ITの著しい発展を確信し、情報サービスの新たな展開に注力した巨大IT企業達を、その会社名の頭文字をとって（　　）という。

一方のデータが大きいと、もう一方のデータも大きいという関係性を、（　　　　）という。

（　　　　　　　　）は、データを知り、データを活用することである

ビッグデータの例に、時間の経過とともに観測されるデータである（　　　）データがあり、株価や気温などのデータがそれにあたる。

データベースとは、一般的には電子化されたデータを、（　　　　　）で処理できるように整理されたデータの（　　　）のことである。特に、データを2次限の表形式で保持・管理するもので、最も広くつかわれているものを、（　　　　　　　　　　　）（RDB）と呼ぶ。

（　　　　）とは、調査対象全員に行う調査である。例えば、国勢調査では、日本の（　　　　）を母集団として実施している。

データサイエンスは、（　　）が定まっていない新しい学問で、（　　　）＋（　　　　）×（　　　　）である

社会人として身につけるべきデータリテラシーは、データを読む力、データを説明する力、データを扱う力、の他に、データを（　　）する力、データから（　　）を見つける力、データから（　　）する力、である

母集団から標本を選ぶ際に、各対象者を完全にランダムに選ぶことを、「無作為抽出」といい、英語では、（　　　　　　　　　　）という。

データサイエンスの要素技術は、①基盤となる（　　　　）、②データを収集し、（　　　　）する技術、③集めたデータを（　　）する技術である。

データサイエンティストは、ビッグデータなど多種多様で膨大なデータを（　　）・（　　）して、そこから有用な情報（　　　　）を引き出すことのできる人材である。

AIが急激に進化を遂げた理由は、自ら学習させる（　　　　）という技術の発展が大きい

統計学は、データの構造を読み解くことを目的としており、（　　）を導く、仮説を検証する、など、データサイエンスにおけるすべての土台となる知識・技術である。

データを読む力、説明する力、扱う力、のことを、（　　　　　　　　　）という

ビッグデータの解析結果にもとづいて、次のアクションや意志決定を行ったり、課題の解決や新たな価値創造が進められる社会を（　　　　　　　　）という。

変動しているデータの集団を、一つの数値で代表させた値である「代表値」には、（　　　）、（　　　）、（　　　）がある。

データサイエンティストには、（　　　）、（　　　　　　　　）、（　　　　　　　）の三位一体のスキルが必要である

機械学習とはAIが自ら学習するもので、これまで主流であった、AIに正解データを与え、答え合わせができるようにして学習させる（　　　　）学習と、現在の主流である、正解を与えずに、入力したデータの中から、AIが自ら特定のパターンやルールを見つけ出す（　　　　）学習がある。

ディープラーニング (Deep Learning) とは、機械学習の一つで、（　　　　）とも呼ばれている

統計モデルにはいろいろな分布があるが、代表的なものには、（　　　　）、（　　　　）、（　　　　　　）などがある。

データサイエンティストのトレンドは、幅広い（　　）、需要の上昇、（　　　　）である

データに合うようにパラメータを選ぶことを、パラメータの（　　）という。

（　　　）とは、調べたい対象全体からなる集団で、（　　）とは、統計調査で抽出された母集団の一部である。

（　　　　）は、調査対象の一部に行う調査で、ほとんどの統計調査は標本調査である。

主なビッグデータの例を3つ答えよ（例：ソーシャルメディアデータ） （　　　　　　　　　）、（　　　　　　　　）、（　　　　　　）

様々なモノをインターネットにつなげる技術で、データ駆動型社会へと加速させたのは、（ ）である。

人間では扱いきれないほどのデータが集まるようになったが、インターネットの普及の時代は、（　）の発信であり、その後、IoTなどの変化の時代である、（　　）の発信により大量のデータが集まるようになった。このような大量のデータを（　　　　　　）という。

