「あらゆる分野のデータを扱う」

目次:

ビデオ: 「あらゆる分野のデータを扱う」

ビデオ: あらゆる分野の専門家が集結した危機管理マニュアル イジメ・災害・事故・テロ対策・応急処置・護身術などがひとまとめになっております(田村装備開発) 2022, 12月
「あらゆる分野のデータを扱う」
「あらゆる分野のデータを扱う」
Anonim

膨大な量の情報は、人間のニーズを満たし、未来を予測するのに役立ちます。それらの価値のために、それらは盗難の対象となり、時には現代美術作品の基礎として機能します。別の科学では、ビッグデータの分析、処理、視覚化を扱っています。キリル・エレメンコの著書「あらゆる分野のデータを扱う:分析を使用して新しいレベルに到達する方法」は、D。Shalaevaによる翻訳でAlpina Publisherが発行する準備をしており、使用されている方法、アルゴリズム、手法について説明しています。データの操作において。特にその読者のために、N + 1は、ビッグデータが基本的な人間のニーズを満たすのにどのように役立つかについてのスニペットを公開しています。

Image
Image

データが私たちのニーズをどのように満たすか

データサイエンスについてはそれほど謎はありません。結局のところ、それは現代の現実に完全に刻まれています。しかし、一般的な誤解は、データが複雑で、理解できないことさえあるというものです。残念ながら、今日の多くの人は、データサイエンスがどのように広く適用されているかを喜んで見ることを拒否するか、自分たちの仕事にアクセスできない、または適用できないものとして意図的に拒否します。学問としてのデータサイエンスには、非常に複雑なことが含まれます。それは、人々が机の上に腰を下ろした小さな窓のないオフィスで行うことのようなものです。

この見方は完全に間違っています。

この章では、ユビキタスデータの正確な範囲、データの生成と収集の範囲、およびデータサイエンスが流行と見なされない理由について説明します。

データの浸透

データが私たちの生活のあらゆる側面にとってどれほど重要であるかを説明するために、それは贅沢ではなく必需品であるということを説明するために、私はマズローの欲求のピラミッドを使用します。ビジネス心理学に関する文献には、それについて多くのことが書かれています。このモデルは、データの普及率と利点に驚くほどよく適合していることがわかりました。*

*マズローのピラミッドは基本的でない人間のニーズを減少させるため、これは私たちの生活の中でデータサイエンスがどのようにそしてどこで使用されているかについての包括的な情報を私たちに提供しません。たとえば、軍事防衛や宇宙探査などの分野は、基本的な人間のニーズではないため、含まれません。マズローの欲求ピラミッドを例として使用して、データの包括的な力を説明していますが、この階層をビジネスに適用する方法について詳しく知りたい場合は、Conley(2007)-edを参照してください。著者。

欲求階層説は、人間の行動を促進する複雑な動機を表すために、1943年にアブラハムマズローによって開発されました。階層はピラミッドの形で表され、ボトムアップの順序でニーズが含まれます-最も基本的なものから最も基本的なものまで(図2.1)。要するに、階層は、問題の個人がより高いレベルのニーズを満たすように動機付けられる前に、ピラミッドの最も低いレベルのニーズが満たされなければならないように編成されています。

Image
Image

データサイエンスと生理学

マズローの階層の中心にあるのは生理学的要因であり、単純な生存のための人々の基本的なニーズです。データは、これらの基本的なニーズをより適切に満たすためにどのように役立ちますか?例として、私たちが呼吸する空気を取り上げましょう。 18世紀後半から19世紀初頭の産業革命以来、大気汚染は世界で最も深刻な懸念事項の1つでした。スモッグは過去の現象であると考えることができます-たとえば、1950年代。定期的にロンドンを包み込んだ石炭燃焼からの排出。しかし、煙、霧、ほこりの混合は、中国からブラジルまで、世界中の多くの都市で依然として大きな問題となっています。都市の大気汚染を減らすように設計された技術はすべてデータ駆動型です。大気質を改善するには、まずその組成を監視する必要があります。

