数理データサイエンス
AIリテラシー講座 ～導入～PR用1分動画

計算機の処理性能の向上にともない、デジタルデータが増加し、ビッグデータを分析するAI技術も非連続的な変化を示してきた。これらの変化の最近までの経緯や技術的な背景について解説する。
今後のデータにもとづく社会の変化は、第4次産業革命、Society 5.0、データ駆動型社会などさまざまな用語で説明されている。今後の社会では複数の技術を組み合わせたAIサービスが提供されると予想されている。これらの社会の変化の動向について解説する。
AIの得手不得手を考え、AIを何に活用できるのか、そしてどのような仕事がAIに奪われるのかを説明する。過去の産業革命と対比することにより、ビッグデータとAIを活用して新たな価値を創造するために、人間がすべきことを解説する。

データサイエンスやAIとはどういう分野なのでしょうか？なぜ社会の関心を集めているのでしょうか？本節では社会で起きている変化を知り、データサイエンスやAIがどういう分野か理解することを目標とします。
データサイエンティストとAIはどのように学術や社会で活用されているのでしょうか？本節では自然科学、社会科学、ビジネスと幅広く応用例を解説します。応用例を通じて技術の可能性に検討がつくようになることを目標とします。
データサイエンティストとAIの関係はどのようなものでしょうか？AIの時代に活躍できるデータサイエンティストになるにはどのような知識が必要でしょうか？本節ではデータサイエンティストとAIの関係に焦点を当てます。

世の中にあるビッグデータの例を紹介するとともに、そのような膨大なデータを集めるための仕組みや仕掛け（センサー、社会インフラ、クラウドソーシング）、それら膨大なデータの活用例などを紹介する。
1次データ、2次データ、データのメタ化:1次データ、2次データ、3次データの意味と違いを知る。これらを組み合わせて補完し分析することで、さらに有益な情報を得られることを認識する。また、データをメタ化し、メタデータにすることで，情報の整理が進むことを理解する。
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）: 構造化データと非構造化データの違いを知る。ビッグデータとしても扱われることのある、非構造化データの種類を知る。

データサイエンスの基本となる仮説検証、知識発見、原因究明とはどのようなものなのでしょうか？本節ではデータサイエンスの基本を解説します。
データサイエンスの基本となる分析を経てそれらはどのように学術やビジネスでは役立てられるのでしょうか？本節では計画策定、判断支援、活動代替、新規生成に焦点を当てます。
データサイエンスの技術は具体的に研究開発、調達、製造、物流、販売、マーケティング、サービスの分野でどのように役立てられているのでしょうか？改めて具体例をもって解説します。

数量化された教師ありデータもしくは教師なしデータに基づいて、数値予測やグルーピングを行うときに用いられる代表的な手法を解説する。データに基づく予測を理解するとともに、その中で用いられる領域知識の必要性や最適化などの考え方、特化型AIと汎用AIの違いなどを学ぶ。また、シミュレーションデータを活用したデータ同化の方法への応用例を紹介する。
テキストデータと音声データについて、そのデータの形式と基本的な分析の手法を解説する。テキストも音声もコード化された数値データであることを理解し、分析によって意味へと変換されることを理解する。また、応用例についても、いくつか紹介する。
画像/動画像データを扱う際のデータ構造について説明した上で、データから情報を抽出するために用いられる様々な技術を概観する。また、画像分野における現在のAIの応用範囲とその限界についても解説する。

データの解析と可視化についてその概要を説明する。解析については、様々な解析課題（予測やグルーピングなど）の目的や必要性を、例を通して理解する。そして様々な可視化手法（グラフ化や多次元の可視化）の目的や必要性を、例を通して理解する。
データ解析の対象が、表形式で表現された数値データだけでなく、音や画像、そして言語などのメディアデータも含まれることを理解する。また各メディアに、どのようなデータ解析課題があるかを概観する。
データ解析におけるAIの利用について概観する。特に、データ解析的視点から見たAIの利用価値について述べる。関連して、特化型AIと汎用型AIの違いや、現状のAIにできることとできないことに触れる。

PDCA（P:計画、D:実行、C:評価、A：改善）サイクルの概要を説明する。実際のデータを活用したPDCAサイクルを用いたデータ解析を通じて、PDCAサイクルの重要性を理解する。
製造現場における欠陥品の検知、ランディングページのA/Bテスト、購買推薦アルゴリズムなどの例を交えて、データ科学やAIの活用例を理解する。
生産工学、経済などの分野に一般的な考え方を、在庫管理、マーケティング、産業構造と経済規模などのデータ例を交えて再考察する。

神経ネットワークや計算機内部の論理回路との関係性を交えながら、ニューラルネットワークの簡単な構造や計算、利用法について理解する。
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）: 画像認識やパターン認識の分野で知られている深層生成学習モデルの例や基礎を学習する。
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）：2つのニューラルネットワークがお互いの評価をして競い合い学習していく」敵対的学習(Adversarial Training)の基礎を知る。
機械学習の一領域としても知られる強化学習や転移学習の例を知る。