Submit Search
Upload
JDLA勉強会 #1「DX・データ活用と機械学習・数理最適化」
•
0 likes
•
791 views
日本ディープラーニング協会(JDLA)
Follow
2021年9月27日(月)第一回JDLA勉強会 https://jdla.connpass.com/event/222590/
Read less
Read more
Technology
Report
Report
1 of 41
Download now
Download to read offline
Recommended
CDLE LT会 #2: AIパッケージソフトファースト
CDLE LT会 #2: AIパッケージソフトファースト
日本ディープラーニング協会(JDLA)
CDLE LT会 #2 G検定合格者の増やし方&継続的なAI学習に向けて
CDLE LT会 #2 G検定合格者の増やし方&継続的なAI学習に向けて
日本ディープラーニング協会(JDLA)
ディープラーニングビジネス活用アワード【大賞】日立造船
ディープラーニングビジネス活用アワード【大賞】日立造船
日本ディープラーニング協会(JDLA)
ディープラーニングビジネス活用アワード【モビリティ部門賞】ナビタイムジャパン
ディープラーニングビジネス活用アワード【モビリティ部門賞】ナビタイムジャパン
日本ディープラーニング協会(JDLA)
ディープラーニングビジネス活用アワード【インフラ部門賞】イクシス
ディープラーニングビジネス活用アワード【インフラ部門賞】イクシス
日本ディープラーニング協会(JDLA)
ディープラーニングビジネス活用アワード【ファッション部門賞】ニューラルポケット
ディープラーニングビジネス活用アワード【ファッション部門賞】ニューラルポケット
日本ディープラーニング協会(JDLA)
CDLE LT会 #1: AI特許の国内状況
CDLE LT会 #1: AI特許の国内状況
日本ディープラーニング協会(JDLA)
CVPR2020_oral発表唯一の単独日本人著者
CVPR2020_oral発表唯一の単独日本人著者
日本ディープラーニング協会(JDLA)
Recommended
CDLE LT会 #2: AIパッケージソフトファースト
CDLE LT会 #2: AIパッケージソフトファースト
日本ディープラーニング協会(JDLA)
CDLE LT会 #2 G検定合格者の増やし方&継続的なAI学習に向けて
CDLE LT会 #2 G検定合格者の増やし方&継続的なAI学習に向けて
日本ディープラーニング協会(JDLA)
ディープラーニングビジネス活用アワード【大賞】日立造船
ディープラーニングビジネス活用アワード【大賞】日立造船
日本ディープラーニング協会(JDLA)
ディープラーニングビジネス活用アワード【モビリティ部門賞】ナビタイムジャパン
ディープラーニングビジネス活用アワード【モビリティ部門賞】ナビタイムジャパン
日本ディープラーニング協会(JDLA)
ディープラーニングビジネス活用アワード【インフラ部門賞】イクシス
ディープラーニングビジネス活用アワード【インフラ部門賞】イクシス
日本ディープラーニング協会(JDLA)
ディープラーニングビジネス活用アワード【ファッション部門賞】ニューラルポケット
ディープラーニングビジネス活用アワード【ファッション部門賞】ニューラルポケット
日本ディープラーニング協会(JDLA)
CDLE LT会 #1: AI特許の国内状況
CDLE LT会 #1: AI特許の国内状況
日本ディープラーニング協会(JDLA)
CVPR2020_oral発表唯一の単独日本人著者
CVPR2020_oral発表唯一の単独日本人著者
日本ディープラーニング協会(JDLA)
顔認識の世界的な流れに触れつつ、顔認識の人種バイアスや偽造検知、なりすまし検知に関する論文
顔認識の世界的な流れに触れつつ、顔認識の人種バイアスや偽造検知、なりすまし検知に関する論文
日本ディープラーニング協会(JDLA)
ビジネス応用例と絡めて
ビジネス応用例と絡めて
日本ディープラーニング協会(JDLA)
機械学習をビジネスに利活用する人たちに対してモデル開発後の実運用フェーズにおける課題とその対策方法
機械学習をビジネスに利活用する人たちに対してモデル開発後の実運用フェーズにおける課題とその対策方法
日本ディープラーニング協会(JDLA)
CVPR 2020報告
CVPR 2020報告
日本ディープラーニング協会(JDLA)
