Split (1)

train · 28.3k rows

userid stringclasses 377 values	course_number int64 1 15	question_number int64 1 5	question_content stringclasses 5 values	answer_content stringlengths 1 4.12k ⌀	grade stringclasses 5 values
C-2021-2_U112	9	1	今日の内容を自分なりの言葉で説明してみてください	２つのデータの関係性を示すために相関がある。相関関係があってもそこに原因や結果が存在するとは限らないが、そのことを示すのは難しい。データ全体の状況把握するためにデータをいくつかのグループに分けることをグルーピングという。また、クラスタリンングとは自動的に似たデータを同じグループに分けることである。クラスタリングには絶対的な答えが存在しない。人工知能とは人間の真似をする機械である。人間と同じような柔軟さと多機能性を持つ強いAIはまだ検討段階である。	B
C-2021-2_U112	9	2	今日の内容で、分かったこと・できたことを書いてください	相関関係があっても、そこに原因や結果が存在しないことが理解できた。そこに因果関係が存在するかどうかを確実にすることは難しいことも分かったが、そのことを踏まえて示されたデータを客観的に評価する姿勢を大切にしたい。人工知能について知り、また人口知能が様々な分野で応用されていることも知った。人工知能の学習についても学び、データが十分に必要であることを学んだ。人工知能は学習によって、正しい関数を学んでいく。	B
C-2021-2_U112	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	深層学習については少し難しく感じた。深層ニューラルネットワークについても同様に曖昧な部分が残った。復習をしっかり行って理解を深めたい。	B
C-2021-2_U112	9	4	質問があれば書いてください	特にありません。	B
C-2021-2_U112	9	5	今日の授業の感想や反省を書いてください	資料などを読む際に、その根拠を示すものとして相関関係のある資料が示されるかもしれないが、そこに因果関係が必ずしも存在するわけではないということを念頭に置き分析、判断する能力が必要だと感じた。人工知能について詳しく知らないことも多かったが、人口知能について考えるにあたって、知能とは何か考えることから始まり、強いAIについて考える際も人間と同じような柔軟さ、多機能性はどこからきているのか考える必要があることを知り、想像以上に深い問だなと感じた。	B
C-2021-2_U41	9	1	今日の内容を自分なりの言葉で説明してみてください	データとは物事の推論の基礎となる事実や参考になる資料・情報、またコンピューターでプログラムを使った処理の対象となる記号化・数字化された資料のことをさす。このデータは量的データ(比率データ、間隔データ)と質的データ(順位データとカテゴリデータ)に分けられる。また、データは構造化データ(表の形式で表せられるデータ)と非構造化データ(表形式にならないデータ)に分けられる。データから意味のある情報を引き出すために、データの分析を行う。適切な分析方法を用いなければ意味のある情報は抽出できない。学術的・社会的な点から、客観性と再現性のある根拠が必要であり、さらに根拠を数値として表現する必要がある。なのでデータ分析の需要が高まっている。また、データが大規模で複雑で多様化しているためデータ分析をする必要がある。データ分析をするために、計算機リソースの大規模化、数値分析法、機械学習の進捗、オープンソース化、無料ライブラリ、技術解説サイトなどデータ分析技術の進捗が見られる。このデータの分析は主に予測、(傾向や関連の)発見、分類・グルーピングのタスクがある。私たちは身近なところで予測をしている。例えば、診断においてや推薦するときにおいて、また未来のことに関しても日常的に予測している。データを用いて予測するとき予測モデルを作成する。この予測モデルができると過去の経験に基づいて過去になかった状況に対しても予測可能となる。予測モデルは色々考えられ、モデルによって予測結果は異なり精度が違ってくる。そして同じ予測モデルだとしてもデータへの当てはめ方はたくさんある。適切な予測モデルを選ぶことが大切であり、またなるべく多くのデータを正確に予測できるように、予測モデルを適切にデータへ当てはまる必要がある。しかしやはり、現時点と予測時点での状況の違いや予測結果を決定する要因の不確定性、どの予測モデルを使うか、また、過去データを十分な収集する必要がある、といった観点から、それでも予測をすることは難しくなっている。データ分析のタスクのうちのもう一つに(傾向や関連の)発見というものがある。発見とは大規模なデータの中に潜む傾向を見つける方法であり、発見のための代表的手法に、相関分析と頻出パターンの発見がある。相関とはAとBの増減の傾向が似ているときを指す。相関には強さがある。