はじめてのAIリテラシー~基礎テキスト~
岡嶋裕史, 吉田雅裕 著
内容
目次
■第1講 AIリテラシーとは ◆1-1 AIの定義 ●AIとは ●強いAIと弱いAI ●人間らしさとAI(チューリングテスト) ●中国語の部屋 ●チャットボット ●ELIZA効果 ◆1-2 なぜAIが必要とされているのか ●AIへの期待 ●ハイプ曲線 ●AIブーム ◆1-3 この本ではどこまで学ぶか ●AIのしくみや原理 ●AIの発展と人間の自由 コラム 数理・データサイエンス・AI教育プログラム認定制度について ■第2講 社会でどのような変化が起きているか ◆2-1 ビッグデータ、IoT、5Gなどの登場 ●ビッグデータとは ●ビッグデータの定義 ●オープンデータの活動 ●IoTとビッグデータ ●5GはIoTを促進 ◆2-2 第4次産業革命、Society5.0 ●進化するテクノロジーと社会 ●第4次産業革命のテクノロジー ●新しい社会Society5.0 ◆2-3 データ駆動型社会 ●データ革命による他分野への応用 ●データ駆動型社会とは ●データの扱い方が重要 ■第3講 社会でどのようなデータが活用されているか ◆3-1 人の動線をめぐるデータ ●注目される私的データ ●カーナビの例 ●監視カメラの例 ◆3-2 多くの機器のログとオープンデータ ●SNSのデータ分析 ●オープンデータの活用 ●ログによるアクセスデータ ◆3-3 1次データ、2次データ、メタデータ ●1次データと2次データ ●メタデータ ◆3-4 非構造化データの増大 ●データベースとデータの構造化 ●非構造化データの活用 ■第4講 データ・AIを何に使えるか ◆4-1 データ・AIの活用領域の広がり ●身近になっていくデータサイエンス ●多様化するデータの活用例 ●日本でのデータ利活用 ●匿名加工情報 ◆4-2 具体的にどう使えばいいのか ●データの使い方・仮説検証型 ●データの使い方・仮説探索型 ●人の負担を軽減するエスカレーション ●AIが得意な仕事、苦手な仕事 ●意思決定支援システム ●AIの意外な使い方 ◆4-3 シェアリングエコノミー、エビデンスベース社会、ナッジ ●シェアリングエコノミーとは ●データとAIの活用で上手にマッチング ●ネットの信頼性とリスク ●エビデンスベース社会とは ■第5講 データ・AIの技術 ◆5-1 データ解析とは何をしているのか ●昔から解析は行われていた ●AIによるデータ解析の特徴 ◆5-2 可視化の手法にはどういったものがあるのか ●グラフによる可視化 ●地図を使った可視化 ●動的な可視化 ◆5-3 非構造化データの処理とは ●言語処理 ●画像処理 ●音声処理 ◆5-4 AIの技術とは ●コンピュータ自ら学習する機械学習 ●教師あり学習、教師なし学習 ●強化学習 ●深層学習(ディープラーニング) ●転移学習 ■第6講 データを読み、説明し、扱う ◆6-1データの種類を知る ●データの種類を知って正しく使う ●連続データと離散データ ●質的データと量的データ コラム データを扱うときの注意点 ◆6-2 基本統計量でデータの特徴をつかむ ●基本統計量とは ●データの真ん中を表す指標 ●データの散らばり具合を見る ◆6-3 もととなるデータを集める ●母集団と標本 ●標本誤差 ●無作為抽出 ◆6-4 集めたデータを集計する ●クロス集計 ●相関関係と因果関係 ●地図上の可視化 ◆6-5 誤読しないデータの読み方、データの比較方法 ●騙されやすいグラフの例 コラム 新技術との付き合い方について ■第7講 データ・AIを扱うときに注意すること ◆7-1 データ活用の負の側面 ●かゆいところに手が届くビッグデータの活用 ●自分のデータが勝手に記録され、保存される ◆7-2 GDPR、忘れられる権利、ELSI、オプトイン・オプトアウト ●EUの取り組み ●GDPRの定める権利 ●ELSIとSTEM ●トロッコ問題 ●オプトイン・オプトアウト ◆7-3 データの正義について ●機械がやるから公平か? ●AIの判断は正しい? ●道路標識を誤認させる攻撃 ●人間中心のAI社会原則 ■第8講 データ・AIにまつわるセキュリティ ◆8-1 情報セキュリティの基礎 ●セキュリティとは ●セキュリティでは「リスク」に注目 ●経営資源(情報資産)、脅威、脆弱性 ●リスクの顕在化 ●セキュリティ対策の手順と受容水準 ●リスクへの対応方法 ◆8-2 情報のCIA ●機密性、完全性、可用性 ●多要素認証 ◆8-3 暗号化と匿名加工情報 ●暗号化とは ●個人情報の保護と匿名加工情報 ■第9講 統計と数学のきほん ◆9-1 AIに必要な数学 ●AIの理解には数学が必要 ●誕生日のパラドックス ●クーポン収集問題 ●数え上げ ◆9-2 AIに必要な集合・場合の数 ●「集合」と「場合の数」 ●和の法則 ●積の法則 ◆9-3 AIに必要な確率・統計 ●確率 ●確率分布 ●推測統計 コラム ナイチンゲールとデータサイエンス ■第10講 アルゴリズムとは何か ◆10-1 AIとアルゴリズム ●アルゴリズムとは ●ハードウェアとソフトウェア ●ソフトウェアの性能を上げる ●アルゴリズム工学 ◆10-2 組み合せ爆発を攻略するAIのアルゴリズム ●組み合せ爆発とは ●ボードゲームに挑むAI ●総当たりアルゴリズム ●近似アルゴリズム ●確率的アルゴリズム ◆10-3 探索問題 ●探索問題とは ●線形探索 ●二分探索 ◆10-4 二部マッチング問題 ●二部マッチング問題とは ●局所最適 ●全体最適 ■第11講 データの構造とプログラミング ◆11-1 ソフトウェアのプログラミング ●プログラミングスキルを身につけよう ●プログラミングとは ◆11-2 プログラミングの歴史 ●世界初のコンピュータENIAC ◆11-3 データの構造 ●10進数と2進数 ●ビットとバイト ●文字コード ◆11-4 プログラミング環境の構築 ●Pythonの導入 ●Colaboratoryの使い方 ◆11-5 変数 ●変数と変数名 ●変数に値を代入 ●変数の内容を更新 ◆11-6 条件分岐 ●条件分岐とは ●If文 ●PythonでIf文のプログラミング ◆11-7 繰り返し ●ループ処理 ●for文 ●Pythonでfor文のプログラミング ■第12講 データを上手に扱うには ◆12-1 ビッグデータの収集 ●データは21世紀の石油 ●多種大量のビッグデータ ◆12-2 データベース ●データベースとは ●RDBと正規化 ◆12-3 データ加工 ●データ結合 ●Pythonで分析-データの準備 ●Pythonで分析-読み込み ●Pythonで分析-結合 ◆12-4 データクレンジング ●データクレンジングとは ●Pythonでデータクレンジング ●データの読み込み ●データを補完 ●表記揺れの修正 ●欠損値の変更 ■第13講 時系列データと文章データの分析 ◆13-1 時系列データ分析 ●時系列データ分析とは ●時系列データと点過程データの違い ●目的変数を説明変数 ◆13-2 時系列データの変動要因 ●傾向変動 ●循環変動 ●季節変動 ●不規則変動 ◆13-3 時系列データ分析演習(二酸化炭素排出量の予測) ●Prophetのインストール ●時系列データの読み込み ●時系列データの可視化 ●時系列データの事前処理 ●時系列データの将来予測 ◆13-4 文章データ分析 ●文章データとは ●分かち書き(トークン化) ●形態素解析 ●N-gram解析 ◆13-5 文章データ分析演習(スパムメールフィルタの作成) ●データセットの読み込み ●ワードクラウドの作成 ●ストップワードの除去 ●形態素解析の実行 ●スパムを分類するAIの作成 ■第14講 データ活用実践(教師あり学習と教師なし学習) ◆14-1 AIの学習方式 ●機械学習とAI ●教師あり学習 ●教師なし学習 ●強化学習 ◆14-2 教師あり学習の出力 ●分類 ●回帰 ◆14-3 教示なし学習の出力 ●クラスタリング ●連関分析 ◆14-4 過学習と汎化 ●過学習 ●汎化 ◆14-5 データ活用実践1-教師あり学習、分類 ●データセットの入手 ●データセットの読み込み ●事前準備 ●ランダムフォレストによる教師あり学習 ●プログラムの実行 ◆14-6 データ活用実践2-教師あり学習、回帰 ●データセットの入手 ●データセットの読み込み ●事前準備 ●単回帰分析による教師あり学習 ●グラフによる可視化 ●決定係数 ◆14-7 データ活用実践3-教師なし学習、連関分析 ●データセットの入手と読み込み ●データ形式の変形 ●ライブラリのインストール ●頻出商品の抽出 ●連関分析の実行
カート
カートに商品は入っていません。