オンライン説明会「G検定の疑問・質問全部答えます!」
オンライン説明会「G検定の疑問・質問全部答えます!」
日本ディープラーニング協会(JDLA)
ABEJAの デジタルトランスフォーメーション 〜AIが実現するプロセス⾰命〜
ABEJAの デジタルトランスフォーメーション 〜AIが実現するプロセス⾰命〜
日本ディープラーニング協会(JDLA)
CDLEおすすめ書籍
CDLEおすすめ書籍
日本ディープラーニング協会(JDLA)
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
More Related Content
More from 日本ディープラーニング協会(JDLA)
顔認識の世界的な流れに触れつつ、顔認識の人種バイアスや偽造検知、なりすまし検知に関する論文
顔認識の世界的な流れに触れつつ、顔認識の人種バイアスや偽造検知、なりすまし検知に関する論文
日本ディープラーニング協会(JDLA)
ビジネス応用例と絡めて
ビジネス応用例と絡めて
日本ディープラーニング協会(JDLA)
機械学習をビジネスに利活用する人たちに対してモデル開発後の実運用フェーズにおける課題とその対策方法
機械学習をビジネスに利活用する人たちに対してモデル開発後の実運用フェーズにおける課題とその対策方法
日本ディープラーニング協会(JDLA)
CVPR 2020報告
CVPR 2020報告
日本ディープラーニング協会(JDLA)
オンライン説明会「G検定の疑問・質問全部答えます!」
オンライン説明会「G検定の疑問・質問全部答えます!」
日本ディープラーニング協会(JDLA)
ABEJAの デジタルトランスフォーメーション 〜AIが実現するプロセス⾰命〜
ABEJAの デジタルトランスフォーメーション 〜AIが実現するプロセス⾰命〜
日本ディープラーニング協会(JDLA)
CDLEおすすめ書籍
CDLEおすすめ書籍
日本ディープラーニング協会(JDLA)
More from 日本ディープラーニング協会(JDLA)
(7)
顔認識の世界的な流れに触れつつ、顔認識の人種バイアスや偽造検知、なりすまし検知に関する論文
顔認識の世界的な流れに触れつつ、顔認識の人種バイアスや偽造検知、なりすまし検知に関する論文
ビジネス応用例と絡めて
ビジネス応用例と絡めて
機械学習をビジネスに利活用する人たちに対してモデル開発後の実運用フェーズにおける課題とその対策方法
機械学習をビジネスに利活用する人たちに対してモデル開発後の実運用フェーズにおける課題とその対策方法
CVPR 2020報告
CVPR 2020報告
オンライン説明会「G検定の疑問・質問全部答えます!」
オンライン説明会「G検定の疑問・質問全部答えます!」
ABEJAの デジタルトランスフォーメーション 〜AIが実現するプロセス⾰命〜
ABEJAの デジタルトランスフォーメーション 〜AIが実現するプロセス⾰命〜
CDLEおすすめ書籍
CDLEおすすめ書籍
Recently uploaded
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
Recently uploaded
(9)
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
JDLA勉強会 #1「DX・データ活用と機械学習・数理最適化」
1.
株式会社ブレインパッド CDTO 太田満久 2021年9月27日 DX・データ活用と 機械学習・数理最適化 1
2.
©2017 BrainPad Inc. 太田満久(おおたまん)
@ohtaman ● 株式会社ブレインパッド CDTO (Chief Data Technology Officer) ● JDLA 人材育成委員 ● Google Developers Expert (ML) ● TensorFlow User Group オーガナイザ 自己紹介 2
3.
©2017 BrainPad Inc. 大阪大学数理最適化寄附講座 ※
ブレインパッドは大阪大学大学院情報科 学研究科へ寄付を実施 BrainPad での仕事例 3 大阪大学プレスリリース より
4.
©2017 BrainPad Inc. 数理最適化のイベントやっています! 是非グループに登録ください! https://optimization.connpass.com 宣伝:
Optimization Night 4
5.
DX・データ活用と機械学習・数理最適化
6.
©2017 BrainPad Inc.
