数理・データサイエンス・AI 応用基礎レベル教材
- ☆はコア学修項目として位置付ける。それ以外の項目は各大学・高専の教育目的、分野の特性に応じて、適切に選択頂くことを想定している。
- ※は数理・データサイエンス・AIを学ぶ上で基盤となる学修項目を示す。
- グレーの網掛はオプション(高度な内容)を示す。
1. データサイエンス基礎 |
||
1-1. データ駆動型社会と データサイエンス(☆) |
データ駆動型社会、Society 5.0 | 1章1節 15-20 |
データサイエンス活用事例 (仮説検証、知識発見、原因究明、計画策定、 判断支援、活動代替など) |
1章1節 4-14 | |
データを活用した新しいビジネスモデル | 1章1節 8 | |
1-2. 分析設計(☆) | データ分析の進め方、仮説検証サイクル | 1章2節 4 |
分析目的の設定 | 1章2節 5 | |
様々なデータ分析手法 (回帰、分類、クラスタリングなど) | 1章2節 14-24 | |
様々なデータ可視化手法(比較、構成、分布、変化など) | 1章2節 9-17,24 | |
データの収集、加工、分割/統合 | 1章2節 6-8 | |
分析目的に応じた適切な調査 (標本調査、標本誤差) | 1章2節 25-30 | |
サンプルサイズの設計 | 1章2節 28-30 | |
ランダム化比較試験、実験計画法 | 1章2節 27,30 | |
1-3. データ観察 | データの集計、比較対象の設定、クロス集計表 | 1章3節 4-7, 21 |
データのバラツキ、ヒストグラム、散布図 | 1章3節 8-19 | |
データの特異点、相違性、傾向性、関連性 | 1章3節 5,7-9, 11-18 | |
1-4. データ分析 | 単回帰分析、重回帰分析、最小二乗法 | 1章4節 6,8,18 |
ロジスティック回帰分析、最尤法 | 1章4節 22,28,30 | |
時系列データ、時系列グラフ、周期性、移動平均 | 1章4節 34-35,38-40 | |
クラスター分析、デンドログラム | 1章4節 47,50 | |
パターン発見、アソシエーション分析、リフト値 | 1章4節 56, 58, 60, 62 | |
主成分分析、次元削減 | 1章4節 66,71 | |
連続最適化問題、組み合わせ最適化問題 | 1章4節 96-97 | |
ナップサック問題、巡回セールスマン問題 | 1章4節 101, 106 | |
1-5. データ可視化 |
可視化目的(比較、構成、分布、変化など)に応じた図表化 | 1章5節 4-18 |
1~3次元の図表化(棒グラフ、折線グラフ、散布図、積み上げ縦棒グラフ、 箱ひげ図、散布図行列、ヒートマップなど) |
1章5節 5-22 | 適切な縦軸、横軸候補の洗い出し | 1章5節 22 |
不必要な誇張表現、強調表現がもたらす影響 | 1章5節 23, 24 | |
ビッグデータの可視化 | 1章5節 25-27 | |
関係性の可視化 (ネットワーク構造、グラフ構造、階層構造) | 1章5節 28-32 | |
地図上の可視化、地理情報システム(GIS) | 1章5節 33, 34 | |
挙動・軌跡の可視化 | 1章5節 35 | |
ダイナミックな可視化、リアルタイム可視化 | 1章5節 34 | |
1-6. 数学基礎(※) | 順列、組合せ、集合、ベン図、条件付き確率 | 1章6節(前半) 6, 14, 18, 20, 50 |
代表値(平均値、中央値、最頻値)、分散、標準偏差 | 1章6節(前半) 28-30, 32 | |
相関係数、相関関係と因果関係 | 1章6節(前半) 34, 38 | |
名義尺度、順序尺度、間隔尺度、比例尺度 | 1章6節(前半) 40-41 | |
確率分布、正規分布、独立同一分布 | 1章6節(前半) 60, 76, 80 | |
ベイズの定理 | 1章6節(前半) 56 | |
点推定と区間推定 | 1章6節(前半) 86-106 | |
帰無仮説と対立仮説、片側検定と両側検定、第1種の過誤、第2種の過誤、 p値、有意水準 |
1章6節(前半) 112-120 | |
ベクトルと行列 | 1章6節(後半) 7, 12 | |
ベクトルの演算、ベクトルの和とスカラー倍、内積 | 1章6節(後半) 10, 19-20 | |
行列の演算、行列の和とスカラー倍、行列の積 | 1章6節(後半) 19-20, 23 | |
逆行列 | 1章6節(後半) 32 | |
固有値と固有ベクトル | 1章6節(後半) 37 | |
多項式関数、指数関数、対数関数 | 1章6節(後半) 60, 68, 78 | 関数の傾きと微分の関係、積分と面積の関係 | 1章6節(後半) 102, 124 |
1変数関数の微分法、積分法 | 1章6節(後半) 107, 122, 124 | |
2変数関数の微分法、積分法 | 1章6節(後半) 135, 139 | |
