| 大項目 | 小項目 | 項目(学習しておくべき用語) |
|---|---|---|
| 社会におけるデータAI 利活用 | 社会で起きている変化 |
・ビッグデータ、IoT、AI、ロボット
・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 ・第4次産業革命、Society 5.0、データ駆動型社会 |
| 社会で活用されているデータ |
・複数技術を組み合わせたAIサービス
・人間の知的活動とAIの関係性 ・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 ・1次データ、2次データ、データのメタ化 ・構造化データ、非構造化データ(テキスト、画像/動画、音声/音楽) ・データ作成(ビッグデータとアノテーション) |
|
| 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)
・研究開発、調達、製造、物流、販売、マーケティング、サービス ・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 ・対話、コンテンツ生成、翻訳・要約・執筆支援、コーディング支援 |
|
| 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
・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 ・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 ・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 ・認識技術、ルールベース、自動化技術 ・マルチモーダル(画像、音声)、プロンプトエンジニアリング |
|
| 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)
・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 |
|
| 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)
・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、生成AI、強化学習、転移学習) ・大規模言語モデル、基盤モデル、拡散モデル |
|
| データ・AI 利活用における留意事項 | データ・AI を扱う上での留意事項 |
・ELSI (Ethical, Legal and Social Issues)
・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、知的財産、インフォームドコンセント ・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 ・AI社会原則(公平性、説明責任、透明性、人間中心の判断) ・データバイアス、アルゴリズムバイアス、標本選択バイアス、帰納バイアス、公表バイアス ・AIサービスの責任論、データガバナンス ・データ・AI活用における負の事例 ・ハルシネーション、偽情報、有害コンテンツの生成・氾濫 |
| 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
・匿名加工情報、暗号化、復号、パスワード、悪意ある情報搾取、不正アクセス行為の禁止、個人認証、ユーザ認証、アクセス制御、個人識別符号、要配慮個人情報、再識別、秘密の曝露や差別の誘引 ・情報漏洩等によるセキュリティ事故 |
|
| データリテラシー | データを読む |
・データの種類、データの分布と代表値、データのばらつき
・打ち切りや脱落を含むデータ、層別の必要なデータ、外れ値 ・相関と因果(交絡、偏相関係数)、回帰(重回帰分析、ロジスティック回帰分析、モデルの評価) ・分類とグループ化(階層的クラスタリング、非階層的クラスタリング) ・クロス集計表、分割表、相関係数行列、散布図行列 ・母集団と標本抽出(層別抽出、多段抽出、クラスター抽出、母数と統計量の区別、標本分布) ・統計情報の正しい理解(誇張表現に惑わされない) |
| データを説明する |
・データの表現(散布図、ヒートマップ、チャート化)
・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、ランダム化比較試験) ・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) ・色の効果や特徴、点の色・大きさ・形状への配慮、線の太さと様々な破線 |
|
| 数理基礎 | 線形代数 |
・平面ベクトル、空間ベクトル、次元ベクトル、ベクトルの和、内積、直交性、ノルム
・正方行列、単位行列、転置行列、対称行列、行列の積、逆行列、行列式 ・線形独立、部分空間 |
| 微分積分 |
・指数関数、対数関数、三角関数
・積の微分、合成関数の微分、関数の最大最小、線形近似、原始関数、積分と微分の関係 ・偏微分、接平面、重積分、累次積分 |
|
| 数列 | ・数列の和、∑記号、極限 | |
| デジタル情報とコンピュータの仕組み | デジタル情報 |
・数と表現(2進数の表現、論理値) ・情報量の単位(ビット、バイト、接頭語(k.M.G.T.m.µ.n.pなど)を使った表現) ・文字の表現(ASCII コード、シングルバイト文字、ダブルバイト文字) ・デジタル化(連続値、離散値)、画像・動画(ラスタデータ、ベクタデータ、コーデック) |
| コンピュータの仕組み | ・集合、命題、真偽、否定、論理和、論理積 ・有効数字、浮動小数点、仮数部、指数部、丸め誤差 |
|
| 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、端子、処理、判断、矢印 |
| アルゴリズムの構造 | ・代入、順次構造、選択構造、繰り返し構造 | |
| 基本的なアルゴリズムの例 | ・並べ替え(ソート)、探索(サーチ)、合計、併合 | |
| データ構造とプログラミング基礎 (主にPython) |
データ構造 | ・配列とリスト(メモリ、ベクトル、行列、アドレス) ・連想配列(キー、バリュー、連想、辞書、ハッシュ) |
| プログラミング基礎 |
・インタープリタ言語(ソースコード、機械語、実行) ・構文(変数、代入、計算、分岐、繰り返し)、演算(オブジェクト、四則演算) ・関数(引数、返り値)、制御文(for, while, if文)、入出力(print文) |
|
| データハンドリング | 代表的なデータ形式 | ・csv、XML、JSON |
| その他のデータ形式 | ・離散グラフ、キー・バリュー形式である隣接リスト、NoSQL | |
| データベース | ・データベース管理システム (DBMS)、リレーショナルデータベース、正規化、選択、射影、結合、SQL | |
| データクレンジング | ・表記の揺れの吸収(文字列、数字、日付、時刻)、名寄せ | |
| データ加工 | ・部分集合の抽出、行の並べ替え、新しい列の追加、プログラミング (Python, R) | |
| データ取得とオープンデータ | 日本や世界のオープンデータ | ・二次利用可能なルール、機械判読への適性、オープンデータ憲章 |
| オープンデータの取得 | ・e-Gov データポータル、データカタログサイト、Open Knowledge Foundation、機械判読可能なデータの作成や表記方法、Web API | |
| 統計法 | ・基幹統計調査、調査票情報の二次的利用 | |
| 確率と確率分布 | 順列と組合せ | ・階乗(n!)、順列(P)、組合せ(mCm) |
| 確率分布の概念 | ・確率変数、確率関数、確率密度関数、母平均、母分散、同時分布、周辺分布、共分散と相関、独立 | |
| 主要な確率分布 | ・ポアソン分布、指数分布、一様分布、正規分布、2変量正規分布 | |
| 統計的推測 | 統計的モデル | ・統計的モデル、母数、パラメータ |
| 標本分布 | ・独立同一分布、標本平均、標本分散 | |
| 点推定 | ・モーメント法、最尤法、バイアス、不偏推定量、平均二乗誤差、バイアス分散分解 | |
| 仮説検定の考え方 | ・帰無仮説、対立仮説、2種の誤り、有意水準、検出力、p値、検定統計量 | |
| 種々のデータ解析 | 時系列データ解析 | ・時系列データ (トレンド、周期、ノイズ)、季節調整、移動平均 |
| テキスト解析 | ・形態素解析、単語分割、n-gram、言語モデル、文章間類似度、かな漢字変換の概要 | |
| 画像解析 | ・画像データの処理、画像認識、画像分類、物体検出 | |
| 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)
・データの収集、加工、分析 ・データ分析結果の共有、課題解決に向けた提案 |
| 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)
・データの収集、加工、分析 ・データ分析結果の共有、課題解決に向けた提案 |