政府は「AI戦略2019」の中で，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，各大学・高専で参照可能な「モデルカリキュラム」の検討と策定が進められています。本書はこのモデルカリキュラムのうち，基礎的な範囲に対応した教科書です。AIリテラシーの基礎を薄く広く扱います。文科省の認定制度に準拠し，半期15回の講義で進められるよう工夫されています。これから導入を考えているすべての大学・高専が対象です。

シリーズ10万部突破!　 「東大生が書いたノート」シリーズ最新作! 就活、ビジネスの会議、サークルの打ち合せ、家族会議など、 あらゆる話し合いで一生使える、誰も書かなかった知的生産法とは―― 東大発、「グループディスカッション思考」を初公開! 「本書は就活のグループディスカッションをキッカケとして、 大学のゼミや勉強会、留学先でのグループワーク、サークルの打ち合せ、 さらには社会人の会議や家族会議にも応用できるような、 いわば『集団的な知的生産の枠組み』を提案し、それに基づいて実践的な 『ディスカッションの方法論』をできるかぎり体系的に説明しようとするものです」 ――「はじめに」より 【主な内容】 PART1　原則編 あらゆる集団的な知的生産の構造に迫る!　2ステージ、6ポジション 　Chapter1　グループディスカッション(GD)って、何だろう? 　Chapter2　グループディスカッション(GD)の考え方 　Chapter3　グループディスカッション(GD)の流れ 　Chapter4　ポジショニング(ハード編) 　Chapter5　ポジショニング(ソフト編) 　Chapter6　集団的な知的生産のメカニズム 　Chapter7　話し合いのパワーバランス 　 PART2　実践編 ケーススタディで学ぶ!　グループディスカッションの考え方・進め方 　Chapter8　実況!　グループディスカッション 　Chapter9　話し合いを破壊する「モンスター」とは 付録01　GDを数値で評価する 付録02　GD用語リスト

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ◆モデルカリキュラムに対応。MDASH認定制度に準拠◆ AIリテラシー教育に対応した文系の方にもおすすめできる教科書です。 　本書は「数理・データサイエンス・AI（リテラシーレベル）」（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、14章構成で半期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。 ■目次 ●第1講 AIリテラシーとは ・1-1 AIの定義 ・1-2 なぜAIが必要とされているのか ・1-3 生成AI ・1-4 この本ではどこまで学ぶか ●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 ・2-2 第4次産業革命、Society5.0 ・2-3 データ駆動型社会 ●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 ・3-2 多くの機器のログとオープンデータ ・3-3 1次データ、2次データ、メタデータ ・3-4 非構造化データの増大 ●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 ・4-2 具体的にどう使えばいいのか ・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 ●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 ・5-2 可視化の手法にはどういったものがあるのか ・5-3 非構造化データの処理とは ・5-4 AIの技術とは ●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 ・6-2 基本統計量でデータの特徴をつかむ ・6-3 もととなるデータを集める ・6-4 集めたデータを集計する ・6-5 誤読しないデータの読み方、データの比較方法 ●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 ・7-2 GDPR、忘れられる権利、ELSI、オプトイン・オプトアウト ・7-3 データの正義について ●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 ・8-2 情報のCIA ・8-3 暗号化と匿名加工情報 ・8-4 生成AIが生み出す新たなリスク ●第9講 統計と数学のきほん ・9-1 AIに必要な数学 ・9-2 AIに必要な集合・場合の数 ・9-3 AIに必要な確率・統計 ●第10講 アルゴリズムとは何か ・10-1 AIとアルゴリズム ・10-2 組み合せ爆発を攻略するAIのアルゴリズム ・10-3 探索問題 ・10-4 二部マッチング問題 ●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 ・11-2 プログラミングの歴史 ・11-3 データの構造 ・11-4 プログラミング環境の構築 ・11-5 変数 ・11-6 条件分岐 ・11-7 繰り返し ●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 ・12-2 データベース ・12-3 データ加工 ・12-4 データクレンジング ●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 ・13-2 時系列データの変動要因 ・13-3 時系列データ分析演習（二酸化炭素排出量の予測） ・13-4 文章データ分析 ・13-5 文章データ分析演習（スパムメールフィルタの作成） ●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 ・14-2 教師あり学習の出力 ・14-3 教示なし学習の出力 ・14-4 過学習と汎化 ・14-5 データ活用実践1－教師あり学習、分類 ・14-6 データ活用実践2－教師あり学習、回帰 ・14-7 データ活用実践3－教師なし学習、連関分析 ■著者略歴 岡嶋裕史：中央大学大学院総合政策研究科博士後期課程修了。博士（総合政策）。中央大学国際情報学部教授。NHKスマホ講座講師。著書多数。 吉田雅裕：東京大学大学院博士課程修了。博士（学際情報学）。中央大学国際情報学部准教授。コンピュータネットワークとAIに関する研究教育活動に従事。中央大学AI・データサイエンスセンター所員，東京大学客員研究員，電子情報通信学会幹事。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 文理を問わないすべての大学生が身に着けるべきデータサイエンスの基礎を，Pythonを使った演習を行いながら実践的に学べる教科書です。数学的なバックグラウンドが無くても，概要を理解しながら飽きずに進めることができる内容です。数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベル）に準拠。大学，大学院の講義で教科書として使用しやすいよう，全14章で構成しています。