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　生成AI ●生成AIブーム ●ChatGPTの問題点 ◆1-4　この本ではどこまで学ぶか ●AIのしくみや原理 ●AIの限界や注意点 ●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 ●機械判別可能なデータの作成・表記方法 ●IoTとビッグデータ ●5GはIoTを促進 コラム　AIの性能はどんどん上がる？ ◆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 ●箱ひげ図 ◆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 コラム　AIを使った分析例 ■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 ◆8-4　生成AIが生み出す新たなリスク ●生成AIのリスクとは ●情報の出所 ●利用の注意点 ■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