場合: 環境データとグリーンホライズン

Green Horizo​​nプログラムは、「国のエネルギーシステムを変革し、持続可能な都市化の必要性をサポートする」ことで中国の悲惨な大気質に対応するために、2014年にIBMによって開始されました(IBM、2017a)。 Green Horizo​​n *は、12のグローバル研究所からのデータを使用し、収集されたデータに認知モデルを適用して、汚染を減らすというプロジェクトの主な目標に関連する情報を提供します。このデータは、特定の地域の大気汚染の変動を監視し、科学者が直接的または間接的に大気の質、温度、状態に影響を与えるさまざまな要因を分析し、中国の物理的環境の改善を開始できるようにするために必要です。

これらのプロジェクトの大きな利点は、環境データが公に利用可能であり、グローバルに利用可能であることが多いことです。これは、大気汚染と戦うための技術開発が急速に進む可能性があることを意味します。最も基本的なニーズを満たすことに関連する重要なデータセットにアクセスできることは、既存のテクノロジーがどのように機能するかを理解するために不可欠です。そのため、建物に設置できる特殊なガラスパネルを使用して、窓が「呼吸」し、室内の空気を浄化して、そこに住む人々を保護できるようになりました。そのため、工場で使用できるフィルターを使用して、有害な排出物を削減し、地域住民を中毒から保護しています。

再生可能な食料資源

食物は、データが最も基本的な人間のニーズ(マズローのピラミッドの生理学的要因)にどのように関連しているかを示すもう1つの例です。これは一部の人にとっては空想科学小説のように聞こえるかもしれませんが、食品は何年もの間実験室で栽培されており、人工肉の使用はますます一般的な現象になりつつあります。創業以来、牛肉から鶏肉に至るまで人工肉を開発してきたシリコンバレーの新興企業であるメンフィスミーツは、そのような機関の1つにすぎません。

これは依然として規制当局、宗教、科学にとって灰色の領域であるため、人工肉は世界のコミュニティから賞賛と怒りの両方を引き出しています(Devitt、2017年)。しかし、私たちがそれを好むかどうかにかかわらず、人工肉は私たちがそれほど遠くない将来に食べるものの代わりになるかもしれません。水の消費量と二酸化炭素排出量を大幅に削減することで、農業が自然界に悪影響を与える環境で環境に優しいソリューションになります。そして、そのような肉を生産するために私たちが収集するデータは、最終的にはDNA研究を超えます。食品技術が一般的になるにつれて、追加の消費者データは、肉を美味しくするだけでなく、製造会社にとって最も重要なこととして、その市場性を高めるために、人工肉を調理する最良の方法を決定するなど、他の目的に使用されます。

データサイエンスとセキュリティ

マズローのピラミッドによれば、生理学的ニーズが満たされると、安全性(身体的、経済的、個人的)が優先されます。したがって、セキュリティは主に個人の健康と福祉を含むレベルであり、医学はデータサイエンスが特に重要な分野の1つです。医療業界では、データサイエンスは、病気の診断と治療のためのツールに革命をもたらしています。すべての医療実験は参加者のデータに基づいて行われ、この収集されたデータは、診断を明確にし、さまざまな実用的なアプローチを選択し、新製品を作成するために使用できます。複雑でまれな病気を特定するには、開業医はさまざまな症状や症状に関する情報を持っている必要があります。これは、診断の間違いを避け、問題の根本を見つけ、効果的に解決するのに役立ちます。病気が悪化し、すぐに医師の診察が必要な場合、病気の経過は数週間から数か月間制御されない可能性があり、患者は適切な専門家との約束をする必要があります。

データサイエンティストは、可能な限り最も正確なデータを生成するために、高度なアルゴリズムを開発し、マシンをトレーニングする必要があります。このデータに基づいて、異常な状況を予測することができます。さらに、収集されるデータは、それを扱う研究者の幸福に依存しません(申し訳ありません)。医療専門家が引退するとすぐに、彼らの特定の知識は彼らと一緒に行きます。データアナリストが退職した場合、彼らが残したアルゴリズム、または彼らが収集したデータは、既存の知識を拡大するための基礎として使用できます。データサイエンスは常に、私たちの過去に関する情報である残されたものに基づいています。

