[ 第30号 ] 2023年度「AI技術×○○」研究デザインプロジェクト/総務省統計局主催講演会案内/次元削減
─…─…─…─…─…─…─…─…─…─…─…─…─…─…─…─…─…
山口大学情報・データ科学教育センター メールマガジン
第30号・2023年9月発行
─…─…─…─…─…─…─…─…─…─…─…─…─…─…─…─…─…
教職員、学生の皆さま、こんにちは！
情報・データ科学教育センターです。
暦の上では秋分も過ぎましたが、皆様お変わりございませんでしょうか。
今年の夏は暑かったですね。
それもそのはず、気象庁によると、6月から8月の全国の平均気温は
統計をとりはじめた1898年以降の過去126年で最も暑い夏だったそうです。
この暑さの主な要因は、太平洋高気圧の張り出しが記録的に強まったから
だそうです。さらに8月前半は台風6号や7号の北上で暖かな空気が継続的に
流れ込んだ上、フェーン現象も発生したことから、日本海側を中心に顕著な
気温上昇となったそうです。
山口市はどうだったのでしょうか？気象庁のデータを調べてみました。
山口市の過去10年の日最高気温の月平均値*1
６月 ／ ７月 ／８月
2014年 25.7℃／ 27.2℃／ 30.9℃
2015年 26.5℃／ 29.8℃／ 32.0℃
2016年 27.3℃／ 32.3℃／ 34.2℃
2017年 28.2℃／ 33.2℃／ 33.9℃
2018年 27.8℃／ 33.7℃／ 35.2℃
2019年 28.3℃／ 30.5℃／ 32.2℃
2020年 29.1℃／ 28.4℃／ 35.1℃
2021年 28.9℃／ 32.9℃／ 31.3℃
2022年 29.1℃／ 32.5℃／ 33.9℃
2023年 27.5℃／ 32.1℃／ 33.8℃
山口市の場合、今年より去年の方が暑かったようです。
さらに2018年はもっと暑かったのでした。
北日本と東日本の記録的な暑さが全国平均気温を押し上げたそうで、
全国どこでも記録的な暑さだったわけではないようです。
猛暑が続いた彼の地に想いを馳せながら、「秋の味覚」を心配している
今日この頃です。
*1 気象庁 各種データ・資料 観測開始からの毎月の値
https://www.data.jma.go.jp/obd/stats/etrn/view/monthly_s3.php?prec_no=81&block_no=47784&year=&month=&day=&view=a2
★━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
2023年度「AI技術×○○」研究デザインプロジェクトとして
３件を採択しました
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━★
本学では2019年度から学内のデータサイエンス文化醸成に取り組んでおり、
その取り組みをより拡充させるため、AI技術を様々な分野で活用することを
目的とした研究を対象に支援する「AI技術×○○」研究デザインプロジェクト
を実施しています。
2023年度は以下の３件を採択しました。
・頚動脈エコー情報に基づく脳循環予備能推定システムに関する研究
・CALM 心理療法支援のための音声・自然言語処理AI の活用
・川崎病個別化医療システムを用いた乳幼児突然死予防への挑戦
今後、定期的に報告会などを実施していく予定です。
★━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
総務省統計局主催
「データサイエンス・オンライン講座特別講演会」のご案内
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━★
総務省統計局が主催する「データサイエンス・オンライン講座」の特別講演
会が１０月１４日（土）にオンライン開催されますのでご案内いたします。
データサイエンススキルを構成する統計学やプログラミング技術の重要性を
学び、ビジネスにおけるデータ分析の活用方法を学ぶことができます。
演 題：「データサイエンスの最前線 ～AI時代の今、求められるスキルとは～」
講 師：杉山聡（（株）アトラエ データサイエンティスト）
日 時：令和５年10月14日（土）10:00～11:30
配信方法：オンライン（Zoom）
募集締切：令和５年10月12日（木）
費 用：無料（事前申込みが必要です）
これからデータサイエンスを学習したい、活用したい方向けの無料オンライ
ン講座です。前提となる知識は不要とのことです。
▼特別講演会のホームページはこちら（お申込みもこちらへ）▼
https://www.netlearning.co.jp/stat-programming-seminar/
★━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
知っちょる？「次元削減」
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━★
次元削減は「回帰」や「分類」、そして「クラスタリング」と同じく、機械学習の一つの使い方です。
例えば、ワインにはたくさんの種類があります。それぞれのワインには、色の
濃さやアルコール度数、酸味などについて異なる特徴があります。これらの特徴を
全部調べるのは大変です。でも、もしワインの違いを少ない特徴だけで表すこと
ができたら、ワインを比べたり調べたりするのが簡単になります。そのために
特徴の数を減らすのが「次元削減」です。
具体的には、人間が特定の基準を使わずにAIにデータを分析させ、関連する
特徴を組み合わせて新しい特徴を作ります。つまり、次元削減は「教師なし学習」
の一つなのです。
次元削減の使い道は色々あります。例えば、たくさんの情報を持つ信号処理や
音声認識、バイオインフォマティクスなどで使われます。また、次元削減は他
の機械学習の手法を使う前にデータを整理するためにも役立ちます。
★━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Voice -みなさまの声をカタチに-
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━★
情報・データ科学教育センターでは、学内外の方々と連携を進めながら
サービスを高めていきたいと考えております。
数理・データサイエンス・ＡＩに関連するご意見やご要望などが
ございましたら、下記の連絡先までメールか電話でご連絡ください．
ご協力をよろしくお願いいたします。
＝＝＝ 最後までお読みいただき、ありがとうございました。 ＝＝＝
〇編集・発行 山口大学情報・データ科学教育センター
メール：dsm@yamaguchi-u.ac.jp
ウェブ：https://www.dsc.yamaguchi-u.ac.jp/
電 話：083-933-5986（内線:5986