すなわち傾向には強さがある。AとBを軸に取りグラフに書くとき、相関が弱いとき点が散らばっている。相関はAが増えればBも増加する、またはAが増えればBも減る（線形の関係）関係なので、相関が強いとき直線状に並ぶ。Aが増えればBも増える傾向にあるとき、正の相関が強いといい、Aが増えればBが減る傾向にあるとき負の相関が強いという。関係の無いことを無相関という。無相関のとき直線がひけない。相関分析をする際、擬似相関に気を付けなければならない。見かけ上相関しているが、本当に相関関係があるとは限らない。また、相関だけで因果関係まで知れないので、相関関係があっても二つの事象のうちどちらが原因、結果かは不明である。これらのことに気をつけて相関分析をしなければならない。頻出パターン発見では、バスケット解析をする。バスケット解析では、例えばそれぞれの購入者が同時購入したものを比較し、どの組み合わせが多いかなどを見つけ出す。これはアンケート結果の傾向を分析するときにもよく使われる。データ分析のもう一つのタスクに分類・グルーピングがある。グルーピングはデータをいくつかのグループに分けることである。グルーピングすることで、データ全体の状況把握が容易になる。こうすることでデータの組み合わせや階層化も可能となる。グループがあらかじめ決まっていない場合にはクラスタリングが非常によく使われる。クラスタリングの目的は、似たデータが同じグループになるようにすることで自動的にグループを構成することである。ここで、クラスタとは「似たデータのかたまり」を意味する。クラスタリングとグルーピングが違うのは、クラスタリングはグループを直接定義しているのではなく、グループを分けるだけであるという点だ。できたクラスタの数からデータ全体の多様性が分かり、各クラスタのデータ数で各クラスタの勢力が分かる。また、各グループの代表例を見ることで全体を概観可能である。しかし、クラスタリングでは考えるべき点も多い。クラスタリングにおいて「データが似ている」のはどういうことかをしっかり考える必要がある。たとえば、「何が似ているのか、いったいどこに着目するのか、どれほど似ているのか、その似ている具合をどのように測り計算するのか」について考える必要がある。この「似ている具合の計り方」も一意的に決まっておらず、クラスタ数の決め方も多種多様であり、指標も決まっていないので、クラスタリングには絶対的な答えが決まっていないことが多い。したがって、数学に基づいたデータ解析を使えば答えが一つに決まるわけでないことが分かる。人工知能(AI)とは人間の知能を真似する機械のことである。現在利用されているすべての人工知能(AI)は、特定の知能だけを人工的に実現したAI、すなわち特定のことしかできないAIである特化型AIである。特定型AIは決められたことしかできないため`弱いAI‘と呼ばれる。これに対し汎用AIとは我々の知能と同じ柔軟さと多機能性を持つ’強いAI’であるが、現状ではまだ検討段階であり、どんなAIが強いAIなのかも定義できていないというのが現状である。汎用型AIを実現するための一つの方法として、脳の構成する神経細胞の個々の動きを再現し、それらの神経細胞を繋げて脳全体を再現する、全脳シミュレーション」というものがある。自分たちのそばにも、Siriや画像認識、顔認識、推薦や広告配信、医療診断などの人工知能がある。また、AIがゲームでプロに勝利するなどの事例も存在する。また、AIはシェアリングエコノミーにおいても利用される。シェアリングエコノミーとはインターネット上のプラットフォームを介して個人間でシェア（賃借や売買や提供）をしていく新しい経済の動きである。この５つのシェア対象は場所、乗り物、モノ、人、スキル、金である。ここで、AIはどこで・いつ・どのような共有依頼が来るのかを予測したり、シェアすべきリソースを最適に配分したり、需要・供給に応じた利用価格の自動決定を行うなどで利用される。また、AIが様々な人の購買行動や閲覧履歴データをもとに、特定の人が興味を持ちそうな商品や記事を予測して商品の推薦を行うということもある。また、AIは、カメラを店舗や街中におき人の動きやモノの動きを観察する顧客監視に利用されたり、河川氾濫や渋滞監視などにも利用されたりする。そして、AIはデジタルトランスフォーメーション(DX)にも利用される。このDXとは、 AIを含む様々な情報処理技術によりビジネスや様々な組織の効率を向上させることである。今後DXはオフィス業務で多用されると考えられている。 AIは人間のように学習する。AIの場合、入力に対する出力の例をたくさん用意し、その通りに出力できるようにAIを調節する必要があり、それを機械学習と呼ぶ。機械学習によって、たとえば「予測」や「認識・分類」、既に存在する様々なデータから世界に存在しなかった新しいデータを作成するなどの「生成」などがある。なお、この機械学習は豊富な種類のデータと十分な量のデータを要する。データが十分にないと学習しても性能が出せないし、またデータがたくさんあったとしても似たようなものばかりだと学習が十分にできない。 AIについてもう少し詳しく考えてみる。AIとは関数y=f(x)である。