6 DXとは 企業がビジネス環境の激しい変化に対応し、データとデジタル技術を活用して、顧 客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するとともに、 業務そのものや、組織、プロセス、企業文化・風土を変革し、競争上の優位性を確 立すること。 経産省「DX推進ガイドライン Ver. 1.0」より引用
7.
©2017 BrainPad Inc.
7 DXとは 企業がビジネス環境の激しい変化に対応し、データとデジタル技術を活用して、顧 客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するとともに、 業務そのものや、組織、プロセス、企業文化・風土を変革し、競争上の優位性を確 立すること。 経産省「DX推進ガイドライン Ver. 1.0」より引用
8.
経産省「DX レポート2 中間取りまとめ(概要)」
9.
経産省「DX レポート2 中間取りまとめ(概要)」
10.
©2017 BrainPad Inc. パートナーとしての取り組みの増加 10 伊藤忠はあらゆる業界でいろいろなビジネスをしていますが、その情報をどうやって 価値のあるものにするかが大切です。そのためには、データを整合性があるものに し、分析をしなくてはいけません。その入り口を作るためのパートナーとして、ブレイ ンパッドさんが必要なのです。 【後編】伊藤忠商事が掲げる「次世代商人と
DX」~DOORS BrainPad DX Conference 2021~ #Key Session| DX・データ活用情報発信メディア -DOORS
11.
DX・データ活用と機械学習・数理最適化 = 変革
12.
DX・データ活用と機械学習・数理最適化 = 変革 = 変革のための方法
13.
©2017 BrainPad Inc. データ活用の流れ 13 データ収集・蓄積
分析 意思決定 施策実行
14.
©2017 BrainPad Inc. データ活用の流れ 14 データ収集・蓄積
分析 意思決定 施策実行 意思決定や施策の決定をする人が技術を 理解する必要がある 決定する人の属性 ● ユーザー企業 ● ビジネスパーソン ● 経営層
15.
©2017 BrainPad Inc. データ活用の流れ 15 データ収集・蓄積
分析 意思決定 施策実行 意思決定や施策の決定をする人が技術を 理解する必要がある 決定する人の属性 ● ユーザー企業 ● ビジネスパーソン ● 経営層 BrainPad ● ユーザー企業に入り込んだ支援 ● 人材育成・組織立ち上げ
16.
DX・データ活用と機械学習・数理最適化 = 変革 = 変革のための方法 = データ活用のための技術
17.
©2017 BrainPad Inc. データ活用に使われる技術 17 データ収集・蓄積
分析 意思決定 施策実行 ● クローリング ● スクレイピング ● アノテーション ● etc ● 統計解析 ● 機械学習 ● 視覚化 ● etc ● 数理最適化 ● 強化学習 ● etc ● DevOps ● セキュリティ ● etc
18.
©2017 BrainPad Inc. データ活用に使われる技術 18 データ収集・蓄積
分析 意思決定 施策実行 ● クローリング ● スクレイピング ● アノテーション ● etc ● 統計解析 ● 機械学習 ● 視覚化 ● etc ● 数理最適化 ● 強化学習 ● etc ● DevOps ● セキュリティ ● etc
19.
©2017 BrainPad Inc. AIと数理最適化(組合せ最適化) 19 Google
Cloud Next OnAir ‘20: 「AI で実現する小売業のビジネス トランスフォーメーション」 より
20.
©2017 BrainPad Inc. AIと数理最適化(組合せ最適化) 20 Google
Cloud Next OnAir ‘20: 「AI で実現する小売業のビジネス トランスフォーメーション」 より
21.
©2017 BrainPad Inc. ●
石油・化学産業: 配送、資源割当て、配合、販売など ● 製造業: 資源割当てなど ● 運輸業: 配送、スケジューリング、拠点配置など ● 経理財務: ポートフォリオ選択、税収構成、余震管理など ● 農業: 作付け、飼料配合、配送、販売価格決定など ● 医療: 看護師スケジューリング、医療・検査機器の調整など ● 鉱業: 資源割当、鉱石配合、操業計画など ● 人員計画: 配置転換、人員管理など ● 食品: 原料配合、配送、資源割当てなど ● エネルギー: スケジューリング、配送、販売、価格決定など ● 製紙業: 配合、リサイクルなど ● 広告業: 予算配分, スケジューリングなど 数理最適化(組合せ最適化)の応用事例 21 梅谷 俊治, 「60分で学ぶ数理最適化」をもとに作成
22.
