数理・データサイエンス・AIリテラシーレベル教材 目次詳細
1. 社会におけるデータ・AI利活用 |
||
| 1-1. 社会で起きている変化 | ・ビッグデータ、IoT、AI、生成AI、ロボット | 1章1節 9-11, 29-32, 36-37 |
| ・データ量の増加、計算機の処理性能の向上、AIの⾮連続的進化 | 1章1節 7, 9, 38 | |
| ・第4次産業革命、Society 5.0、データ駆動型社会 | 1章1節 38-39, 46-48 | |
| ・複数技術を組み合わせたAIサービス | 1章1節 34 | |
| ・人間の知的活動とAIの関係性 | 1章1節 40-45 | |
| ・データを起点としたものの見方、人間の知的活動を起点としたものの見方 | 1章1節 39-43, 45 | |
| 1-2. 社会で活用されているデータ | ・調査データ、実験データ、人の行動ログデータ、機械の稼働ログデータなど | 1章2節 5-6, 8-10 |
| ・1次データ、2次データ、データのメタ化 | 1章2節 12 | |
| ・構造化データ、非構造化データ（文章、画像/動画、音声/音楽など） | 1章2節 15-16 | |
| ・データ作成（ビッグデータとアノテーション） | 1章2節 17 | |
| ・データのオープン化（オープンデータ） | 1章2節 13 | |
| 1-3. データ・AIの活用領域 | ・データ・AI活用領域の広がり(生産、消費、文化活動など) | 1章3節 6-15 |
| ・研究開発、調達、製造、物流、販売、マーケティング、サービスなど | 1章3節 5-8 | |
| ・仮説検証、知識発見、原因究明、計画策定、判断支援、活動代替、新規生成など | 1章3節 5-6, 9-10 | |
| ・対話、コンテンツ生成、翻訳・要約・執筆支援、コーディング支援など生成AIの応用 | 1章3節 11-14 | |
| 1-4. データ・AI利活用のための技術 | ・データ解析：予測、グルーピング、パターン発見、最適化、モデル化とシミュレーション・データ同化など | 1章4節 5, 16-20 |
| ・データ可視化：複合グラフ、2軸グラフ、多次元の可視化、関係性の可視化、地図上の可視化、挙動・軌跡の可視化、リアルタイム可視化など | 1章4節 6-7, 9-11 | |
| ・非構造化データ処理：言語処理、画像/動画処理、音声/音楽処理など | 1章4節 12-14 | |
| ・特化型AIと汎用AI、今のAIで出来ることと出来ないこと、AIとビッグデータ | 1章4節 22-23 | |
| ・認識技術、ルールベース、自動化技術 | 1章4節 13, 18, 25 | |
| ・マルチモーダル（言語、画像、音声 など）、生成AIの活用（プロンプトエンジニアリング） | 1章4節 24, 26 | |
| 1-5. データ・AI利活用の現場 | ・データサイエンスのサイクル（課題抽出と定式化、データの取得・管理・加工、探索的データ解析、データ解析と推論、結果の共有・伝達、課題解決に向けた提案） | 1章5節 5-9 |
| ・教育、芸術、流通、製造、金融、サービス、インフラ、公共、ヘルスケア等におけるデータ・AI利活用事例紹介 | 1章5節 11-18 | |
| 1-6. データ・AI利活用の最新動向 | ・AI最新技術の活用例（深層生成モデル、強化学習、転移学習、生成AIなど） | 1章6節 5-10, 12, 13-14 |
| ・AI等を活用した新しいビジネスモデル(シェアリングエコノミー、商品のレコメンデーションなど) | 1章6節 5-8, 10-12 | |
| ・基盤モデル、大規模言語モデル、拡散モデル | 1章6節 13-14 | |
2. データリテラシー |
||
| 2-1. データを読む | ・データの種類（量的変数、質的変数） | 2章1節 4 |
| ・データの分布(ヒストグラム)と代表値（平均値、中央値、最頻値） | 2章1節 7, 8-11, | |
| ・代表値の性質の違い（実社会では平均値＝最頻値でないことが多い） | 2章1節 11 | |
| ・データのばらつき（分散、標準偏差、偏差値）、外れ値 | 2章1節 12-13, 16 | |
| ・相関と因果（相関係数、擬似相関、交絡） | 2章1節 19, 23-24 | |
| ・観測データに含まれる誤差の扱い | 2章1節 15 | |
| ・打ち切りや欠測を含むデータ、層別の必要なデータ | 2章1節 17-18 | |
| ・母集団と標本抽出（国勢調査、アンケート調査、全数調査、単純無作為抽出、層別抽出、多段抽出） | 2章1節 25-26 | |
| ・クロス集計表、分割表、相関係数行列、散布図行列 | 2章1節 14, 21-22 | |
| ・統計情報の正しい理解（誇張表現に惑わされない） | 2章1節 27 | |
| 2-2. データを説明する | ・データ表現（棒グラフ、折線グラフ、散布図、ヒートマップ、箱ひげ図） | 2章2節 4-9 |
| ・データの比較（条件をそろえた比較、処理の前後での比較、A/Bテスト) | 2章2節 11-13 | |
| ・不適切なグラフ表現（チャートジャンク、不必要な視覚的要素） | 2章2節 14 | |
| ・優れた可視化事例の紹介（可視化することによって新たな気づきがあった事例など） | 2章2節 15 | |
| ・相手に的確かつ正確に情報を伝える技術や考え方（スライド作成，プレゼンテーションなど） | 2章2節 16-18 | |
| 2-3. データを扱う | ・データの取得（機械判読可能なデータの作成・表記方法） | 2章3節 4 |