そして機械学習とは、データによって関数y=f(x)を望ましい形に変形させる方法である。関数を変形させるとき、パラメータを変形させる。パラメータを変形させると関数の形が変わり、性能も変わっていく。最近主流のAIは深層ニューラルネットワークである。大量のデータと学習(深層学習と呼ばれる)によって、非常に高性能なAIを実現できていて、予測・認識・生成などの様々な課題に利用できる。深層ニューラルネットワークは、入力データに対して様々な数を「かけたり」「足したり」することを何回も繰り返すことで最終的な答えが出てくる。この「様々な数」とはパラメータのことであり、学習によりこれらパラメータを適切に設定する必要がある。最近 AIが劇的に進化してもてはやされる理由として、この深層ニューラルネットワークの利用や非常に大規模なデータが入手可能になったこと、コンピュータの性能が上がったことがあげられる。深層ニューラルネットワークではパラメータが膨大なのでたくさんのデータ必要になるが、コンピュータやインターネットなどで可能になってきており、また、コンピュータの性能の向上からこの深層ニューラルネットワークの学習ができることになった。先述の3個の要因をさらに加速させるオープン戦略というものがあり、オープン戦略にはオープンソースやオープンデータや無料で使用できるコンピュータなどがある。誰もが利用できる環境ができたので、AIの発達を加速させた。しかし現在のAIは万能ではない。現在のAIは特化型であり、汎用型ではないので、特定の事しかできない。また、十分なデータがなければ正しく動かない。そして、AIには様々な問題がある。例えば、人間だと絶対起こさないような誤りを起こすという敵対的事例である。この問題は、AIは習っていないものについては融通が効かないことを意味する。また「特定の範囲のことしか考えが及ばない」というフレーム問題というものもある。さらに、AIでは判断根拠を見出すことが難しい。現在、AIが根拠にした物が分かるような、この問題を解決すべくexplainable AI（説明可能AI）の研究が数多く行われている。	A
C-2021-2_U41	9	2	今日の内容で、分かったこと・できたことを書いてください	データの予測は難しいものであり、データの予測モデルも色々ある上にその予測モデルへのあてはめ方も様々あるのでデータが与えられても一概には予測できないということが分かりました。データ分析の残りのタスクである傾向や関連の発見、分類・グルーピングのことがよく分かりました。特にデータの分析をする際に本当に相関関係があるのか、また因果関係が正しいかをちゃんと考えないといけないということが分かりました。また、グルーピングとクラスタリングは似ていてややこしいと思っていたのですが、グルーピングとクラスタリンの違いはグループを直接定義しているかどうかにあるということが分かり、はっきりと違いが分かりました。そして、AIの話をよく最近聞きますが、なぜこれほどまでにAIの話を聞くのかを考えたことはありませんでした。しかし授業を受けてなぜAIがこれほどまでもてはやされていて注目されているのかが分かりました。また、単にAI は人間の知能を超えてくるものだと考えていたのですが、授業を聞いて現在のAIはまだ色々な問題を抱えており人間の知能よりもまだまだ劣っていて、人間の知能を超えることは現在において難しいということが分かりました。	A
C-2021-2_U41	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	全脳シミュレーションをどのようにAIに活用していくのかがよくわかりませんでした。	A
C-2021-2_U41	9	4	質問があれば書いてください	(3)についてですが、全脳シミュレーションにより分かった脳全体の様子を基に、汎用型AIにその電気信号の送る様子などを適応させていくというようなイメージでよろしいのでしょうか。	A
C-2021-2_U41	9	5	今日の授業の感想や反省を書いてください	AIはとても身近に感じているのでとても興味深かったです。また、データ分析についても将来データを見る上で疑似相関や因果関係など気を付けなければならない点などを知ることができてよかったです。（前回の日誌で、データとは何か・データの予測の部分を含めていなかったので今回の日誌に含めさせてもらいました。前回書き忘れてしまいすみませんでした。）	A
C-2021-2_U135	9	1	今日の内容を自分なりの言葉で説明してみてください	null	B
C-2021-2_U135	9	2	今日の内容で、分かったこと・できたことを書いてください	null	B
C-2021-2_U135	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	null	B
C-2021-2_U135	9	4	質問があれば書いてください	null	B
C-2021-2_U135	9	5	今日の授業の感想や反省を書いてください	null	B
C-2021-2_U115	9	1	今日の内容を自分なりの言葉で説明してみてください	機械学習や汎用AIと現在のAIの違いについて学んだ	A