医学におけるデータサイエンスの成果を非常に効果的に使用できるのはこの能力です。データが保存されている限り、蓄積された知識は個人に依存しません。

場合: SkinVisionによる診断

夜空の星から肌のそばかすまで、さまざまなトピックに関するデータを収集する多くのデジタルアプリが市場に出回っています。

SkinVisionは、ユーザーのほくろをテストして皮膚がんを検出するのに役立つモバイルアプリです。集約されたユーザーデータを使用して、SkinVisionのアルゴリズムは、ユーザーが悪性症状のあるほくろを持っている可能性を判断できます。それは本当にとても簡単です:あなたがあなたの肌の写真を撮るアプリケーションで、SkinVisionはそれを登録して分析します-そしてあなたはあなたがあなたの医者と一緒に取ることができる次のステップについての推薦を受け取ります。

モバイルデバイスを使用して診断を行うことは取るに足らないとは思わないでください。病気に関するより多くの情報が収集されるにつれて、その原因と結果のデータベースは成長し、経験豊富な外科医よりも診断を決定する上ではるかに優れたものになります。 SkinVisionのようなデジタルアプリケーションを使用して診断を見つける人が増えるほど、ユーザーデータを相互検査できる大量のデータが含まれるため、テクノロジーが良性のほくろと悪性のほくろを区別できる可能性が高くなります-レンダリングされます画像。 1000の個別の症例を見た人から診断を受けるのか、それとも100万の個別の症例に関する情報を蓄積した機械から診断を受けるのかを検討してください。

知識量

データ駆動型医療への道を開いているのはデジタルアプリだけではありません。開発者によると、スーパーコンピューターのIBM Watsonは、「人のように考えることができる認知技術」です(IBM、2017b)。ワトソンは、ジェパディで人間を倒した最初の人工知能になったときに有名になりました!。しかし、それは本当に単なるメディアフードです*。ワトソンが私たちにとってとても魅力的な理由は何ですか?このテクノロジーにより、データを医療で使用できるようになります。ワトソンは主に、医師が患者の病気を特定するのを支援するのに役立ちます。

*ちなみに、これは、データが情報の消費方法をどのように変えているかを示すもう1つの例です。最も読まれているオンラインニュース記事はヒープの一番上にプッシュされ、これは最も説得力のあるコンテンツではなく、最も興味をそそる見出しのための戦争になります。著者。

Watsonは、SkinVisionアプリケーションと同じ原則を適用します。収集されたデータは診断に使用されます。もちろん、これには、より高度なアルゴリズムが必要です。ある驚くべきケースでは、ワトソンは女性のまれなタイプの白血病をわずか10分で診断できましたが、医師にとっては数週間かかりました(Otake、2016)。

医学でAIを使用する可能性についてまだ疑問がありますか?

もちろん、ワトソンは私たちのすべての問題の解決策ではありません。機械の人工知能はまだ間違っている可能性があります。しかし、機械医と人間の医療関係者の違いはデータであり、増え続ける情報を処理する技術が向上するにつれて、人間と機械の違いも向上します。結局のところ、人々は会議、医学雑誌、記事で情報を吸収することができますが、私たち全員が知識を保存する能力は限られています。さらに、人間の医師が持っている知識は、彼らの人生経験に大きく依存しています。同時に、機械の医者はますます多くのデータを受け取ることによってのみ改善することができます。クラウドを介して他のコンピューターからのデータへの即時アクセスを提供することにより、共有データは世界中のより正確な診断と操作を容易にすることができます。指数関数的成長を通じて、これらのマシンは人体のあらゆる種類の変化に関する情報を保存し、人間の知識をはるかに後回しにします。

トピックによって人気があります

人気の投稿