アルゴリズムとデータサイエンス

「 AI 人材」や「高度 IT 人材」を目指す人のみならず、今やコンピュータサイエンスやデジタル技術に関する知識は〈これから〉の時代を生きていくすべての人に必要なものになりました。 学校教育の現場では「 GIGA スクール構想」のもと 1 人 1 台タブレット端末が配布され、小学生のときからデジタル教材やプログラミングに触れる機会が増え、この動きは中学校にも拡大しています。高校では「情報 1 」の新科目が必修となり、 2025 年から大学入学共通テストへの導入が決まりました。 新しい時代へのパスポートとなるこの全 5 巻のシリーズは、日常生活の中で見聞きする話題から始まり、まるで紙面上で実際に授業を受けているような感覚が味わえる、読みやすくて楽しい入門書です。 シリーズ第 4 巻は、アルゴリズムの基本的な考え方と種類、データ構造やさまざまなデータ分析の手法のほか、機械学習やニューラルネットワークについて学びます。 【シリーズの特長】 ◆親しみやすい話題から始まる 各章のテーマに関する〈身近なモノやサービス〉の事例やエピソードを紹介。 ◆高校で学ぶ「情報」の学習範囲に準拠 2022 年度開始の新科目「情報 1 」、 2023 年度開始の「情報 2 」をフォロー。 ◆理解を助ける豊富な写真や図表 イメージしにくい概念や考え方をビジュアル面から補足。 ◆学生から社会人まで役立つ 中高生からの独習〜社会人の学びなおし (リスキリング) ニーズに対応。「 IT パスポート」「基本情報技術者」試験の受験者や「情報」教科担当職員の事前学習用に最適。 Chapter 1 アルゴリズム 1-1 アルゴリズムとは 1-2 よいアルゴリズムの指標 1-3 フローチャート Chapter 2 代表的なアルゴリズム 2-1 探索問題 2-2 ソーティング 2-3 最短経路問題 Chapter 3 アルゴリズムとデータ構造 3-1 配列 3-2 リスト 3-3 木構造 3-4 スタックとキュー Chapter 4 さまざまな現象のシミュレーション 4-1 数式に従う現象のシミュレーション 4-2 確率的シミュレーション 4-3 検定 Chapter 5 データの分布形状の考慮 5-1 分布形状の考慮 5-2 距離尺度 5-3 主成分分析 Chapter 6 クラスタリング 6-1 クラスタリングとは 6-2 k-means アルゴリズム 6-3 階層型クラスタリング Chapter 7 重回帰分析による予測 7-1 重回帰分析とは 7-2 重回帰分析の方法 7-3 変数の種類 7-4 モデルのよさと変数選択 Chapter 8 購買データの分析と推薦 8-1 同時購入商品に注目した分析 8-2 購入者に注目した分析 Chapter 9 機械学習による認識 9-1 人工知能と機械学習 9-2 データの準備 9-3 古典的な機械学習アルゴリズム 9-4 認識結果の評価 Chapter 10 深層学習 10-1 ニューラルネットワーク 10-2 ニューラルネットワークによる物体認識 10-3 ニューラルネットワークの学習方法 10-4 代表的なニューラルネットワークの形状