出版書誌データベース

政府は「AI戦略2019」でリテラシー教育として文理を問わず、全ての大学・高専生約50万人を対象に、初級レベルの数理・データサイエンス・AIを課程にて習得する方針を打ち出しました。これを踏まえ、2020年4月に「数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラム」が策定され、各大学・高専で履修が進められています。このモデルカリキュラムが2024年2月に改訂されました。
　本書は「数理・データサイエンス・AI（リテラシーレベル）」（通称MDASH）の2024年2月改訂に対応しています。MDASHの「導入」「基礎」「心得」「選択（オプション）」モデルカリキュラムに準拠した内容です。14章の構成で、半期15回の講義で進められるよう工夫されています。AIのしくみやデータ分析、プログラミングやデータ活用など、AIリテラシーを幅広く学べます。

■第1講　AIリテラシーとは
◆1-1　AIの定義
●AIとは
●強いAIと弱いAI
●人間らしさとAI（チューリングテスト）
●中国語の部屋
●チャットボット
●ELIZA効果

◆1-2　なぜAIが必要とされているのか
●AIへの期待
●ハイプ曲線
●AIブーム

◆1-3　生成AI
●生成AIブーム
●ChatGPTの問題点

◆1-4　この本ではどこまで学ぶか
●AIのしくみや原理
●AIの限界や注意点
●AIの発展と人間の自由
コラム　数理・データサイエンス・AI教育プログラム認定制度について

■第2講　社会でどのような変化が起きているか
◆2-1　ビッグデータ、IoT、5Gなどの登場
●ビッグデータとは
●ビッグデータの定義
●オープンデータの活動
●機械判別可能なデータの作成・表記方法
●IoTとビッグデータ
●5GはIoTを促進
コラム　AIの性能はどんどん上がる？

◆2-2　第4次産業革命、Society5.0
●進化するテクノロジーと社会
●第4次産業革命のテクノロジー
●新しい社会Society5.0

◆2-3　データ駆動型社会
●データ革命による他分野への応用
●データ駆動型社会とは
●データの扱い方が重要

■第3講　社会でどのようなデータが活用されているか
◆3-1　人の動線をめぐるデータ
●注目される私的データ
●カーナビの例
●監視カメラの例

◆3-2　多くの機器のログとオープンデータ
●SNSのデータ分析
●オープンデータの活用
●ログによるアクセスデータ

◆3-3　1次データ、2次データ、メタデータ
●1次データと2次データ
●メタデータ

◆3-4　非構造化データの増大
●データベースとデータの構造化
●非構造化データの活用

■第4講　データ・AIを何に使えるか
◆4-1　データ・AIの活用領域の広がり
●身近になっていくデータサイエンス
●多様化するデータの活用例
●日本でのデータ利活用
●匿名加工情報

◆4-2　具体的にどう使えばいいのか
●データの使い方・仮説検証型
●データの使い方・仮説探索型
●人の負担を軽減するエスカレーション
●AIが得意な仕事、苦手な仕事
●意思決定支援システム
●AIの意外な使い方
◆4-3　シェアリングエコノミー、エビデンスベース社会、ナッジ
●シェアリングエコノミーとは
●データとAIの活用で上手にマッチング
●ネットの信頼性とリスク
●エビデンスベース社会とは

■第5講　データ・AIの技術
◆5-1　データ解析とは何をしているのか
●昔から解析は行われていた
●AIによるデータ解析の特徴

◆5-2　可視化の手法にはどういったものがあるのか
●グラフによる可視化
●地図を使った可視化
●動的な可視化

◆5-3　非構造化データの処理とは
●言語処理
●画像処理
●音声処理

◆5-4　AIの技術とは
●コンピュータ自ら学習する機械学習
●教師あり学習、教師なし学習
●強化学習
●深層学習（ディープラーニング）
●転移学習

■第6講　データを読み、説明し、扱う
◆6-1データの種類を知る
●データの種類を知って正しく使う
●連続データと離散データ
●質的データと量的データ
コラム　データを扱うときの注意点

◆6-2　基本統計量でデータの特徴をつかむ
●基本統計量とは
●データの真ん中を表す指標
●データの散らばり具合を見る

◆6-3　もととなるデータを集める
●母集団と標本
●標本誤差
●無作為抽出

◆6-4　集めたデータを集計する
●クロス集計
●相関関係と因果関係
●地図上の可視化
●箱ひげ図

◆6-5　誤読しないデータの読み方、データの比較方法
●騙されやすいグラフの例
コラム　新技術との付き合い方について
コラム　AIを使った分析例

■第7講　データ・AIを扱うときに注意すること
◆7-1　データ活用の負の側面
●かゆいところに手が届くビッグデータの活用
●自分のデータが勝手に記録され、保存される

◆7-2　GDPR、忘れられる権利、ELSI、オプトイン・オプトアウト
●EUの取り組み
●GDPRの定める権利
●ELSIとSTEM
●トロッコ問題
●オプトイン・オプトアウト

