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、ロボット | 1章1節 9-10, 26-29, 33-34 |
| 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, 35 | |
| 第4次産業革命、Society 5.0、データ駆動型社会 | 1章1節 35-36, 42-44 | |
| 複数技術を組み合わせたAIサービス | 1章1節 31 | |
| 人間の知的活動とAIの関係性 | 1章1節 36-40 | |
| データを起点としたものの味方、⼈間の知的活動を起点としたものの味方 | 1章1節 36, 40, 41 | |
| 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 | |
| データの作成（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 7, 11 |
| 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 | |
| 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、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, 24 | |
| 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 |
| 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 11-16 | |
| 1-6. データ・AI利活用の最新動向 | 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 5-11 |
| AI最新技術の活⽤例（深層⽣成モデル、敵対的⽣成ネットワーク、強化学習、転移学習など） | 1章6節 5-10 | |
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 7-11 | |
| 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） | 2章1節 12-13 | |
| 観測データに含まれる誤差の扱い | 2章1節 15 | |
| 打ち切りや脱落を含むデータ、層別の必要なデータ | 2章1節 16-17 | |
| 相関と因果（相関係数、疑似相関、交絡） | 2章1節 18, 23 | |
| 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 24-25 | |
| クロス集計表、分割表、相関係数⾏列、散布図⾏列 | 2章1節 14,20-21 | |
| 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 26 | |
| 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） | 2章2節 4-8 |
| データの図表表現（チャート化） | 2章2節 9-10 | |
| 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 | |
| 2-3. データを扱う |
データの集計（和、平均） | 2章3節 7 |
| データの並び替え、ランキング | 2章3節 8 | |
| データ解析ツール（スプレッドシート） | 2章3節 4-6 | |
| 表形式のデータ（csv） | 2章3節 9 | |
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 |
ELSI（Ethical, Legal and Social Issues） | 3章1節 5-8 |
| 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, 26, 28-29 | |
| 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 30-31 | |
| 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 31 | |
| データ・AI活⽤における負の事例紹介 | 3章1節 13-15, 24, 28, 36 | |
| 3-2. データを守る上での留意事項 | 情報セキュリティ：機密性、完全性、可⽤性 | 3章2節 34 |
| 匿名加⼯情報、暗号化、パスワード、悪意ある情報搾取 | 3章2節 35-41 | |
| 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 40-41 | |
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 42-164 | |
| 1変数関数の微分と積分 | 4章1節 55-90 | |
| 指数関数、対数関数 | 4章1節 19-53 | |
| 集合、ベン図 | 4章1節 5-17 | |
| 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. 時系列データの解析 | 時系列データ（トレンド、周期、ノイズ） | 4章4節 4, 11, 14, 18, 20, 28, 34 |
| 季節調整、移動平均 | 4章4節 12, 33 | |
| 4-5. テキスト解析 |
形態素解析、単語分割、ユーザ定義辞書、n-gram、⽂章間類似度 | 4章5節 6, 8, 11, 14, 20 |
| かな漢字変換の概要 | 4章5節 12 | |
| 4-6. 画像解析 |
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 |
| プログラミング（Python、R等） | 4章2節 17 | |
| 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 | |
| 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 | |
| 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 例）売上予測、罹患予測、成約予測、離反予測など |
4章8節 7, 10 |
| 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 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 例）顧客セグメンテーション、店舗クラスタリング |
4章9節 7 |
| 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 | |