1-7. アルゴリズム(※) | アルゴリズムの表現(フローチャート) | 1章7節 11-13, 17 |
並び替え(ソート)、探索(サーチ) | 1章7節 20, 21 | ソートアルゴリズム、バブルソート、選択ソート、挿入ソート | 1章7節 52, 53, 63, 69 |
探索アルゴリズム、リスト探索、木探索 | 1章7節 21, 22, 39 | |
計算量(オーダー) | 1章7節 29, 30 | |
2. データエンジニアリング基礎 |
||
2-1. ビッグデータと データエンジニアリング (☆) |
ICT(情報通信技術)の進展、ビッグデータ | 2章1節 4, 7-16 |
ビッグデータの収集と蓄積、クラウドサービス | 2章1節 7, 13, 16 | |
ビッグデータ活用事例 | 2章1節 17-35 | |
人の行動ログデータ、機械の稼働ログデータ | 2章1節 18, 25 | |
ソーシャルメディアデータ | 2章1節 4 | |
2-2. データ表現(☆) | コンピュータで扱うデータ(数値、文章、画像、音声、動画など) | 2章2節 4-6, 8, 11, 17-19 |
構造化データ、非構造化データ | 2章2節 4, 5 | |
情報量の単位(ビット、バイト)、二進数、文字コード | 2章2節 6-7, 9, 10 | |
配列、木構造(ツリー)、グラフ | 2章2節 21-32 | |
画像の符号化、画素(ピクセル)、色の3要素(RGB) | 2章2節 13-19 | |
音声の符号化、周波数、標本化、量子化 | 2章2節 14-19 | |
2-3. データ収集 |
IoT(Internet of Things) | 2章3節 9 |
エッジデバイス、センサーデータ | 2章3節 12, 17 | |
Webクローラー、スクレイピング | 2章3節 31-34 | |
アノテーション | 2章3節 35-38 | |
クライアント技術(SDK、APIなど) | 2章3節 23-24 | |
通信技術(HTTP、FTP、SSHなど) | 2章3節 4, 18, 21-22 | |
2-4. データベース
|
テーブル定義、ER図 | 2章4節 13, 15 |
主キーと外部キー | 2章4節 12 | |
リレーショナルデータベース(RDB) | 2章4節 5 | |
データ操作言語(DML)、SQL | 2章4節 6-11 | |
正規化手法(第一正規化~第三正規化) | 2章4節 20 | |
データ定義言語(DDL) | 2章4節 6 | |
データウェアハウス(DWH) | 2章4節 18 | |
NoSQL | 2章4節 18 | |
2-5. データ加工 |
集計処理、四則演算処理 | 2章5節 6, 7 |
ソート処理、サンプリング処理 | 2章5節 9, 12 | |
クレンジング処理(外れ値、異常値、欠損値) | 2章5節 17-19 | |
結合処理(内部結合、外部結合) | 2章5節 11 | |
データ型変換処理 | 2章5節 16 | |
データの標準化、ダミー変数 | 2章5節 20-21 | |
フィルタリング処理、正規表現 | 2章5節 9, 24 | |
マッピング処理、ジオコード変換 | 2章5節 15, 16 | |
名寄せ | 2章5節 15 | |
ビッグデータの分散処理 (Hadoop、Sparkなど) | 2章5節 22 | |
2-6. ITセキュリティ |
セキュリティの3要素(機密性、可用性、完全性) | 2章6節 7-10 |
データの暗号化、復号化 | 2章6節 20 | |
データの盗聴、改ざん、なりすまし | 2章6節 9-9, 11-12, 24-25 | |
電子署名、公開鍵認証基盤(PKI) | 2章6節 25, 26 | |
ユーザ認証とアクセス管理 | 2章6節 28-29 | |
マルウェアによるリスク(データの消失・漏洩、サービスの停止など) | 2章6節 10-11, 25 | |
2-7. プログラミング基礎(※) |
文字型、整数型、浮動小数点型 | 2章7節 8, 14 |
変数、代入、四則演算、論理演算 | 2章7節 8-9, 12 | |
関数、引数、戻り値 | 2章7節 11 | |
順次、分岐、反復の構造を持つプログラムの作成 | 2章7節 10, 12, 16, 18 | |
3. AI基礎 |
||
3-1. AIの歴史と応用分野(☆) | AIの歴史、推論、探索、トイプロブレム、エキスパートシステム | 3章1節 4-24 |
汎用AI/特化型AI(強いAI/弱いAI) | 3章1節 27, 33 | |
フレーム問題、シンボルグラウンディング問題 | 3章1節 30-32 | |
人間の知的活動とAI技術 (学習、認識、予測・判断、知識・言語、身体・運動) |
3章1節 34-46 | |
AI技術の活用領域の広がり (流通、製造、金融、インフラ、公共、ヘルスケアなど) |
