サイトメニューここからこのページの先頭です

ショートカットキーの説明を開始します。画面遷移や機能実行は、説明にあるショートカットキーを同時に押した後、Enterキーを押してください。ショートカットキーの説明を聞くには、Alt+0。トップ画面の表示には、Alt+1。ログインを行うには、Alt+2。簡易検索画面の表示には、Alt+3。詳細検索画面の表示には、Alt+4。障害者向け資料検索画面の表示には、Alt+5。検索結果の並び替えを行うには、Alt+6。国立国会図書館ホームページの表示には、Alt+7。検索結果の絞り込みを行うには、Alt+8。以上でショートカットキーの説明を終わります。

ナビゲーションここから

ナビゲーションここまで

本文ここから

資料種別 図書

AI・IoT・ビッグデータ総覧 2017-2018

日経ビッグデータ 編

詳細情報

タイトル AI・IoT・ビッグデータ総覧
著者 日経ビッグデータ 編
著者標目 日経BP
出版地(国名コード) JP
出版地東京
出版社日経BP社
出版年月日等 2017.8
大きさ、容量等 1冊 ; 31cm + CD-ROM 1枚 (12cm)
注記 ルーズリーフ
注記 NDC(9版)はNDC(10版)を自動変換した値である。
ISBN 9784822259563
価格 185000円
JP番号 22946002
巻次 2017-2018
出版年(W3CDTF) 2017
件名(キーワード) 情報サービス
件名(キーワード) ビッグデータ
Ajax-loader 関連キーワードを取得中..
件名(キーワード) IoT
Ajax-loader 関連キーワードを取得中..
件名(キーワード) 人工知能
NDLC YU7
NDLC DK411
NDC(10版) 007.35 : 情報学.情報科学
NDC(9版) 007.35 : 情報科学
対象利用者 一般
資料の種別 図書
言語(ISO639-2形式) jpn : 日本語

