Upgrade to Pro — share decks privately, control downloads, hide ads and more …

第9-10回情報学総論

 第9-10回情報学総論

Y. Yamamoto

June 23, 2020
Tweet

More Decks by Y. Yamamoto

Other Decks in Education

Transcript

  1. Ϗοάσʔλ෼ੳ vs. ैདྷͷσʔλ෼ੳ ビッグデータ の分析 仮説発見 従来型の データ分析 仮説検証 (統計的検定・アンケート調査etc.)

    ビッグデータを見れば 「風が吹けば桶屋が儲かる」的価値を発見できる (ルール,モデルの構築)
  2. ༷ʑͳυϝΠϯͰ஫໨͞ΕΔϏοάσʔλ 農業 医療 交通 製薬 観光 防災 気象 広告 流通

    教育 ICT スポーツ 報道 効率化・コスト削減 ビジネスモデルの創造 付加価値の向上 ITへの意識 ビッグデータ
  3. ϏοάσʔλͱϏδωε *1 鈴木良介著「ビッグデータビジネスの時代」(平成23年11月) *2 McKinsey Global Institute “Big data: The

    next frontier for innovation, competition, and productivity”(平成23年5月) ビッグデータ ビッグデータビジネス ビッグデータを用いて社会・経済の問題解決や、業務の付加価値 向上を行う、あるいは支援する事業 • 事業に役立つ知見を導出するためのデータ • 典型的なDBソフトウェアが把握し、蓄積し、運用し、分析できる 能力を超えたサイズのデータ • 多くの部門において、数十テラバイトから数ペタバイトの範囲
  4. 3V͕ඞཁʹͳΔέʔεྫ: ঎඼ͷਪન 商品A 商品B 商品C 商品D 商品E 山本 • •

    佐藤 • • • 鈴木 • • 伊藤 • • ? Q. 伊藤さんに商品Eを推薦すべきか? A. 購買履歴が類似するユーザの商品を推薦すればよい アイデア • 5つの商品の購買履歴でユーザの好みが分かるか? • 好みが似ているユーザを探すのに3人でよいのか?
  5. ޷ΈΛৄࡉʹௐ΂Δʹ͸ 商品 A 商品 B 商品 C 商品 D 商品

    E F G H I J K L M N O P 山本 • • • • • 佐藤 • • • • • 鈴木 • • • • • • 伊藤 • • ? • • • データの種類を増やす
  6. ޷Έ͕߹͏ਓΛௐ΂Δʹ͸ 商品 A 商品 B 商品 C 商品 D 商品

    E F G H I J K L M N O P 山本 • • • • • 佐藤 • • • • • 鈴木 • • • • • • 伊藤 • • ? • • • 斎藤 • • • • 田中 • 加藤 • • 玉置 • 祇園 • • • • • • 東 • • 河端 • • 烏丸 • • デ ! タ の 量 を 増 や す
  7. ޷Έ͕߹͏ਓΛௐ΂Δʹ͸ 商品 A 商品 B 商品 C 商品 D 商品

    E F G H I J K L M N O P 山本 • • • • • 佐藤 • • • • • 鈴木 • • • • • • 伊藤 • • ? • • • 斎藤 • • • • 田中 • 加藤 • • 玉置 • 祇園 • • • • • • 東 • • 河端 • • 烏丸 • •
  8. ࠷దΞΫγϣϯܾఆ: ೶ۀ x Ϗοάσʔλ ワインの品質をビッグデータで高めるFruition Science • ブドウの木に取り付ける 特殊センサーを開発 •

    モニタリング結果から最適な 水あげ量、タイミングを予測 • 木の状態、天気、土湿度、 木の配置などをモニタリング http://www.wired.com/2012/10/mf-fruition-sciences-winemakers/all/
  9. Predictive Policing 犯罪が発生する前に、犯罪現場に警察官を送り込む http://www.nytimes.com/2011/08/16/us/16police.html?_r=0 • 米国サンタクルーズ市警と UCLAとの共同研究 • 犯罪の種類や発生時間、 発生場所などのデータから

    犯罪発生予測モデルを構築 - 犯罪レポート1万1000件/年 - 電話通報記録10万5000件/年 http://itpro.nikkeibp.co.jp/atcl/watcher/14/334361/080100020/?ST=bigdata&P=2 • 電子化された犯罪レポート
  10. কདྷ༧ଌ: ഑ૹ x Ϗοάσʔλ * 画像はhttp://www.mbaskool.com/business-articles/operations/10043-anticipatory-shipping-evolution-in-e-commerce.html * Method and system

    for anticipatory package shipping , US 8615473 B2 注文される確率の高い商品を特定し 発注される前に商品を出荷し始める
  11. iPhoneதͷηϯαʔσόΠε • GPS • マイク • 近接センサー • ジャイロセンサー •

