パソコン・システム開発

「機械学習・AI」のためのデータの自己組織化 : 「大きなデータ」を「小さなデータの集まり」にして考える : 「家庭用パソコン」と「Excel」で「大型データ」を扱う!

和田　尚之

工学社 · 2022年7月 · I/OBOOKS

登録している人: 0
読了した人: 0
レビュー: 0

内容紹介

2014年に総務省は「ICT（情報通信技術）社会」「知識情報社会」を目指すため、『「新たな情報通信技術戦略（IT戦略）の在り方」について』を公開しました。　その中に「次世代AI」の方向性を探るキーワードとして「脳科学に基づく人工知能技術」があり、それらを支える1つとして、「ビッグ・データ」が欠かせないと記されています。　しかし、「ビッグ・データ」の扱いには、「高性能なコンピュータ」や「高度な技術」が必要なため、初学者や小規模な企業が手を出すのは困難です。　そこで、「大きなデータ」を「小さなデータの集まり」にして考える「自己組織化」というアプローチを使うことで、「ビッグ・データ」とまではいかないまでも、かなりの「大型のデータ」への対応ができるようになります。＊　本書では、手軽なExcelを使って、大型データを自己組織化するための手順を解説します。　また、「自己組織化」の先にある、家庭用パソコンでの「機械学習・AI」への展開を目指します。 ■「機械学習・AI」のイメージ・大型データを「機械学習・AI」で解くために・「機械学習・AI」の全体的なイメージ・さらに「次のステップ」を目指したい方へ ■データを「場」として捉える・「場」とは・具体的な数理学での「場」（field） ■「自己組織化」の基礎・あいまいな状態を測る道具「隠れた次元」・「群の破れ」という考え方・「ハウスドルフ次元外測度」という考え方・ナスカの地上絵をAIで解く ■時間に依存しない「場」のモデルケース・街道のモデルケース「佇まい」を考える・峠のモデルケース「あやうい」を考える ■時間に依存する「場の風景」のモデルケース・商いの風景（商店の売り上げのモデルケース）・路の風景（人の脳波を使った景観のモデルケース）「ふうけい」を考える・「ハイリスク＆ハイリターン」を四分位数で解く ■「自己組織化」のための「多変数の合成理論」・「時間依存」と「時間非依存」・時間に依存しない状態（Biplotの理論）・固有値問題（固有値、固有ベクトル、固有値分解、特異値分解）・時間に依存する状態（Kalman Filterの理論）・群の臨界点を求める「自己相関関数」