はじめてのAIリテラシー（技術評論社） [電子書籍]

はじめてのAIリテラシー（技術評論社） [電子書籍] の 商品概要

• 政府は「AI戦略2019」の中で，リテラシー教育として文理を問わず，全ての大学・高専生約50万人を対象に，初級レベルの数理・データサイエンス・AIを課程にて習得する方針を打ち出しました。これを踏まえ，各大学・高専で参照可能な「モデルカリキュラム」の検討と策定が進められています。本書はこのモデルカリキュラムのうち，基礎的な範囲に対応した教科書です。AIリテラシーの基礎を薄く広く扱います。文科省の認定制度に準拠し，半期15回の講義で進められるよう工夫されています。これから導入を考えているすべての大学・高専が対象です。
  

• 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
  

はじめてのAIリテラシー（技術評論社） [電子書籍] の商品スペック