C-2021-2_U115	9	2	今日の内容で、分かったこと・できたことを書いてください	大雑把にAIや機械学習のことが理解できた	A
C-2021-2_U115	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	なし	A
C-2021-2_U115	9	4	質問があれば書いてください	なし	A
C-2021-2_U115	9	5	今日の授業の感想や反省を書いてください	DSパートに入ってから内容がわかりやすくなった気がします	A
C-2021-2_U101	9	1	今日の内容を自分なりの言葉で説明してみてください	データ分析における「発見」とは大規模なデータの中に潜む傾向を見つける方法のことで、その代表的手法は相関分析と頻出パターン発見である。一方のデータから他方のデータが予測されるとき相関があるといい、相関には強さがある。また、見かけ上相関しているだけの擬似相関も存在するため見極めが重要となる。「グルーピング」とはデータをグループ分けすることでこれによって全体の状況把握が容易となる。グループの分け方を決める方法にクラスタリングが存在し、クラスタリングによってデータの多様性や各クラスタの勢力を把握することや全体の概観が可能になる。一方で「似たデータ」の定義は難しく、クラスタリングには考えるべき点が多く存在すると言える。現在使用されているAIは特定の知能だけを実現した特化型AIであり、人間のように多機能性と柔軟性を持ち合わせるものの開発は難しい。人工知能は身近に活用されており、日常生活や経済活動において重要な役割を果たすようになってきている。人工知能を入力に対して適切な出力ができるように学習させることはパラメータをうまく調整することである。これは機械学習と呼ばれ、これには十分なデータ量とバリエーション豊かなデータが必要である。複雑な課題に対応できるAIは入力に対して様々な数を掛けたり足したりすることを何度も繰り返して出力を行う。AIの性能が劇的に向上した背景には深層ニューラルネットワークの利用、大規模データが入手できるようになったこと、コンピュータのパワーアップが理由としてあげられる。これにさらに拍車をかけるのがオープン戦略であり、ますますの性能向上が予想されている。ただし、現在のAIは万能ではなく敵対的事例やフレーム問題、判断根拠が不明確であることなどの問題を克服することが必要となってくる。	A
C-2021-2_U101	9	2	今日の内容で、分かったこと・できたことを書いてください	「相関があること」が「二つのデータに因果関係があること」と同じ意味ではないということが分かった。また、原因と結果のどちらに対応するかも不明なこともあることからそれらしく見える擬似相関には注意が必要であるということに気づくことができた。また、傾向を見つけることが企業戦略等に生かされていることや大まかにグループを把握することが全体を考えるうえで効率アップにつながっているということも理解できた。 AIについては現段階では一つのテーマに沿ったことしかできないということ、AIに学習させるには教える人が必要であることが分かった。一方で現在の生活の中でも様々な面で活用されており人件費や労力の削減や効率化に大きな役割を果たしているということも知ることができた。また、複雑な課題に対応できるAIも内部で行っていることは９９％がかけたり足したりすることだということが分かった。	A
C-2021-2_U101	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	特にありません	A
C-2021-2_U101	9	4	質問があれば書いてください	null	A
C-2021-2_U101	9	5	今日の授業の感想や反省を書いてください	AIの問題点として挙げられていたフレーム問題について、人間の対処方法の仕組みすらよく分かっていないというのは興味深いと感じた。人間の脅威となり得るといわれるAIではあるが、現段階では人の仕組みにも不思議な点があるため完全に人と同じ知能を持つものが生まれるにはもう少し時間がかかるのだろうと思った。そして人についても未知の部分があることから「強いAI 」の定義が曖昧なままになっているのではないかと考えた。また、人とAIの学習の仕方が似ているという点も面白いと思った。AIは無機質なもので人との共通点があるとは思っていなかったため新鮮に感じられた。AIの得意な点をうまく利用した経済活動や事務作業などは今後ますます一般的になっていくと思うので、今回の講義の内容は知識として身につけておきたい。	A
C-2021-2_U133	9	1	今日の内容を自分なりの言葉で説明してみてください	データの分析の基本事項について学んだ。身近にあるAIや機械学習、深層ニューラルネットワークについて学んだ。	B
C-2021-2_U133	9	2	今日の内容で、分かったこと・できたことを書いてください	今、世の中で使われているAIは、特定のことしかできず、万能とはいえないものであるということがわかった。機械学習によって、予測、認識・分類、生成が可能になるということがわかった。大規模なデータがあること、深層ニューラルネットワークによって、AIの性能が向上していることも理解できた。	B
