> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt
> Use this file to discover all available pages before exploring further.
> データセットを反復的に改善し、モデルの予測を理解します
# Tables の概要
export const TryProductLink = ({url}) =>
Try in W&B
;
export const ColabLink = ({url}) =>
Try in Colab
;
W\&B Tables を使用すると、表形式のデータを可視化したり、クエリしたりできます。たとえば、次のような用途があります。
* 同じテストセットでさまざまなモデルの性能を比較する
* データ内のパターンを特定する
* モデルの予測サンプルを視覚的に確認する
* クエリを使って、誤分類されやすい例を検索する
上の画像は、セマンティックセグメンテーションの結果とカスタムメトリクスを含む表です。この表は、[W\&B ML コースのサンプル project](https://wandb.ai/av-team/mlops-course-001) で確認できます。
仕組み
表 は 2 次元のデータグリッドで、各列には 1 つのタイプのデータのみが格納されます。表 は、プリミティブ型と数値型に加えて、ネストされたリスト、辞書、リッチメディアタイプをサポートしています。
表をログする
数行のコードで表をログできます。
* [`wandb.init()`](/ja/products/wandb/ref/python/functions/init): 結果をトラッキングするための [run](/ja/products/wandb/runs) を作成します。
* [`wandb.Table()`](/ja/products/wandb/ref/python/data-types/table): 新しい表オブジェクトを作成します。
* `columns`: 列名を設定します。
* `data`: 表の内容を設定します。
* [`run.log()`](/ja/products/wandb/ref/python/experiments/run#method-runlog): 表をログして Weights & Biases に保存します。
```python theme={"system"}
import wandb
with wandb.init(project="table-test") as run:
my_table = wandb.Table(columns=["a", "b"], data=[["a1", "b1"], ["a2", "b2"]])
run.log({"Table Name": my_table})
```
はじめに
* [クイックスタート](/ja/products/wandb/tables/tables-walkthrough): データ表をログする方法や、データを可視化・クエリする方法を学びます。
* [Tables ギャラリー](/ja/products/wandb/tables/tables-gallery): Tables のユースケース例を紹介します。