目次
 

  • AI・IoT・ビッグデータ総覧 2017-2018
  • BIG DATA CONTENTS
  • 1章 総論:AI・IoT・ビッグデータで変わる企業
  • 1章 スタートアップも含めて活用基盤が整う 1-1
  • 1章 全社横断・他社連携での活用が本格化 1-2
  • 1章 経営効果を常に意識し、関係者を巻き込め 1-3
  • 1章 本書について 1-4
  • 1章 AI・IoT・ビッグデータ調査集 1-5
  • 1章 データ活用度調査(1) 1-5
  • 1章 データ活用度調査(2) 1-6
  • 1章 日本のAI市場 1-7
  • 1章 日本のIoT市場と世界の導入率 1-8
  • 1章 ビッグデータ市場と利活用状況 1-9
  • 2章 産業別データ活用マップ
  • 2章 業界別データ活用マップの読み方 2-1
  • 2章 (1) (2)製造(自動車、家電、重機、精密、電子部品)、(5)その他製造 2-2
  • 2章 (3) 食品・日用品、(10)サービス、(7)情報(BtoC) 2-3
  • 2章 (4) 医療・健康 2-4
  • 2章 (6) 流通(スーパー、コンビニ、百貨店、通販) 2-5
  • 2章 (7) 通信 2-6
  • 2章 (7) 情報(BtoB) 2-7
  • 2章 (8) 運輸(鉄道、陸運、海運、航空) 2-8
  • 2章 (9) 金融(銀行、証券、損保、生保、リース、クレジットカード) 2-9
  • 2章 (11) 住宅・建設 2-10
  • 2章 (12) エネルギー 2-11
  • 2章 (13) 公共(政府、自治体、文教) 2-11
  • 3章 データを収益に変えるメソッド
  • 3章 データを金にするためのフレームワークDIVA 3-1
  • 3章 1. 「データ→情報→価値→効用」で新規事業を考える 3-1
  • 3章 2. 「気持ち悪さ」を構成する「のぞき」「勘繰り」「余計なお世話」 3-6
  • 3章 3. DIVAの前工程として、粗い仮説を量産する 3-8
  • 3章 データビジネス成功ケースの特徴 3-11
  • 4章 国内活用事例
  • 4章 4章、5章の活用方法
  • 4章 ●自動車
  • 4章 いすゞ自動車 4-1
  • 4章 トヨタIT開発センター 4-2
  • 4章 トヨタ自動車 4弩
  • 4章 日産自動車 4遜
  • 4章 ホンダ 4-6
  • 4章 ●電機・機械
  • 4章 旭鉄工 4-6
  • 4章 オムロン 4-7
  • 4章 オムロンヘルスケア 4-8
  • 4章 コニカミノルタジャパン 4-9
  • 4章 コマツ 4-10
  • 4章 ダイセル 4-11
  • 4章 パナソニック 4-12
  • 4章 富士フイルム 4-13
  • 4章 安川電機 4-14
  • 4章 ●食品・日用品
  • 4章 アシックス 4-15
  • 4章 ジンズ 4-16
  • 4章 ネスレ日本 4-17
  • 4章 ファーストリデイリング 4-18
  • 4章 ●医療・健康
  • 4章 RNC 4-19
  • 4章 エルピクセル 4-20
  • 4章 京都大学、理化学研究所、製薬企業など 4-21
  • 4章 帝人 4-22
  • 4章 日本調剤 4-23
  • 4章 ヘルスケアIoTコンソーシアム 4-24
  • 4章 ●その他製造
  • 4章 フジクラ 4-25
  • 4章 三井化学 4-26
  • 4章 ●流通
  • 4章 IDOM 4-27
  • 4章 大丸松坂屋百貨店、三越伊勢丹ホールディングス 4-28
  • 4章 トライアルホールディングス 4-29
  • 4章 三越伊勢丹ホールディングス 4-30
  • 4章 メガネスーパー 4-31
  • 4章 楽天 4-32
  • 4章 ●通信・情報
  • 4章 KDDI 4-33
  • 4章 N下「ドコモ、東京無線協同組合、富士通、富士通テン 4-34
  • 4章 Sansan 4-35
  • 4章 アクセルスペース 4-36
  • 4章 エコモット、ライフビジネスウェザー 4-37
  • 4章 ウェザーニューズ 4-38
  • 4章 オークネット・アイビーエス 4-39
  • 4章 キヤノンマーケティングジャパン、Z-Works 4-40
  • 4章 コネクテッド・デザイン 4-41
  • 4章 サイジニア 4-42
  • 4章 ジェイモードエンタープライズ 4-43
  • 4章 スマートドライブ 4-44
  • 4章 ゼブラル 4-45
  • 4章 ソフトバンク 4-46
  • 4章 大日本印刷 4-47
  • 4章 デザミス 4-48
  • 4章 東京商工リサーチ 4-49
  • 4章 トッパン・フォームズ 4-50
  • 4章 ネットプロテクションズ 4-51
