| 書誌種別 |
図書 |
| タイトル |
数理・データサイエンス・AI入門 |
| サブタイトル |
データ駆動型社会を生きるためのスキル |
| タイトルヨミ |
スウリ データ サイエンス エーアイ ニュウモン |
| サブタイトルヨミ |
データ クドウガタ シャカイ オ イキル タメ ノ スキル |
| 人名 |
岡田 浩之／著
|
| 人名ヨミ |
オカダ ヒロユキ |
| 出版者・発行者 |
共立出版
|
| 出版者・発行者等ヨミ |
キョウリツ シュッパン |
| 出版地・発行地 |
東京 |
| 出版・発行年月 |
2025.9 |
| ページ数または枚数・巻数 |
21,251p |
| 大きさ |
26cm |
| 価格 |
￥３０００ |
| ISBN |
978-4-320-12590-2 |
| ISBN |
4-320-12590-2 |
| 注記 |
文献:p247〜249 |
| 分類記号 |
007.609
|
| 件名 |
データマイニング
／
ビッグデータ
／
人工知能
／
数理統計学
|
| 内容紹介 |
文部科学省認定の「数理・データサイエンス・AI教育プログラム認定制度」に準拠。データとAIの基礎的な概念から社会的な応用、倫理的課題までを体系的に解説する。サンプルプログラムなどを利用できるQRコード付き。 |
| 著者紹介 |
東京農工大学大学院生物システム応用科学研究科生体機構情報システム学専攻博士課程修了。東京情報デザイン専門職大学教授。博士(工学)。共著に「AIとうまくつきあう方法」など。 |
| 言語区分 |
JPN |
| タイトルコード |
1009812875035 |
| 目次 |
第1章 データ・AIが変える社会 |
|
1.1 ビッグデータ時代の到来:情報社会の変貌／1.2 データ駆動型社会へのシフト:Society 5.0とは／1.3 AI技術の進化と可能性／1.4 データ・AI利活用の光と影:倫理的な視点／1.5 AIが創造する未来:私たちが担う役割／1.6 まとめ／1.7 演習問題 |
|
第2章 データを「読む」技術 |
|
2.1 データの種類と特徴:量的データと質的データ／2.2 データの分布:ヒストグラムと代表値／2.3 データのばらつき:分散と標準偏差／2.4 データの関係性:相関と因果／2.5 データからの推論:帰納と演繹／2.6 まとめ／2.7 演習問題 |
|
第3章 データを「説明する」技術 |
|
3.1 データの可視化:グラフによる表現／3.2 適切なグラフの選択:データの特徴を捉える／3.3 データの比較:条件を揃えて論理的に／3.4 誤解を招くグラフ:データの誤用を見抜く／3.5 データに基づいた説明:説得力のあるプレゼンテーション／3.6 まとめ／3.7 演習問題 |
|
第4章 データを「扱う」技術 |
|
4.1 データの取得:コンピュータが判読可能な形式／4.2 データの集計:基本統計量の算出／4.3 データの加工:データ解析ツールを活用／4.4 まとめ／4.5 演習問題 |
|
第5章 データ・AIと倫理:責任ある活用のために |
|
5.1 個人情報の保護:個人情報保護法とGDPR／5.2 データ倫理:ねつ造・改ざん・盗用への対応／5.3 AI倫理:AI開発と利用における課題／5.4 データバイアスとアルゴリズムバイアス:公平性への配慮／5.5 AIサービスの責任:透明性と説明責任／5.6 まとめ／5.7 演習問題 |
|
第6章 AIの基礎:機械学習入門 |
|
6.1 機械学習とは:データから学習するAI／6.2 教師あり学習:分類と回帰／6.3 教師なし学習:クラスタリング／6.4 機械学習モデルの評価:精度と汎化性能／6.5 機械学習の応用:実社会における活用事例／6.6 まとめ／6.7 演習問題 |
|
第7章 深層学習:AIの進化を支える技術 |
|
7.1 ニューラルネットワーク:人間の脳を模倣したモデル／7.2 畳み込みニューラルネットワーク(CNN):画像認識への応用／7.3 再帰型ニューラルネットワーク(RNN):時系列データの解析／7.4 深層学習の応用分野:画像認識、自然言語処理など／7.5 深層学習の未来:さらなる進化への期待／7.6 まとめ／7.7 演習問題 |
|
第8章 自然言語処理:言葉のAI |
|
8.1 テキストデータの特徴:形態素解析と構文解析／8.2 ニュース記事の分析:自然言語処理による実践的応用／8.3 感情分析:テキストデータから感情を読み取る／8.4 機械翻訳:言葉の壁を超える技術／8.5 テキスト要約:膨大な情報から重要な部分を抽出／8.6 自然言語処理の応用:チャットボット、文章生成など／8.7 まとめ／8.8 演習問題 |
|
第9章 画像認識:視覚のAI |
|
9.1 画像データの特徴:ピクセルと特徴量／9.2 物体認識:画像の中から特定の物体を検出／9.3 画像分類:画像をカテゴリに分類／9.4 画像認識の応用／9.5 画像認識技術の進歩:精度向上と新たな可能性／9.6 まとめ／9.7 演習問題 |
|
第10章 時系列データ解析:時間の流れを読み解く |
|
10.1 時系列データとは:時間的順序をもつデータ／10.2 トレンド分析:長期的な変化を捉える／10.3 季節変動:周期的なパターンを見つける／10.4 時系列データの予測:未来を予測する／10.5 時系列データ解析の応用:経済予測、需要予測など／10.6 まとめ／10.7 演習問題 |
|
第11章 データ・AI利活用:現場で活きる知識 |
|
11.1 データサイエンスのサイクル:課題解決のプロセス／11.2 データ分析の進め方:データに基づいた意思決定／11.3 データ可視化の応用:結果の共有とプレゼンテーション／11.4 AI導入の現状と課題:企業におけるAI活用事例／11.5 データ・AI活用の未来展望:最新技術と今後の動向／11.6 まとめ／11.7 演習問題 |
|
第12章 データ・AIとビジネス:新たな価値を創造する |
|
12.1 データ駆動型経営:データに基づいた意思決定／12.2 マーケティングへの応用:顧客ターゲティング／12.3 AIによる業務効率化:RPAやチャットボット／12.4 新規ビジネス創出:データ・AIが生み出すイノベーション／12.5 データ・AIビジネスの倫理:責任あるビジネスモデル／12.6 まとめ／12.7 演習問題 |
|
第13章 データ・AIと社会課題の解決:より良い未来のために |
|
13.1 SDGsとデータ・AI:持続可能な開発目標への貢献／13.2 医療分野における活用:病気の診断、創薬など／13.3 環境問題への取り組み:地球環境データ分析／13.4 教育分野におけるデータ活用:個別最適化された学習／13.5 災害予測と被害軽減／13.6 まとめ／13.7 演習問題 |
