高校数学における「情報II」のためのデータサイエンス・データ解析入門 第1章 #1

株式会社リュディアです。今回から総務省統計研究所より公開されている高校数学における「情報II」のためのデータサイエンス・データ解析入門 第1章についてまとめてみます。まとめというよりも個人的に本テキストを勉強題材として再度基礎を勉強してみた、という感じですね。

今はこの手の資料というか勉強道具が無料で手に入りよい時代です。以下のページに総合学習のための補助教材としてだれでも内容を見ることができますしソースコードも公開されています。

統計学習の指導のために（先生向け）

問題はこれを学校の先生が扱えるのか？という部分だと思うのです。高校生の皆さん、あるいは入門テキストとしてこの資料を利用する方の助けになればと思いまして、私どもでもまとめていきます。

まず目次を見てみましょう。大きくは以下のようになっています。

第1章 データサイエンス（機械学習のアルゴリズム）によるデータ解析が社会にもたらす変化
第2章 機械学習を用いたデータサイエンスのプロセス
第3章 機械学習（教師あり学習）
第4章 機械学習（教師なし学習）
第5章 構造化データ処理の基本
第6章 非構造化データ処理の基本
第7章 プログラミングの基本
参考

高校の授業でこれらの内容を学べれば大学に入学してからの理解も深まると思います。しかし情報II ですから選択科目ですね。この部分は仕方ないとしましょう。

では最初に用語と歴史についてみていきましょう。

人工知能またはAI、機械学習、深層学習の違いをわかりやすく説明できますか？これは概念レベルの内容であり非常に重要です。メディアの記事や識者の方でも明らかに間違っているなと感じるときがあります。以下の包含関係をしっかりと理解してください。

この絵をみたときに機械学習ではない人口知能って何？とか深層学習ではない機械学習て何？と思いますよね。例えば機械学習ではない人口知能の一例としてエキスパートシステムがあります。深層学習に含まれない機械学習の一例には第二世代のニューラルネットワークがあります。ディープラーニングが第三次 AI ブームの火付け役であったことは知っておいて欲しいのですが、何でもかんでもディープラーニングが適しているわけではありません。

次に歴史についてですが人工知能全体の歴史よりは今の第三次 AI ブームの歴史を知っておく方が有意義だと思います。以下の記事に私どもでコンパクトにまとめています。

高校数学における「情報II」のためのデータサイエンス・データ解析入門 第1章 に関するまとめの続きは以下からどうぞ。

では、ごきげんよう。