3章1節 47-48 | |
AIクラウドサービス、機械学習ライブラリ、 ディープラーニングフレームワーク |
3章1節 50-52 | |
3-2. AIと社会(☆) | AI倫理、AIの社会的受容性 | 3章2節 11, 25 |
プライバシー保護、個人情報の取り扱い | 3章2節 17, 32 | |
AIに関する原則/ガイドライン | 3章2節 6 | |
AIの公平性、AIの信頼性、AIの説明可能性 | 3章2節 30-31, 43-44 | |
AIと知的財産権 | 3章2節 45 | |
3-3. 機械学習の基礎と展望(☆) | 実世界で進む機械学習の応用と発展 (需要予測、異常検知、商品推薦など) |
3章3節 7-8 |
機械学習、教師あり学習、教師なし学習、強化学習 | 3章3節 5-10, 12-13, 19, 33-37 | 学習データと検証データ | 3章3節 23 |
ホールドアウト法、交差検証法 | 3章3節 23-24 | |
過学習、バイアス | 3章3節 20-22, 24, 26, 36 | |
3-4. 深層学習の基礎と展望(☆) | 実世界で進む深層学習の応用と革新 (画像認識、自然言語処理、音声生成など) |
3章4節 1215, 20, 22 |
ニューラルネットワークの原理 | 3章4節 5 | ディープニューラルネットワーク(DNN) | 3章4節 5, 9-10, 21 |
学習用データと学習済みモデル | 3章3節 20 | |
畳み込みニューラルネットワーク(CNN) | 3章3節 12, 14 | |
再帰型ニューラルネットワーク(RNN) | 3章4節 12 | |
敵対的生成ネットワーク(GAN) | 3章3節 12, 24 | |
深層強化学習 | 3章3節 4 | |
深層学習と線形代数/微分積分との関係性 | 3章4節 18 | |
3-5. 深層学習の基礎と展望(☆) | 認識技術の活用事例 | 3章5節 12-28 |
パターン認識、特徴抽出、識別 | 3章5節 4-11, 80, 87 | |
数字認識、文字認識 | 3章5節 14 | |
画像認識、音声認識 | 3章5節 48-54, 78-85 | |
画像分類 | 3章5節 15 | |
物体検出 | 3章5節 16 | |
指紋認証、顔認証 | 3章5節 22-23 | |
音声のテキスト化 | 3章5節 26-27 | |
3-6. 予測・判断 |
予測技術の活用事例 | 3章6節 4 |
決定木(Decision Tree) | 3章6節 7 | |
混同行列、Accuracy、Precision、Recall | 3章6節 13, 16 | |
MSE(Mean Square Error) | 3章6節 17 | |
ROC曲線、AUC(Area Under the Curve) | 3章6節 15 | |
ランダムフォレスト | 3章6節 8 | |
サポートベクターマシン(SVM) | 3章6節 9 | |
離散型・連続型シミュレーション | 3章6節 18 | |
データ同化、気象予測 | 3章6節 19 | |
3-7. 言語・知識 | 自然言語処理の活用事例 | 3章7節 5 |
形態素解析、単語分割、係り受け解析 | 3章7節 11-12, 14-16, 25-27 | |
ユーザ定義辞書 | 3章7節 19 | |
かな漢字変換 | 3章7節 22-23 | |
n-gram、文章間類似度 | 3章7節 33-34, 43-44 | |
機械翻訳、文章生成 | 3章7節 49-53, 55 | |
知識表現、オントロジー、意味ネットワーク、知識グラフ | 3章7節 37-41 | |
表現学習(エンベディング) | 3章7節 45 | |
3-8. 身体・運動 | AIとロボット | 3章8節 5, 20 |
家庭用ロボット、産業用ロボット、サービスロボット | 3章8節 6 | |
自動化機械、センサー、アクチュエータ | 3章8節 7, 8, 10 | |
シーケンス制御、フィードバック制御 | 3章8節 13 | |
自動運転システム | 3章8節 22 | |
ジェスチャー認識 | 3章8節 21 | |
行動推定 | 3章8節 21 | |
3-9. AIの構築・運用(☆) | AIの学習と推論、評価、再学習 | 3章9節 4-6 |
AIの開発環境と実行環境 | 3章9節 8-10 | |
AIの社会実装、ビジネス/業務への組み込み | 3章9節 11-15 | |
複数のAI技術を活用したシステム (スマートスピーカー、AIアシスタントなど) |
3章9節 11 | |
AIシステムの開発、テスト、運用 | 3章9節 4-7 | |
AIシステムの品質、信頼性 | 3章9節 19, 21-23 | |
AIの開発基盤(大規模並列GPUマシンなど) | 3章9節 16 | |
AIの計算デバイス(GPU、FPGAなど) | 3章9節 16 |