©2017 BrainPad Inc. 数理最適化問題 与えられた制約条件の元で目的関数を最大化もしくは最小化する決定変 数をみつける問題 ※
特に組合せ的な要素を持つものを組合せ最適化問題と呼ぶ 数理最適化とは 22 例 ● 予算が与えられた中で費用対効果を最大化する配分をみつける ● 移動コストが最小となる全店舗を回るルートをみつける ● 需要を満たし、コストが最小となる発電機の起動停止計画を行う
23.
©2017 BrainPad Inc. 機械学習では、過去データを元に予測や分類を行う。一方数理最適化で は、予測結果等を元に、適切な意思決定を導き出す。 機械学習と数理最適化(組合せ最適化) 23 機械学習 これ何?(認識・分類) この後どうなるの?(予測) 数理最適化
で、結局どうしたら良いの?(意思決定) データをアクションにつなげる技術「数理最適化」とは? | データ活用・DX情報発信メディア -DOORS (brainpad.co.jp)
24.
©2017 BrainPad Inc. 機械学習で期待利得を推定し、数理最適化で最適な割当てを求める 例:
クーポンの最適化 24 梅谷 俊治, 「60分で学ぶ数理最適化」より
25.
©2017 BrainPad Inc. 定式化 解きたい課題を最適化モデル(数理最適 化問題)に落とし込む 最適化計算 数理モデルを解く。ソルバーと呼ばれるソ フトを利用する事が多い 数理最適化による意思決定の手順 25 問題・課題 最適化モデル (近似)最適解 結論・意思決定 定式化 最適化計算 分析・検証 最適化モデルの 修正 (検証フェーズ) 野々部
宏司,「組合せ最適化エンジンWCSPの仕組みと実装」をもとに作成
26.
©2017 BrainPad Inc. 巡回セールスマン問題(TSP) 都市の集合と各2都市間の移動コストが与えられたとき、全ての都市をちょ うど一度ずつ巡り出発地に戻るという制約の下で総移動コストが最小とな る巡回ルートを求める問題 数理最適化問題の簡単な例 26
27.
©2017 BrainPad Inc. 定式化 解きたい課題を最適化モデル(数理最適 化問題)に落とし込む 最適化計算 数理モデルを解く。ソルバーと呼ばれるソ フトを利用する事が多い 数理最適化による意思決定の手順 27 問題・課題 最適化モデル (近似)最適解 結論・意思決定 定式化 最適化計算 分析・検証 最適化モデルの 修正 (検証フェーズ) 野々部
宏司,「組合せ最適化エンジンWCSPの仕組みと実装」をもとに作成
28.
©2017 BrainPad Inc. 目的関数 制約条件 決定変数 定式化(混合整数計画法) 28
29.
©2017 BrainPad Inc. 目的関数 制約条件 決定変数 定式化(混合整数計画法) 29
30.
©2017 BrainPad Inc. 目的関数 制約条件 決定変数 定式化(混合整数計画法) 30
31.
©2017 BrainPad Inc. 目的関数 制約条件 決定変数 定式化(混合整数計画法) 31
32.
©2017 BrainPad Inc. 定式化 解きたい課題を最適化モデル(数理最適 化問題)に落とし込む 最適化計算 数理モデルを解く。ソルバーと呼ばれるソ フトを利用する事が多い 数理最適化による意思決定の手順 32 問題・課題 最適化モデル (近似)最適解 結論・意思決定 定式化 最適化計算 分析・検証 最適化モデルの 修正 (検証フェーズ) 野々部
宏司,「組合せ最適化エンジンWCSPの仕組みと実装」をもとに作成
33.
©2017 BrainPad Inc. 汎用ソルバーの利用 汎用の数理最適化ソルバーと呼ば れるソフトウェアを用いれば、目的関 数・制約条件・決定変数の指定だけ で最適化結果が得られる 最適化計算 33 巡回セールスマン問題の実装例 solve
メソッドを呼ぶだけ
34.