C-2021-2_U133	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	深層ニューラルネットワークや、パラメータのところがわかりにくかった。	B
C-2021-2_U133	9	4	質問があれば書いてください	null	B
C-2021-2_U133	9	5	今日の授業の感想や反省を書いてください	AIは私たちの身近なものに使われているもので、AIに職がとられるなど言われていたりもするので、興味深かった。AIの仕組みはあまり知らなかったが、今日の授業でどのように答えを導き出しているのかが少しわかったし、今のAIはまだ万能ではないということがわかって、さらに興味をもった。	B
C-2021-2_U117	9	1	今日の内容を自分なりの言葉で説明してみてください	データ分析の主なタスクの2つ目は傾向や関連の発見。その代表的な手法には相関分析や頻出パターン発見がある。３つ目は分類・グルーピング。その中でもグループがあらかじめ決まっていない場合に行うのがクラスタリングである。似たデータが同じグループになるようにすることで自動的にグループを構成できるが何を似ているとするのかは様々で考えるべき点も多くある。人工知能(AI)と機械学習について。現在のAIは特化型AIと言われるもの。優れた知能を持つ機械のように思えるが自ら考えることができない弱いAIである。逆に強いAItお言われるのが汎用AI。人間の知能と同じ柔軟さと多機能性を持つ。現在ではAIがゲームやビジネス等様々な場面に取り入れられている。そんなAIも初めから賢いわけでなく機械学習が必須である。これはAIのパラメータをいじる作業だ。そもそもAIとは深層ニューラルネットワークであり、これが入力データに対してパラメータをかけたりたしたりすることで答えを導出しているのだ。	B
C-2021-2_U117	9	2	今日の内容で、分かったこと・できたことを書いてください	前回と合わせてデータ分析の基本となる予測、発見、分類についてそれぞれが何を指しているのかや問題点などを理解することができた。特に発見については高校で習った相関関係を思い出しながら関連させることができた。AIと機械学習では全体としてAIがまだまだ万能ではないこと、機械学習とはそもそも何なのか分かった。	B
C-2021-2_U117	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	null	B
C-2021-2_U117	9	4	質問があれば書いてください	特にありません。	B
C-2021-2_U117	9	5	今日の授業の感想や反省を書いてください	今回の授業では身の回りにあるたくさんのAIを振り返った。	B
C-2021-2_U65	9	1	今日の内容を自分なりの言葉で説明してみてください	データ分析にはおもに３つのタスクがある。・グルーピング・予測・発見相関があるということと因果関係があるということは違う。最近のAI→深層シュミレーション	C
C-2021-2_U65	9	2	今日の内容で、分かったこと・できたことを書いてください	データ分析は、実は誰でもやっていて、現実でも役立つものであるということ	C
C-2021-2_U65	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	特にありません。	C
C-2021-2_U65	9	4	質問があれば書いてください	特にありません。	C
C-2021-2_U65	9	5	今日の授業の感想や反省を書いてください	事象を分析することの難しさと、その有用さを感じた。	C
C-2021-2_U33	9	1	今日の内容を自分なりの言葉で説明してみてください	AとBの傾向が規則性をもつ場合、AとBは相関すると言う。また、相関が必ず因果関係になるとは言えない。データ分析のさい似たデータが同じグループになるようにすることをクラスタリングと言う。 AIは人間の知能を真似する機械であり、特化AIと凡用AIに分かれる。深層ニューラルネットワークの利用とコンピューター性能のパワーアップによって最近AIの性能が爆発的に向上した。	B
C-2021-2_U33	9	2	今日の内容で、分かったこと・できたことを書いてください	同じデータでもどの基準でクラスタリングするかによってその結果も変わってくることを理解した。それゆえ、クラスタ数の決め方も多様である。また、AIがすでに日常生活のあちこちで活用されていることが分かった。	B
C-2021-2_U33	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	null	B
C-2021-2_U33	9	4	質問があれば書いてください	null	B