    輝度センサー • 電子コンパス • 加速度センサー • 歩数センサー • 指紋センサー • カメラ
  12. ஝ੵɾूੵٕज़ͷਐԽ データの量 デ ! タ の 複 雑 さ "

    多 様 性 # ఆܕԽ͞Εͨ ۀ຿σʔλ Ϗοάσʔλ ʢେྔ ଎͍ ෳࡶʣ
  13. ஝ੵɾूੵٕज़ͷਐԽ データの量 デ ! タ の 複 雑 さ "

    多 様 性 # Ϗοάσʔλ ʢେྔ ଎͍ ෳࡶʣ 関係データベース ◦ 定型データ処理は高速 × データへの柔軟性が低い × スケーラビリティが低い ◦ データの一貫性
  14. ஝ੵɾूੵٕज़ͷਐԽ データの量 デ ! タ の 複 雑 さ "

    多 様 性 # 関係データベース ◦ 定型データ処理は高速 × データへの柔軟性が低い NoSQL ◦ 複雑・大量データの蓄積に最適化 × 集計処理が弱い × スケーラビリティが低い ◦ データの一貫性
  15. ஝ੵɾूੵٕज़ͷਐԽ データの量 デ ! タ の 複 雑 さ "

    多 様 性 # NoSQL ◦ 複雑・大量データの蓄積に最適化 × 集計処理が弱い 関係データベース ◦ 定型データ処理は高速 × データへの柔軟性が低い × スケーラビリティが低い ◦ データの一貫性 MapReduce NoSQLにマッチする 大規模分散技術でカバー
  16. ਓ޻஌ೳ(AI) 人工知能 強いAI 弱いAI (Artificial Intelligence) ➂꟦ך״ֲז荈䠐陎׾䭯׍➂꟦ך ״ֲז濼腉׾׮׏ג⡲噟ָ〳腉ז堣唒 ➂꟦ך濼涸Ⳣ椚ך♧鿇׾垷⦺ׅ׷ 暴㹀㉏겗鍑寸㐻

    ・ 現在行われているAI研究の大半は弱いAIの研究 ⿫罋➂䊨濼腉灇瑔IUUQTXXXBJHBLLBJPSKQXIBUTBJ"*SFTFBSDIIUNM ・ 強いAI研究の成果(e.g. 推論)も人間の知能には遠く及ばず 61
  17. ڭࢣ͋Γֶशʢ1/2ʣ סּ ـٔ 달 뎕 大量のラベル付データ 堣唒㷕统 ،ٕ؞ٔؤي ӧӧך識別に必要となる 特徴と分類ルール

    歗⫷⳿ⰩIUUQTKQNBUIXPSLTDPNIFMQEFFQMFBSOJOHFYBNQMFTWJTVBMJ[FGFBUVSFTPGBDPOWPMVUJPOBMOFVSBMOFUXPSLIUNM 全長が25cmくらいで, 長く伸びた白いヒレ. 白い体に2本の黒い帯. 背びれが黄色い. これは「ハタタテダイ」 大量のラベル(答え)付データを与えて ラベルを分類する特徴とルールを抽出(学習)する 64
  18. σΟʔϓϥʔχϯάʢ2/3ʣ … … … … … リンゴ スイカ バナナ ドリアン

    … ピクセル 毎の色コード 255 28 果物の確率 0 1 0 0 人間にはよく分からない特徴
  19. σΟʔϓϥʔχϯάʢ3/3ʣ … … … … … リンゴ スイカ バナナ ドリアン

    … ピクセル 毎の色コード 60 28 果物の確率 0.2 0.6 0 0 人間にはよく分からない特徴 ◦◦だったら△△になって,△△だったら□□ で… という果てしない数値ルールを学習する
  20. 74

  21. Cycle GAN Jun-Yan Zhu*, Taesung Park*, Phillip Isola, Alexei A.

    Efros: “Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks”, ICCV 2017. ターゲット画像に特定の特徴量(例:服装)を付与する 画像(動画)加工が可能に
  22. Style GAN Yildirim, Gokhan, et al. "Generating High-Resolution Fashion Model

    Images Wearing Custom Outfits." Proceedings of the IEEE International Conference on Computer Vision Workshops. 2019. ターゲット画像に任意の特徴量(例:服装)を加味した 画像生成が可能に
  23. ؔ܎ͳ͍Α͏Ͱؔ܎͋Δ༨ஊɿ αϧͷࣗࡱΓ https://ja.wikipedia.org/wiki/サルの自撮り 写真家のDavid Slaterは自身の カメラを三脚に設置し,サルが 自撮りをできるような工夫をした. 工夫の甲斐あって,サルの自撮り 写真の回収に成功.Davidはその 写真を発表し,注目を集めた.

    ところが,複数のウェブメディアが サルは法律上の人でないため, 写真に著作権はないと主張し, 当該写真はパブリックドメインの 扱いとして,写真を自サイトに公開. その後,Davidと各種団体は 法廷闘争に…