©2017 BrainPad Inc. 現実的な問題の例:
配送計画 34 BrainPad +AI, 活用事例より
35.
©2017 BrainPad Inc. 現実的な問題の例:
配送計画 35 BrainPad +AI, 活用事例より
36.
©2017 BrainPad Inc. 現実的な問題の例:
シフトスケジューリング 36 BrainPad +AI, 活用事例より
37.
©2017 BrainPad Inc. 参考書籍:
Pythonではじめる数理最適化 37 Pythonではじめる数理最適化 ケーススタディでモデリングのスキルを身につけよう | Ohmsha 数理最適化そのものだけではなく、その周辺の基礎 分析や検証も含めて取り扱っており、実務のイメージ がつきやすいのでおすすめです。 (僕は関わっていないのですが、勝手に宣伝)
38.
©2017 BrainPad Inc. 1.
社会実装の重要性 a. データは活用されて初めて価値となる 2. データの蓄積 a. データの重要性が認識され、様々な業界でデータが蓄積され始め ている 3. 技術の発展 a. 機械学習・深層学習の発展による高精度な予測ができる b. 計算機やアルゴリズムの発展で、解ける問題の規模が増えた 補足1: なぜ今数理最適化に注目しているのか 38
39.
©2017 BrainPad Inc. 数理最適化の「最適化」という言葉はあくまで数学的な意味合いのもので あり、必ずしもビジネス上の目的が最適化である必要はない 補足2:
数理最適化の目的は最適化だけではない 39 1. 最適解を見つける 文字通り最適解を見つけること自体に価値がある場合に数理最適化は利用できます。例えば工場施設をどこに設置す るかなど、ほんの少しの改善が大きな利益に結びつくような状況で利用されています。 2. 判断を自動化する 実ビジネスでは、本当に最適でなかったとしても、判断を自動化できるだけでも価値があるようなケースがあります。例 えば大量の広告の運用などは、人手でやることもできますが、非常に手間がかかります。数理最適化を用いることで、 人と同じような判断を自動化することができ、人件費の削減に繋がります。 3. 見積もり・シミュレーションを行う 複雑な条件を加味できるので、現実に即した見積もりやシミュレーションに利用できます。例えば、観光に行った際に、 乗換案内サービスを使って移動時間を調べながらいろいろな旅程パターンを考えることがあると思います。移動時間の 算出には最短経路探索という数理最適化の技術が使われており、乗換案内サービス自体はまさに最適解を見つけるこ とが目的です。しかし、利用目的は最適化自体ではなく、計画の立案です。少し突飛な例ではありますが、利用目的が 必ずしも最適解そのものである必要はないのです。 データをアクションにつなげる技術「数理最適化」とは? | データ活用・DX情報発信メディア -DOORS (brainpad.co.jp)
40.
©2017 BrainPad Inc. 1.
DXは技術に閉じた話ではない a. ユーザー企業とベンダがチームとなって取り組むべき(もしくは内製) 2. 機械学習と数理最適化の関係 a. 機械学習の予測結果を元に、数理最適化で意思決定を行う 3. 数理最適化の簡単な例 a. 基本的な問題に制約条件を追加することで、現実的な問題に対応できる 4. 数理最適化の目的は最適化だけではない a. 機械学習・数理最適化あくまで技術であって、使い方は自由 まとめ 40
41.
©2017 BrainPad Inc.
41 ● DX関連 ○ 経産省 DX推進ガイドラインVer. 1.0 ○ 経産省 DXレポート2 中間取りまとめ(概要) ○ DOORS メディア「DX時代に不可欠な、データ活用人材を育成するコツとは」 ● データ活用 ○ ブレインパッド他「失敗しないデータ分析・AIのビジネス導入」(森北出版) ○ 内池 もえ 「機械学習を「社会実装」するということ 」 ● 数理最適化 ○ 岩永 二郎他 「Pythonではじめる数理最適化」(オーム社) ○ 梅谷 俊治 「組合せ最適化による問題解決の実践的なアプローチ 」 ○ DOORSメディア「データをアクションにつなげる技術「数理最適化」とは? 」 参考文献
Download now