データサイエンティストは、データを読み解く際、そのデータを読む目的やデータの裏にある、(　　) を考えながらデータを見る。

膨大なデータは端末側（ローカル）で保存・処理し、端末で処理・集約された少量のデータだけを送信（通信）することを（　　　　　　　　　　）という。

機械学習の凄い技術には、人間の脳の神経細胞の働きを模倣した（　　　　　　　　　　　　　）や、さらに、その技術を多階層化した（　　　　　　　　　）がある

1956年に、AIという言葉が提唱された会議は、（　　　　　）会議である

「分散s2」は、平均値をもとに、データの（　　　　　　）を表すものである。

ある条件下でデータの取得が終了したデータを、（　　　　　　　）という。

機械学習では、モデルの（　　）という。

次の数列［4、12、33、54、12］の「最頻値（Mode）」は、（　）である。

データサイエンスでは、高校教科書レベルの、線形代数と微分積分の基礎知識が必要であるが、複雑な手計算は不要であり、（　　）だけは押さえることが必要。

機械学習では、モデルの（　　）という。

AIはまだまだ進化の途中で、2045年にAIが人を超える（　　　　　　　）(特異点）が到来すると言われている

正規分布は、（　　　　）関数で表される。このような定式化の方法を（　　　　　）という。

（　　　）は、ある事象が起こる割合を数字（データ）で得ることである。一方、（　　　）は、得られたデータから、ある事象が起こる現象を分析すること。

「標準偏差」は、分散の（　　　）を取ることで算出できる。

外れ値の中でも、記録ミスや測定ミスなどの、「値が極端な原因・理由」がわかっている値を、（　　　）という。

データサイエンスでは、データを（　　　）し、可視化することで新しい価値が生まれる。

コンピュータの導入によって情報の重要性が高まった時代を、（　　　　　）といい、すでに情報に関する技術が存在し、情報を自由に使える状態にある時代を（　　　　）という

人工知能は、ある特定の状況や問題において知的にふるまう（　　　）人工知能と、人間と同様に様々な状況・問題において知的にふるまいができる（　　　）人工知能がある

インターネット上に公開されたサイトを閲覧するソフトウェアを、英語では（　　　　）という。

（　　　　　　　）の普及がデータサイエンスの発展に繋がっている

AIの実態は、知能を持っているかのように、（　　）振る舞うようにプログラムされたコンピュータである

インターネットの発展は、データサイエンスにとって重要な要素である。特に、1993年の（　　　）の概念によって、世界中の情報が一瞬にして入手できるようになったことが大きい。

インターネットの「通信量」のことを、（　　　　　）という。

標本は母集団のごく一部であるため、標本から得られた結果には、必ず確率的な誤差が伴う。これを（　　　　）という。

正規分布は、釣り鐘型の（　　　　）な分布で、（　　　　　）とも呼ばれる。

「平均値」とは、データの値の合計を、データの（　　）で割った値である。

モノとモノとが繋がる時代を、（　　）の時代という

インターネットの検索サービスの例を二つ挙げよ。 （　　　　）（　　　　）

変動しているデータの集団を、散らばり具合を表した値である「散布度」には、（　　　　）、（　　）、（　　　　）、（　　　　）がある。

一方のデータが大きいと、もう一方のデータも大きいという関係性を、（　　　　）という。

他のデータと比べて極端に大きい値や小さい値を、（　　　）という

統計調査（e-Stat）とは、日本の統計が閲覧できるポータルサイトで、政府がインターネットで提供している。人口、国土、労働、工業、家計など（　）分野で、643の調査データを提供している（2020年10月現在）。例えば、（　　　　）（　　　　　　）（　　　　）などのデータが提供されている。

生産の自律化や産業界のデジタル化のことを、（　　　　　　　　　　　　）という。

次の数列［4、12、33、54、21］の「中央値」は、（　）である。

変動しているデータの集団を、散らばり具合を表した値である「散布度」には、（　　　　）、（　　）、（　　　　）、（　　　　）などがある。

標本を恣意的に選ぶとデータに偏りが発生する。この偏りのことを（　　　　　　）という。

パラメータが等しいか、ある範囲に入るかなど、モデルの（　　）という。

ビジネススキルは、分析した結果をどうすればよいのか考えるスキルで、ビジネス・（　　　　　　　）などの知識が必要である。

（　　　　　）とは、大量に観察することにより、平均値がその理論値に近づき安定することをいい、「集団の安定性」ともいわれる。

デジタル辞書によると、物事の推論の基礎となる事実、または、参考となる資料・情報のことを、（　　　）という。

第2次AIブームである1980年以降に登場した、専門家のように「知識」をルールとして教え込み解決する技術を、（　　　　　　　　　　）という

次の数列［4、12、33、54、21］の「平均値」は、（　　）である。

正規分布は、（　　　）と（　　）によって分布形が定まる。