◆7-3　データの正義について
●機械がやるから公平か？
●AIの判断は正しい？
●道路標識を誤認させる攻撃
●人間中心のAI社会原則

■第8講　データ・AIにまつわるセキュリティ
◆8-1　情報セキュリティの基礎
●セキュリティとは
●セキュリティでは「リスク」に注目
●経営資源（情報資産）、脅威、脆弱性
●リスクの顕在化
●セキュリティ対策の手順と受容水準
●リスクへの対応方法

◆8-2　情報のCIA
●機密性、完全性、可用性
●多要素認証

◆8-3　暗号化と匿名加工情報
●暗号化とは
●個人情報の保護と匿名加工情報

◆8-4　生成AIが生み出す新たなリスク
●生成AIのリスクとは
●情報の出所
●利用の注意点

■第9講　統計と数学のきほん
◆9-1　AIに必要な数学
●AIの理解には数学が必要
●誕生日のパラドックス
●クーポン収集問題
●数え上げ

◆9-2　AIに必要な集合・場合の数
●「集合」と「場合の数」
●和の法則
●積の法則

◆9-3　AIに必要な確率・統計
●確率
●確率分布
●推測統計
コラム　ナイチンゲールとデータサイエンス

■第10講　アルゴリズムとは何か
◆10-1　AIとアルゴリズム
●アルゴリズムとは
●ハードウェアとソフトウェア
●ソフトウェアの性能を上げる
●アルゴリズム工学

◆10-2　組み合せ爆発を攻略するAIのアルゴリズム
●組み合せ爆発とは
●ボードゲームに挑むAI
●総当たりアルゴリズム
●近似アルゴリズム
●確率的アルゴリズム

◆10-3　探索問題
●探索問題とは
●線形探索
●二分探索

◆10-4　二部マッチング問題
●二部マッチング問題とは
●局所最適
●全体最適

■第11講　データの構造とプログラミング
◆11-1　ソフトウェアのプログラミング
●プログラミングスキルを身につけよう
●プログラミングとは

◆11-2　プログラミングの歴史
●世界初のコンピュータENIAC

◆11-3　データの構造
●10進数と2進数
●ビットとバイト
●文字コード

◆11-4　プログラミング環境の構築
●Pythonの導入
●Colaboratoryの使い方

◆11-5　変数
●変数と変数名
●変数に値を代入
●変数の内容を更新

◆11-6　条件分岐
●条件分岐とは
●If文
●PythonでIf文のプログラミング

◆11-7　繰り返し
●ループ処理
●for文
●Pythonでfor文のプログラミング

■第12講　データを上手に扱うには
◆12-1　ビッグデータの収集
●データは21世紀の石油
●多種大量のビッグデータ

◆12-2　データベース
●データベースとは
●RDBと正規化

◆12-3　データ加工
●データ結合
●Pythonで分析－データの準備
●Pythonで分析－読み込み
●Pythonで分析－結合

◆12-4　データクレンジング
●データクレンジングとは
●Pythonでデータクレンジング
●データの読み込み
●データを補完
●表記揺れの修正
●欠損値の変更

■第13講　時系列データと文章データの分析
◆13-1　時系列データ分析
●時系列データ分析とは
●時系列データと点過程データの違い
●目的変数を説明変数

◆13-2　時系列データの変動要因
●傾向変動
●循環変動
●季節変動
●不規則変動

◆13-3　時系列データ分析演習（二酸化炭素排出量の予測）
●Prophetのインストール
●時系列データの読み込み
●時系列データの可視化
●時系列データの事前処理
●時系列データの将来予測

◆13-4　文章データ分析
●文章データとは
●分かち書き（トークン化）
●形態素解析
●N-gram解析

◆13-5　文章データ分析演習（スパムメールフィルタの作成）
●データセットの読み込み
●ワードクラウドの作成
●ストップワードの除去
●形態素解析の実行
●スパムを分類するAIの作成

■第14講　データ活用実践（教師あり学習と教師なし学習）
◆14-1　AIの学習方式
●機械学習とAI
●教師あり学習
●教師なし学習
●強化学習

◆14-2　教師あり学習の出力
●分類
●回帰

◆14-3　教示なし学習の出力
●クラスタリング
●連関分析

◆14-4　過学習と汎化
●過学習
●汎化

◆14-5　データ活用実践1－教師あり学習、分類
●データセットの入手
●データセットの読み込み
●事前準備
●ランダムフォレストによる教師あり学習
●プログラムの実行

◆14-6　データ活用実践2－教師あり学習、回帰
●データセットの入手
●データセットの読み込み
●事前準備
●単回帰分析による教師あり学習
●グラフによる可視化
●決定係数

◆14-7　データ活用実践3－教師なし学習、連関分析
●データセットの入手と読み込み
●データ形式の変形
●ライブラリのインストール
●頻出商品の抽出
●連関分析の実行