■「機械学習・AI」のイメージ

・大型データを「機械学習・AI」で解くために

・「機械学習・AI」の全体的なイメージ

・さらに「次のステップ」を目指したい方へ

■データを「場」として捉える

・「場」とは

・具体的な数理学での「場」（field）

■「自己組織化」の基礎

・あいまいな状態を測る道具「隠れた次元」

・「群の破れ」という考え方

・「ハウスドルフ次元外測度」という考え方

・ナスカの地上絵をAIで解く

■時間に依存しない「場」のモデルケース

・街道のモデルケース「佇まい」を考える

・峠のモデルケース「あやうい」を考える

■時間に依存する「場の風景」のモデルケース

・商いの風景（商店の売り上げのモデルケース）

・路の風景（人の脳波を使った景観のモデルケース）「ふうけい」を考える

・「ハイリスク＆ハイリターン」を四分位数で解く

■「自己組織化」のための「多変数の合成理論」

・「時間依存」と「時間非依存」

・時間に依存しない状態（Biplotの理論）

・固有値問題（固有値、固有ベクトル、固有値分解、特異値分解）

・時間に依存する状態（Kalman Filterの理論）

・群の臨界点を求める「自己相関関数」