  • 4章 ルグラン 4-52
  • 4章 富士通交通・道路データサービス 4-53
  • 4章 ヤフー 4-54
  • 4章 ユーレット 4-55
  • 4章 ライフビジネスウェザー 4-56
  • 4章 ●運輸
  • 4章 WILLER EXPRESS JAPAN 4-57
  • 4章 運輸デジタルビジネス協議会 4-58
  • 4章 九州旅客鉄道(JR九州) 4-59
  • 4章 佐川急便 4-60
  • 4章 ピーチ・アビエーション 4-61
  • 4章 東日本旅客鉄道(JR東日本) 4-62
  • 4章 ●金融・保険
  • 4章 あいおいニッセイ同和損害保険 4-63
  • 4章 新生銀行 4-64
  • 4章 損害保険ジャパン日本興亜 4-65
  • 4章 第一生命保険 4-66
  • 4章 第四銀行 4-67
  • 4章 東急カード 4-68
  • 4章 日本取引所グループ 4-69
  • 4章 みずほフィナンシャルグループ 4-70
  • 4章 三井住友フィナンシャルグループ 4-71
  • 4章 三菱UFJフィナンシャル・グループ 4-72
  • 4章 ●サービス
  • 4章 CCCマーケティング 4-73
  • 4章 Creww 4-74
  • 4章 サイトビジット 4-75
  • 4章 綜合警備保障(ALSOK) 4-76
  • 4章 ドコモ・バイクシェア 4-77
  • 4章 日本ビューホテル 4-78
  • 4章 タイムズ24 4-79
  • 4章 ハウステンボス 4-80
  • 4章 ファミワン 4-81
  • 4章 ●住宅・建設
  • 4章 LIFULL 4-82
  • 4章 安藤ハザマ 4-83
  • 4章 オプテックス、ザイマックス 4-84
  • 4章 積水ハウス、ビットフライヤー 4-85
  • 4章 大和ハウス工業 4-86
  • 4章 東急建設 4-87
  • 4章 ミサワホーム 4-88
  • 4章 ライナフ 4-89
  • 4章 リノベる 4-90
  • 4章 レオパレス21 4-91
  • 4章 ●エネルギー
  • 4章 関西電力 4-92
  • 4章 東京電力、インフォメティス 4-93
  • 4章 日本瓦斯 4-94
  • 4章 ●公共
  • 4章 九州大学 4-95
  • 4章 京都市 4-96
  • 4章 京都府警察本部 4-97
  • 4章 倉敷市など7市3町 4-98
  • 4章 内閣官房・経済産業省 4-99
  • 4章 ●その他
  • 4章 寺田倉庫 4-100
  • 4章 福岡ソフトバンクホークス、ヤフー 4-101
  • 5章 海外活用事例
  • 5章 米23アンド・ミー 5-1
  • 5章 オランダのピアテクノロジーズ 5-2
  • 5章 中国・上海儀電(INESA) 5-3
  • 5章 米アップル 5-4
  • 5章 米アマゾン・ドット・コム 5-5
  • 5章 米ウーバー・デクノロジーズ 5-6
  • 5章 米エアビーアンドビー 5-7
  • 5章 フィンランドのエネボ 5-8
  • 5章 米グーグル(米アルファベット) 5-9
  • 5章 米スクエア 5-11
  • 5章 米ゼネラル・エレクトリック 5-12
  • 5章 米ツイッター 5-13
  • 5章 米データロボット 5-14
  • 5章 独トラスト・ユー 5-15
  • 5章 米ネットブリックス 5-16
  • 5章 米フェイスブック 5-17
  • 5章 米モンサント(クライメート) 5-18
  • 6章 データで課題を解決するスマートシティ
  • 6章 課題を解決するスマートシティ 6-1
  • 6章 ゴミ 6-2
  • 6章 医療 6-3
  • 6章 街灯 6-4
  • 6章 環境 6-5
  • 6章 交通事故 6-6
  • 6章 公共交通 6-7
  • 6章 治安 6-8
  • 6章 住居 6-9
  • 6章 食品衛生 6-10
  • 6章 水 6-11
  • 7章 AI/機械学習・活用総覧
  • 7章 画像の深層学習による活用が始まる カギを握るスタートアップとの連携 7-1
  • 7章 AI活用は地に足の着いた新たなステージに 7-2
  • 7章 AI活用支援スタートアップアンケート 7-4
  • 7章 AI&機械学習に関わる主な国内ベンチャー企業 7-8
  • 7章 業種・業務別人工知能データ活用マップ(1) 7-16
  • 7章 業種・業務別人工知能データ活用マップ(2) 7-17
  • 7章 業種・業務別人工知能データ活用マップ(3) 7-18
  • 7章 業種・業務別人工知能データ活用マップ(4) 7-19
  • 7章 深層学習のデータと知的財産の所有権 7-20
  • 8章 主要産業別IoT活用総覧
