目次

---

1. Webと集合知
2. 講義資料
3. Web2.0のキーワード
4. 人力作業の例
5. Google
6. ページランク
7. ページランク
8. SPYSEE
9. CAPTCHA
10. reCAPTCHA
11. 人力タグづけ
12. 推薦システム
13. Wikipedia
14. 例: 10万語の辞書を作る?
15. SKK辞書
16. 人力で計算
17. クラウドソーシング
18. Mechanical Turk
19. Soylent
20. クラウドソーシングの問題点
21. その他の人力利用
22. Lang-8: 相互添削SNS
23. 共有情報の活用
24. 人々の叡智を集める
25. 共有の種類
26. 検索の共有
27. 質の良い情報を集める方法
28. ジマンパワー
29. 趣味における自慢
30. ネット上のジマンパワー
31. オープンソース
32. ブログ
33. SNS
34. 本棚.org
35. 地図帳.org
36. ソーシャル推薦システムの問題点
37. 小集団内の推薦
38. Pinterestの例
39. 共有情報からのデータマイニング
40. Gyazzページのアクセス間隔
41. Gyazzページのアクセス回数
42. TODOページのアクセス間隔
43. Gitページのアクセス間隔
44. アクセス解析結果
45. 集合知プログラミング
46. 推薦システム
47. Firefly
48. Last.fm
49. Gunosy
50. 本棚演算
51. デモ: 本棚演算
52. 数量化三類による二次元視覚化
53. Amazonの推薦
54. 推薦アルゴリズムの歴史
55. クラスタリング
56. Mooter
57. クラスタリングツール
58. bayon
59. bayon実行例
60. 階層的クラスタリング
61. デンドログラム
62. 決定木
63. もとデータ
64. 学習された決定木
65. サポートベクトルマシン (SVM)
66. フィルターバブル
67. フィルターバブル
68. フィルターバブルの問題点
69. 対策
70. dshelf
71. Menthas
72. 結論
73. End