C-2021-2_U33	9	5	今日の授業の感想や反省を書いてください	データ分析のやり方を理解し、常に日常生活で無意識的にデータ分析をやっていることを実感した。 AIに過去のデータを入れるとシミュレーションを通じて未来を予測することが可能になることが面白かった。また、最近のAIは複合的かつ高性能であり、深層ニューラルネットワークを利用して莫大な計算量を計算することを知った。AIの発展を実感したし、これからのAIが楽しみだ。	B
C-2021-2_U17	9	1	今日の内容を自分なりの言葉で説明してみてください	データ分析の基本・・・傾向や関連の発展(発見、相関分析)、分析・グルーピング、最適化 AIと機械学習・・・人工知能とその応用(特定型AI 、汎用AI）、応用は様々例を用いての説明　　　　　　　　　機械学習、関数、深層ニューラルネットワーク　　　　　　　　　今のAIにできないこと敵対的生成ネットワークなどその他のAIの特徴など	B
C-2021-2_U17	9	2	今日の内容で、分かったこと・できたことを書いてください	AIにできることとできないことについてわかった。	B
C-2021-2_U17	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	特にありません。	B
C-2021-2_U17	9	4	質問があれば書いてください	AIは大量のデータを学習して精度を上げていくことは分かったのですが、実際どれほどのデータを最初に学習させるのですか？	B
C-2021-2_U17	9	5	今日の授業の感想や反省を書いてください	今回は計算が少なかったこともあり、理解しやすかった。AIはとても進化しているとおもっており、本当にいろんな仕事がもうすぐAIに変わってしまうだろうと思っていたが、そこまでAI は万能ではないことは分かった。	B
C-2021-2_U39	9	1	今日の内容を自分なりの言葉で説明してみてください	発見とは大規模なデータの中の傾向を見つける方法である。その代表的な手法としては相関分析や頻出パターン発見がある。相関とは、Aが増えればＢも増えるというような傾向のことである。そのデータの密集度により強さが存在する。また、その傾向により、正・負・無関係がある。また、見かけ上に相関しているだけの擬似相関というものもある。相関と因果関係とは違うことに気を付けなければならない。また、頻出パターン発見とは持っているデータと結果の間にある何らかの関係を出すことをいう。グルーピングとは、データをいくつかのグループに分けることである。例えば、国民全員分の年齢データなどがある。また、組み合わせや階層化も可能である。つぎに、クラスタリングとはクラスタをいくつか作ることである。クラスタとは似たようなデータのかたまりのことである。出来たクラスタの数から、データ全体の多様性が分かり、各クラスタの熱力も分かる。だが、データが似ているという基準が明確ではない。また、AIとは人間の知能を真似する機械のことである。今のAIは特化型に限る。ここで、特化型とは人間と違い、特定の知能だけを実現したAIのことを示す。例えば、天気予報AI、チャットボットなどがある。人々と同じ柔軟さと多機能性を持つ汎用AIというものもあるが、現状ではまだ検討段階である。また、私たちの身近なところにもAIは既にたくさん存在し、AIによるビジネスには代表的に広告推薦、顧客監視、DXなどがある。人工知能は機械学習により作られたもので、学習とは皆の学習と同じものである。ただ、物凄い量のデータと種類がAIの学習には必要である。AIは言わば関数である。様々な変数をパラメータ化し、それの調整によって結果を導出する。また、深層ニューラルネットワークということは、入力データに対して、様々な数（パラメータ）をかけたり、足したりすることを何度も繰り返して、最終的な答えを出すようなAIのことである。AIが劇的に向上した背景には、深層ニューラルネットワークの利用、大規模なデータが手に入るようになったこと、コンピューターのパワーアップなどがある。また、今のAIの限界には、特化型AIのみあること、十分なデータがなければ正しく動かないこと、敵対的事例やフレーム問題、判断根拠が不明確であることなどがある。	B
C-2021-2_U39	9	2	今日の内容で、分かったこと・できたことを書いてください	相関関係とは何か、クラスタとは何かについて学びました。また、AIについて全般的に分かり、自分が思ったロボットのイメージだけがAIではなく、身近なところにあるSIRIなどのチャットボットや様々なものがAIであったことに気づきました。	B
C-2021-2_U39	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	ありません。	B
C-2021-2_U39	9	4	質問があれば書いてください	null	B
C-2021-2_U39	9	5	今日の授業の感想や反省を書いてください	null	B