  • 8章 IoTであ5ゆる産業がデジタル化異業種入り乱れ新サービスが創出 8-1
  • 8章 構成要素 8-3
  • 8章 アプリケーション 8-4
  • 8章 (1) モパイルヘルス 8-5
  • 8章 (2) 回収 8-6
  • 8章 (3) 工場 8-7
  • 8章 (4) 家庭・設備 8-8
  • 8章 (5) 交通 8-9
  • 8章 (6) エネルギー 8-10
  • 8章 (7) 店舗・オフィス 8-11
  • 8章 (8) 農林水産 8-12
  • 8章 (9) 社会インフラ 8-13
  • 8章 (10) 建設 8-14
  • 8章 (11) 物流 8-15
  • 8章 (12) セキュリティー 8-16
  • 8章 (13) 金融・保険 8-17
  • 8章 (14) スポーツ 8-18
  • 8章 (15) エンターテインメント 8-19
  • 8章 IoT活用を実現するセンサー 8-20
  • 8章 IoTプラットフォームの主要機能とベンダー動向 8-22
  • 9章 ビジネスに活用できるデータソース総覧
  • 9章 掛け合わせで新たな価値を見いだせる 9-1
  • 9章 経済・統計データ 9-2
  • 9章 位置・地理データ 9-9
  • 9章 気象・防災データ 9-12
  • 9章 交通データ 9-15
  • 9章 生体・その他データ 9-16
  • 10章 データ売買・交換市場
  • 10章 データ市場が本格始動、業界団体も発足へ 欧米では再編相次ぎ、ソリューション連携 10-1
  • 10章 米エブリセンス 10-2
  • 10章 米データクー 10-3
  • 10章 米プロパプリカ・データストア 10-4
  • 10章 米マシェイプ 10-5
  • 10章 カナダのクアンドル 10-6
  • 10章 果クリック(データマーケット) 10-7
  • 10章 崇アクシオム 10-8
  • 10章 米オラクル 10-9
  • 10章 その他のデータマーケットプレース 10-10
  • 11章 データを活かすツール・サービス一覧
  • 11章 分析ツール・サービス総覧 11-1
  • 11章 データを生かすツール・サービス 11-2
  • 11章 (1) データ収集・加工ツール 11-3
  • 11章 (2) データストア(オンプレミス) 11-6
  • 11章 (3) データストア(クラウド専用サービス) 11-8
  • 11章 (4) Hadoop関連 11-10
  • 11章 (5) 専門家向け分析ツール 11-12
  • 11章 (6) ビジネス部門向け分析ツール 11-14
  • 11章 (7) テキスト/音声/画像分析ツール 11-17
  • 11章 (8) リアルタイム分析ツール 11-20
  • 11章 (9) デジタルマーケティング 11-21
  • 11章 (10) 特定業種・業務向け分析ツール 11-23
  • 11章 (11) センサーデータ関連ツール 11-25
  • 11章 ビッグデータ活用に向けたツール選定の考え方 11-27
  • 11章 ツール・サービス活用マップ 11-32
  • 12章 データ活用関連法改正、急所・Q&A
  • 12章 改正法で変わるビッグデータ活用 12-1
  • 12章 個人情報とプライバシーの定義 12-11
  • 12章 侵害事例の背景や発生原因 12-12
  • 12章 活用モデル別のリスク検討手順 12-15
  • 12章 活用局面別のリスク対応策 12-18
  • 12章 グローバル展開時の留意事項と各国規制 12-22
  • 13章 匿名化によるパーソナルデータ活用の実際
  • 13章 匿名化によるパーソナルデータ活用の実際 13-1
  • 14章 データを駆使する組織
  • 14章 主導権を持つ機能をどこに置くか 14-1
  • 14章 データ分析組織を立ち上げ、成果を出すには 14-10
  • 15章 AI・IoT・ビッグデータ活用提案テンプレート
  • 15章 プロジェクトを迅速に実行に移す ビジョン策定と提案テンプレート 15-1
  • 16章 日米欧オープンデータ最新動向
  • 16章 Data.go.jp 16-1
  • 16章 日本政府・自治体のオープンデータ 16-2
  • 16章 日本の民間団体のデータポータル 16-3
  • 16章 米国のオープンデータ・ポータル 16-4
  • 16章 米DATA法 16-5
  • 16章 欧州のオープンデータ・ポータル 16-6
  • 16章 海外民間団体のオープンデータ・ポータル 16-7
  • 活用事例の企業索引
  • 寄稿者一覧

本文ここまで

Copyright © 2012 National Diet Library. All Rights Reserved.

フッター ここまで