| ・データの集計（和、平均） | 2章3節 8 | |
| ・データの並び替え、ランキング | 2章3節 9 | |
| ・データ解析ツール（スプレッドシート、BIツール） | 2章3節 5-7, 11 | |
| ・表形式のデータ（csv） | 2章3節 10 | |
3.データ・AI利活用における留意事項 |
||
| 3-1. データ・AIを扱う上での留意事項 | ・倫理的・法的・社会的課題（ELSI：Ethical, Legal and Social Issues） | 3章1節 6 |
| ・個人情報保護、EU一般データ保護規則(GDPR)、忘れられる権利、オプトアウト | 3章1節 17-18, 27, 29-30 | |
| ・データ倫理：データのねつ造、改ざん、盗用、プライバシー保護 | 3章1節 12-15, 19 | |
| ・AI社会原則（公平性、説明責任、透明性、人間中心の判断） | 3章1節 31-32 | |
| ・データバイアス、アルゴリズムバイアス | 3章1節 22-23 | |
| ・AIサービスの責任論 | 3章1節 32 | |
| ・データガバナンス | 3章1節 22-23 | |
| ・データ・AI活用における負の事例紹介 | 3章1節 13-15, 24, 29, 37 | |
| ・生成AIの留意事項（ハルシネーションによる誤情報の生成、偽情報や有害コンテンツの生成・氾濫 など） | 3章1節 25 | |
| 3-2. データを守る上での留意事項 | ・情報セキュリティの3要素（機密性、完全性、可用性） | 3章2節 35 |
| ・匿名加工情報、暗号化と復号、ユーザ認証とパスワード、アクセス制御、悪意ある情報搾取 | 3章2節 36-39, 40-43 | |
| ・情報漏洩等によるセキュリティ事故の事例紹介 | 3章2節 42-43 | |
| ・サイバーセキュリティ | 3章2節 44 | |
4. オプション |
||
| 4-1. 統計および数理基礎 | ・確率、順列、組み合わせ | 4章1節 92-96, 101-140 |
| ・線形代数(ベクトル、ベクトルの基本的な演算、ノルム、行列とベクトルの積、行列の積、内積) | 4章1節 142-180 | |
| ・1変数関数の微分と積分 | 4章1節 55-90 | |
| ・集合、ベン図 | 4章1節 5-17 | |
| ・指数関数、対数関数 | 4章1節 19-53 | |
| 4-2. アルゴリズム基礎 | ・アルゴリズムの表現（フローチャート、アクティビティ図） | 4章2節 14-15 |
| ・並び替え（ソート） | 4章2節 33 | |
| ・探索（サーチ） | 4章2節 26 | |
| 4-3. データ構造とプログラミング基礎 | ・数と表現、計算誤差、データ量の単位、文字コード、配列 | 4章3節 7, 9, 11-12, 24 |
| ・変数、代入、繰り返し、場合に応じた処理 | 4章3節 18, 21-22 | |
| 4-4. 時系列データ解析 | ・時系列データ（トレンド、周期、ノイズ） | 4章4節 3, 6, 9, 13, 20 |
| ・季節調整、移動平均 | 4章4節 7, 19 | |
| 4-5.自然言語処理 | ・形態素解析、単語分割、ユーザ定義辞書、n-gram言語モデル、文章間類似度 | 4章5節 5, 8, 11, 15, 20 |
| ・かな漢字変換の概要 | 4章5節 12 | |
| 4-6.画像認識 | ・画像データの処理 | 4章6節 4-52 |
| ・画像認識、画像分類、物体検出 | 4章6節 55-56, 58, 66-68 | |
| 4-7. データハンドリング | ・データベース（リレーショナルデータベース、SQL） | 4章7節 4, 6, 12 |
| ・データクレンジング：外れ値、異常値、欠損値の処理 | 4章7節 17, 19 | |
| ・プログラミング（Python、R等） | 4章7節 4-2および4-3の17 | |
| ・データの抽出 | 4章7節 9 | |
| ・データの結合 | 4章7節 9 | |
| ・名寄せ | 4章7節 15 | |
| ・生成AIを活用したデータ加工 | 4章7節 21 | |
| 4-8. データ活用実践（教師あり学習） | ・教師あり学習による予測 | 4章8節 7, 10 |
| 例）売上予測、罹患予測、成約予測、離反予測など | ||
| ・データの収集（分析に必要なデータの確認、対象となるデータの収集） | 4章8節 6, 8 | |
| ・データの加工（データクレンジング、サンプリング、簡単な説明変数の作成） | 4章8節 8-9 | |
| ・データの分析（単回帰分析、重回帰分析、ロジスティック回帰分析、モデルの評価） | 4章8節 6, 13, 15, 17-18 | |
| ・データ分析結果の共有、課題解決に向けた提案 | 4章8節 6 | |
| 4-9. データ活用実践（教師なし学習） | ・教師なし学習によるグルーピング | 4章9節 7 |
| 例）顧客セグメンテーション、店舗クラスタリング | ||
| ・データの収集（分析に必要なデータの確認、対象となるデータの収集） | 4章9節 6, 9 | |
| ・データの加工（データクレンジング、サンプリング、簡単な説明変数の作成） | 4章9節 9-10 | |
| ・データの分析（階層クラスタリング、非階層クラスタリング） | 4章9節 6, 20 | |
| ・データ分析結果の共有、課題解決に向けた提案 | 4章9節 6 | |