放送大学「情報コース」何から勉強するか
放送大学の「情報コース学び始め」オンライン講演を視聴しました。
メモが追いつかずかけてないところもあります。
アーカイブ載せていただきたいな。
■情報コースで最初に学ぶ科目（おすすめ）
・日常生活のデジタルメディア
色々な所で使われているデジタルメディア
どの場面でどういう活用方法されているか
・情報デザイン
質の高いデザインを
デザインリテラシー
デザインの本質を理解
・遠隔学習のためのパソコン操作
・身近な統計
情報数位領域としておすすめ
人工知能・データサイエンスの基礎
理論と実用例
・AIシステムと人・社会との関係
基礎科目でないが最初に修学して良い
AIの事例と技術の紹介
・情報化社会と国際ボランティア
学んだ事を社会に還元する(ボランティア活動など）
ボランティアはソーシャルビジネスにも関係す
■エキスパートの活用
放送大学生でなくても動画視聴が可能
(在学生は受講料が安い）
・データサイエンスプラン
リテラシーレベルの知識を身につける
まずリテラシー→アドバンス→個々に興味ある事
■これからAIについて
・AIと人の役割分担を考える必要がある
・AIのプログラミングは学ぶ必要がある
・機械学習でプログラミングが不要に
（機械学習するプログラミングはささっとかける(先生が言うには)）
・機械学習させるためのデータが必要
・そのデータはどこからどう集めるのか
■目指す場所によって何を学習すれば
●プログラマに依頼する立場の人
聞きのがしました...
■プログラマを目指す人
・データ構造とプログラミング
その他はメモ取れなかったです
一番聞きたかった...
■webデザイナを目指す人
・情報デザイン
・情報ネットワーク
あとひとつ「なんとか人間理解」
■マルチメディアを使えるように
・CGと画像合成の基礎
■卒業研究
必須ではないが大学における学びを体験できる
自分の関心を人に伝えられる
勉強した点を線や面になる
11月初期に提出(9月から教員とやりとり）
以上です。
「統計」#2 データのばらつきの記述
放送大学-情報コース‐
基礎科目：身近な統計 #2
「講義の概要」
・データの特徴とまとめ方
・ばらつきのあるデータの利用方法
・データから表やグラフの作成、読み方
■データのばらつき
ばらつき方にある種の「確率的なパターン(確率分布)」を探る
■時系列データ
時系列に沿ってデータのばらつきを分析
例：過去5年間の月間売上高データ
■クロスセクションデータ
データの値に応じた起こりやすさ、起こりにくさを分析
例：身長の割合
■質的変数(データ)と量的変数(データ)
●質的変数
小数値のカテゴリのどれかが応答値となる観測項目
例：性別(男性・女性)、職種
・名義尺度：区別あり、順序はない
・順序柵度：区別・順序あり、差は取れない
●量的変数
数量値(数値線上の値)として記録される観測項目
例：売上高、生産指数、給与総額、在庫率
・間隔尺度：差の大きさに意味がある、比に意味はない
・比率尺度：差も比も意味がある(絶対ゼロがある)
■分布(データで大事)
データのばらつきの確率的なパターン
or
パターンを数量的に把握したもの
具体例：
・データが集中している範囲
・ばらつきの大きさ
・値や範囲が全体の何％か
など
↓
現状の把握、予測、管理、マネジメント
●個々のデータの値の意味
全体のばらつきの中で相対的に評価
例：90点以上はクラスの何％
●度数分布表
カテゴリ応じて、その値が生じたケースの数(度数)をデータから数え上げ
割合などを求めた表
●パレート表とパレート図(解釈の仕方)
度数分布表やパレート図を解釈する2つの視点
・多数(過半数以上)が従う平均的な傾向をつかむ
・多数と異なる動きをする少数のケースの正体を探る
●パレード分析(ABC分析)
販売や顧客の管理などで重点項目を絞る時によく使われる
むずかしいね。
「統計」#1 -論より数字、勘より統計-
放送大学-情報コース‐
基礎科目：身近な統計
「講義全体の概要」
・統計の基本的な考え方
・データの統計的活用（理論・方式）
・統計情報の具体的活用の事例
・身近なデータの簡単な分析
この記事は「身近な統計」の第1回目の講義メモです。
「身近な統計」#1 -論より数字、勘より統計-
■キーワード
・統計
・データ
・統計的意思決定
・品質管理
・政府統計
・記述統計学
・推測統計学
■データ分析
データ分析=宝探し
・何を知りたいか
■ナイチンゲールが実施した統計的マネジメント
ご存じでしたか？ナイチンゲールが統計学を大事にしていたそうです。
私は知りませんでした。
ナイチンゲールは戦地で亡くなる理由が「けが」より「衛星状態による感染症」が多い事を自身の統計により発見したそうです。
PPDACサイクル(ナイチンゲールが実施）
・PROBLEM：対策をとるべき問題の定義
・PLAN：問題解決のためのデータ収集・分析計画
・DATA：資料やデータの収集・記録・整理
・ANALYSIS：データの分析
・CONCOLUSION & IMPROVE：結論の取りまとめ＆施策の提言
・CONTROL & CHECK：施策の実施管理と効果の評価
■統計の活用
①データ(観的事実)を収集
②統計分析し
③情報(エビデンス=科学的証拠)にし
④個人や組織の意思決定に使用
■データサイエンス
①大規模データベース(Big Date)
②データアナリティクス(解析)
・統計分析
・機械学習
・人工知能
③②が「情報」となる
④「情報」を元に人やロボットが意思決定
■統計的分析手法(データ分析法)
●軽量化と視覚化：
・統計数値や統計グラフを作成
・データの持つ情報を表現
●知識創造：
・データを収集し分析・解析
・背後にある現実の構造に関して、結論を導き出す
■統計学の構成
●方法論：
生成、集計、分析、解析までの一連のデータ分析
●統計数字自体：
元データを集計し指標的な意味のある数字
(政府統計、財務統計、スポーツ統計など)
■(上記)方法論の働き
①データの記述
②データに基づく推測
③データの生成
【①データの記述】
「記述統計学」と呼ばれ、データ集計→グラフや度数分布表に表示。
データの中心傾向、散らばりの大きさなどデータの特徴をまとめる方法。
【②データに基づく推測】
「推測統計学」。標本データが取られた背景や現象全体(母集団)を推測
【③データの生成】
データを取るため調査や実験の方法論(デザイン)の総称。
データの取り方・作り方が重要。間違ったデータ収集では意味のない情報になる。
■統計学が支える分野
●企業経営：
・KKD(勘と経験と度胸) から FACT CONTROL へ
FACT CONTROL(客観的事実に基づく管理)
●総合的品質管理：
・品質管理(QC) から 統計的品質管理(SQL) へ
Statistical(統計学) Quality(品質) Control(管理)
●マーケティング：
マーケティングの主な役割
・消費者ニーズの把握
・消費動向の変化、探索
・新製品の開発と企画管理
・広告効果の推測
・販売戦略の策定
・配給経路の管理と物流
・価格設定
・需要の予測
マーケティング・リサーチの必須要件
・データの収集と統計分析
(市場、社会・経済環境データ)
■まとめ
統計学の導入部分でした。
・データ＝客観的事実・エビデンス(科学的証拠)、情報
・情報を元に、意思決定をする
講義は15回まで続きます。