C-2021-2_U14	9	1	今日の内容を自分なりの言葉で説明してみてください	発見とはデータの中に潜む傾向を見つけることを言い、そのための手法に相関分析、頻出パターン発見がある。相関分析では疑似相関や因果関係に注意しなければならない。データをいくつかのグループに分けることをグルーピングといい、その目的はデータ全体の情報把握を容易にすることである。人工知能（AI)は人間の知能をマネする機械であるが、現在使用されているのは特定の知能を真似する特化型AIである。私たちの身近にも人工知能は多く利用されており、ビジネスでも活用されている。AIも人間と同じように学習によって賢くなることができる。機械学習によって予測、認識・分類、生成が可能になる。現在のAIは完璧なものとは言えず、問題点もある。	A
C-2021-2_U14	9	2	今日の内容で、分かったこと・できたことを書いてください	発見のための手法に相関分析と頻出パターン発見があることが分かった。相関分析では必ずしもそれぞれの要素が因果関係で結びついているわけではなく、表面上に表れていない別の要因があることを疑う必要があると感じた。また、AIについては現在利用されているのが特化型AIであるということが分かった。そのAIは私たちの身近やビジネス分野に多く利用されていることを知った。	A
C-2021-2_U14	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	AIについてよく理解できた。	A
C-2021-2_U14	9	4	質問があれば書いてください	特にありません。	A
C-2021-2_U14	9	5	今日の授業の感想や反省を書いてください	身近にある人工知能が私たちの生活に役立つ場面が多くなってきていることは便利になってうれしい反面、自分より賢い機械が生み出されていくことに恐ろしさも感じた。Webページに出てくるおすすめ商品が自分の趣味に合うものが多いことを前に疑問に思っていたことがあるのだが、それがAIの推測によるものだと分かり、納得した。	A
C-2021-2_U123	9	1	今日の内容を自分なりの言葉で説明してみてください	null	F
C-2021-2_U123	9	2	今日の内容で、分かったこと・できたことを書いてください	null	F
C-2021-2_U123	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	null	F
C-2021-2_U123	9	4	質問があれば書いてください	null	F
C-2021-2_U123	9	5	今日の授業の感想や反省を書いてください	null	F
C-2021-2_U7	9	1	今日の内容を自分なりの言葉で説明してみてください	null	F
C-2021-2_U7	9	2	今日の内容で、分かったこと・できたことを書いてください	null	F
C-2021-2_U7	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	null	F
C-2021-2_U7	9	4	質問があれば書いてください	null	F
C-2021-2_U7	9	5	今日の授業の感想や反省を書いてください	null	F
C-2021-2_U140	9	1	今日の内容を自分なりの言葉で説明してみてください	相関分析：相関には強さや正負などの判断材料が存在する。擬似相関に注意。グルーピング：データをいくつかの種類に分けること。クラスタリング：にたデータが同じグループになるように調整すること。多様な分け方が存在する。特化型AIは、人間の知能の一部を操る。汎用型AIは、人間の知能に近い。チャットや顔認識など。シェアリングエコノミーやリコメンド、サーベイランス、デジタルトランスフォーメーションなど様々な用途に使われる。機械学習：たくさんの例から学ぶ。学んだことを応用できればベスト。 AIとは、決まった答えを出す知能である。しかし、万能ではない。深層ニュートラルネットワークの発達によって、AIの知能が劇的に向上。技術が公開されているのも発展に寄与した。	C
C-2021-2_U140	9	2	今日の内容で、分かったこと・できたことを書いてください	AIが近年急速に発展した理由として、深層ニュートラルネットワークの利用によって、どんなに複雑な情報でもデータに落とし込むことができるようになった点や、大規模なデータが手に入るようになった点、コンピューターがパワーアップした点などが合わさった結果なのだと分かった。	C
C-2021-2_U140	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	null	C
C-2021-2_U140	9	4	質問があれば書いてください	null	C
C-2021-2_U140	9	5	今日の授業の感想や反省を書いてください	AIが人間の仕事を奪うのではないかということは、前々から言われていたが、AIが苦手な分野であれば基本的に職を奪われる可能性はかなり低いだろう。それよりも、AIの方が得意な分野はAIを利用し、人は人にしかできない分野で仕事をすることによって、組織を効率化することができるのだと思った。	C
C-2021-2_U165	9	1	今日の内容を自分なりの言葉で説明してみてください	null	D
C-2021-2_U165	9	2	今日の内容で、分かったこと・できたことを書いてください	null	D
