数理・データサイエンス・AI 応用基礎レベル教材


> > > > >

　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