クラスター解析を始め、結果を解釈するために必要な基礎的なスキルと概念を学べます。ホットスポット分析およびクラスターと外れ値分析ツールを使用します。（50分）
クラスターのマッピング：ホットスポット分析とクラスターおよび外れ値分析：ホットスポット分析（Getus-Ord Gi*）ツールとクラスターおよび外れ値分析（Anselin Local Moran’s I）ツールを紹介し、解析を制御する方法を解説します。（1時間20分）
クラスターのマッピング：最適化ホットスポット分析と最適化外れ値分析：データを使って解析パラメーターを定義し、解析の判断を調整できる2つのツールについて学びます。（2時間）
時空間解析入門：時空間解析とその機能について解説します。（25分）
時空間解析：時間的傾向の検出：時空間を用いて傾向を特定し、可視化するための新たなホットスポット分析の実行方法を解説します。（2時間10分）
時空間解析：時系列クラスター分析：時系列の特性の類似性に基づいて位置をクラスタリングし、時間データを解析する方法を紹介します。（1時間）

関連するラーニングプラン

ArcGISを使用したクラスターの特定

Esriチュートリアル

回帰分析と機械学習による住宅価格の予測（Esriチュートリアルシリーズ）
機械学習による海草生息域の予測（Esriチュートリアル、1時間）

地球統計補間

以下のリソースでは、予測サーフェスを作成するためのArcGIS Proの補間ワークフローを学べます。

ArcGIS Proを使用した空間補間：ArcGIS ProのGeostatistical Analystエクステンションで利用できるさまざまな空間補間手法の概要を紹介し、予測サーフェスの作成に適した手法の選び方を学びます。（トレーニングセミナー、1時間）
地球統計補間：入門：地球統計補間の重要な概念を解説します。ArcGIS Proを使用して、関連するデータの仮定を評価する方法を紹介します。（1時間40分）
地球統計補間：経験ベイズクリギングとEBK回帰予測の使用：ArcGIS Proが有効なクリギングモデルの構築における最も難しい作業を自動化する方法を解説します。探索的空間データ解析の実行方法を紹介し、予測サーフェスの作成と結果の交差検証を学びます。（3時間45分）
地球統計補間：面積補間を使用したデータの再集計：ポリゴン内で平均化または集計されたデータにクリギング理論を適用する面積補間の主な2つの使用方法を学びます。元のポリゴンデータセットのダウンスケーリングと、予測サーフェスを使った欠損ポリゴンデータの補完を扱います。（3時間45分）
地球統計補間：3D予測サーフェスの作成：経験ベイズクリギング3D（EBK 3D）を使用して、3Dポイントデータセットを補間する方法を学びます。（3時間20分）

関連するラーニングプラン

ArcGISを使用したサーフェス補間

画像分類

以下のリソースでは、高度な画像分類と物体検出のワークフローを紹介します。機能の概要については、画像解析とAIをご覧ください。

画像分類入門：ArcGISで主題別の分類ラスターを作成する方法を紹介します。（1時間15分）
教師なしピクセルベース画像分類の実行：コンピューターが作成したピクセルクラスターを特定し、ArcGISで主題別の分類ラスターを作成する方法を学びます。（55分）
教師ありオブジェクトベース画像分類の実行：ユーザーが特定したオブジェクトまたはセグメントに基づいて画像を分類する方法を、機械学習と組み合わせて紹介します。（1時間15分）
教師ありピクセルベース画像分類の実行：主題別の分類ラスターを作成するための教師ありピクセルベース画像分類手法を紹介します。（1時間20分）
画像分類の精度評価の実施：統計解析を使用してラスターのデータ製品を検証し、調査地域をどの程度適切に表現しているかを把握する精度評価手法を紹介します。（50分）

関連するラーニングプラン

ArcGISを使用した画像分類

回帰分析

以下のリソースでは、空間的な関係をモデル化、検証、探索する回帰分析の力を紹介します。

回帰分析入門（ウェブコース）
回帰分析：ArcGIS Proを使用した回帰モデルの構築（ArcGISラボ）
回帰分析：ArcGIS Proを使用したランダムフォレスト回帰の実行（ArcGISラボ）
ArcGIS NotebooksとArcGIS Proを使用した予測モデルのダウンスケーリング（ArcGISラボ）
地球統計補間：経験ベイズクリギングとEBK回帰予測の使用（ウェブコース）

関連するラーニングプラン

回帰分析の基礎

ディープラーニング

以下のリソースでは、ニューラルネットワークの形で複数層のアルゴリズムを使用する機械学習の一分野、ディープラーニングのスキルを身につけられます。

ArcGIS Proを使用したディープラーニング：ディープラーニングがGIS解析をどのように支援するかを解説します。ArcGIS Living Atlas of the Worldの学習済みディープラーニングモデルの使用方法を学びます。（2時間15分）
ArcGIS Onlineを使用したディープラーニング：ArcGIS Living Atlas of the Worldの学習済みディープラーニングモデルを活用して、日常的な問題を解決する方法を学びます。（1時間45分）
ArcGIS Proのディープラーニングによるオブジェクトの分類：山火事によって建物が被害を受けたかどうかを検出するモデルのトレーニングに向けて、データを準備・使用する方法と、モデルの適用および精度評価の方法を学びます。（ArcGISラボ、1時間20分）
ArcGIS Onlineを使用したディープラーニングによるフィーチャの抽出：ArcGIS Online向けArcGIS Imageを使用して、ディープラーニングで画像内の建物を検出する方法を学びます。（ArcGISラボ、35分）