C-2021-2_U165	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	null	D
C-2021-2_U165	9	4	質問があれば書いてください	null	D
C-2021-2_U165	9	5	今日の授業の感想や反省を書いてください	null	D
C-2021-2_U49	9	1	今日の内容を自分なりの言葉で説明してみてください	null	F
C-2021-2_U49	9	2	今日の内容で、分かったこと・できたことを書いてください	null	F
C-2021-2_U49	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	null	F
C-2021-2_U49	9	4	質問があれば書いてください	null	F
C-2021-2_U49	9	5	今日の授業の感想や反省を書いてください	null	F
C-2021-2_U36	9	1	今日の内容を自分なりの言葉で説明してみてください	データ分析における発見とは大規模なデータの中に潜む傾向を見つける方法である。相関関係には何かの要因のために見かけ上相関している疑似相関があるので、だまされないようにしなくてはならない。また、相関関係であっても因果関係は不明な場合があるので注意しなくてはならない。データ分析におけるグルーピングとはデータをいくつかのグループに分けることである。これを行うことでデータ全体の状況把握が容易になる。グループがあらかじめ決まっていないときは、クラスタリングをして似たデータが同じグループになるように自動的にグループを構成する。クラスタリングの結果からわかることは多いが、似ている具合の図り方によって結果は変わってくる。AIには特定の知能だけ持つ特化型AIとまだ検討段階だがわれわれの知能と同じくらいの汎用AIがある。我々に身近なところでAIは導入されており、シェアリングエコノミーや商品の推薦、サーベイランス、DXなどのビジネスの面でも役立っている。また、AIは機械学習を経て性能を高めることができる。最近のAIの性能は、深層ニューラルネットワークの利用やデータの大量入手、コンピューターのパワーアップによって劇的に向上した。しかし、AIはいまだ万能なものではなく、敵対的事例やフレーム問題に正しく対応できなかったり判断根拠が不明確だったりしてAIにできないことはまだたくさんある。	B
C-2021-2_U36	9	2	今日の内容で、分かったこと・できたことを書いてください	相関分析には疑似相関や因果関係が不明なものがあるので注意すべきだということが分かった。AIがビジネスの用いられる事例やAIも人間と同じように学習させないと賢くすることはできないということが学べた。	B
C-2021-2_U36	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	深層ニューラルネットワークにおいて入力した画像データをパラメータでかけたり足したりするところがよく理解できなかった。	B
C-2021-2_U36	9	4	質問があれば書いてください	null	B
C-2021-2_U36	9	5	今日の授業の感想や反省を書いてください	データ分析の発見とグルーピングについて学び、それらを行うことで商売に役立てたり、いろいろな活用方法が見つけられると思った。日常生活の中で、我々が気づかない身近なところでAIは使われており、更にビジネスにまで踏み込まれていることを知ってAIのすごさを実感した。これから機械学習によって更なる進歩を期待したい。	B
C-2021-2_U94	9	1	今日の内容を自分なりの言葉で説明してみてください	null	C
C-2021-2_U94	9	2	今日の内容で、分かったこと・できたことを書いてください	null	C
C-2021-2_U94	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	null	C
C-2021-2_U94	9	4	質問があれば書いてください	null	C
C-2021-2_U94	9	5	今日の授業の感想や反省を書いてください	null	C
C-2021-2_U71	9	1	今日の内容を自分なりの言葉で説明してみてください	現代のAIで可能な事不可能な事、そしてその技術的な解説	C
C-2021-2_U71	9	2	今日の内容で、分かったこと・できたことを書いてください	現代技術のAIで可能不可能なこと、そしてこれから先の未来で可能になるであろうことが分かりました	C
C-2021-2_U71	9	3	今日の内容で、分からなかったこと・できなかったことを書いてください	null	C
C-2021-2_U71	9	4	質問があれば書いてください	null	C
C-2021-2_U71	9	5	今日の授業の感想や反省を書いてください	null	C

Subsets and Splits

No community queries yet

The top public SQL queries from the community will appear here once available.