応用基礎としてのデータサイエンス　AI×データ活用の実践

第1章    データサイエンス基礎

1.1    データ駆動型社会とデータ分析の進め方
　1.1.1    データ駆動型社会とSociety5.0
　1.1.2    データサイエンスをとりまく現状
　1.1.3    データ分析の進め方

1.2    データの記述
　1.2.1    種々のデータ
　1.2.2    基本統計量
　1.2.3    量的×量的データの要約
　1.2.4    質的×量的データの要約
　1.2.5    質的×質的データの要約

1.3　データの可視化
　1.3.1　基本的なグラフ
　1.3.2　ビッグデータの可視化事例

1.4　データ分析の手法
　1.4.1　回帰分析
　1.4.2　単回帰モデル
　1.4.3　最小二乗法
　1.4.4　家賃のデータの回帰直線と予測
　1.4.5　決定係数
　1.4.6　重回帰モデルと最小二乗法
　1.4.7　モデル選択
　1.4.8　重回帰分析の結果の解釈
　1.4.9　ロジスティック回帰分析
　1.4.10　時系列データとその基礎集計
　1.4.11　時系列データの変動分解    
　1.4.12　アソシエーション分析
　1.4.13　クラスター分析

1.5　数学基礎
　1.5.1　微分積分基礎
　1.5.2　線形代数基礎
　1.5.3　確率・統計基礎

第2章    データエンジニアリング基礎

2.1　ビッグデータとデータエンジニアリング
　2.1.1　情報通信技術（ICT）の進展とビッグデータ
　2.1.2　コンピュータで扱うデータ
　2.1.3　Internet of Things (IoT)
　2.1.4　ビッグデータ活用事例

2.2　データ表現，プログラミング基礎，アルゴリズム基礎
　2.2.1　データ表現
　2.2.2　プログラミング基礎
　2.2.3　アルゴリズム基礎

2.3　データの収集と加工，データベース
　2.3.1　データの収集
　2.3.2　データの整形・加工
　2.3.3　データの集計
　2.3.4　データベース管理システムの利用

2.4　ITセキュリティ
　2.4.1　情報セキュリティの基礎概念
　2.4.2　暗号化
　2.4.3　電子署名
　2.4.4　認証
　2.4.5　プライバシー保護

第3章    AI基礎

3.1　AIと社会
　3.1.1　AIの歴史
　3.1.2　AIの諸領域
　3.1.3　AIと身体性
　3.1.4　AIとゲーム
　3.1.5　AIの難問
　3.1.6　深層学習と実世界問題
　3.1.7　AIと知的財産権
　3.1.8　AIと倫理
　3.1.9　AIの開発環境と実行環境
　3.1.10　AIシステムの開発プロセス
　3.1.11　AIとこれからの社会

3.2　機械学習の基礎と予測手法
　3.2.1　機械学習の基本的枠組み
　3.2.2　汎化能力とモデル選択
　3.2.3　正則化法とスパースモデリング
　3.2.4　交差検証法によるモデル選択
　3.2.5　識別問題の機械学習
　3.2.6　機械学習の評価法
　3.2.7　ベイズモデリングと予測

3.3　深層学習の基礎
　3.3.1　深層学習の基本的な枠組み
　3.3.2　ニューラルネットワークの原理
　3.3.3　パラメータの学習
　3.3.4　ニューラルネットワークの拡張
　3.3.5　発展的トピック 

3.4　ロボット，認識，言語
　3.4.1　ロボットとAI
　3.4.2　認識とAI
　3.4.3　言語とAI