岩崎 学(著)
※1点の税込金額となります。 複数の商品をご購入いただいた場合のお支払金額は、 単品の税込金額の合計額とは異なる場合がございますので、予めご了承ください。
本書は、主に統計学の視点からデータサイエンスについて解説しています。
PythonやRといったプログラミング言語を通じて
データ分析の手法は一通り学んだという皆さん、そのスキル、
実際に活かせていますか? 具体的な課題解決につながっていますか?
・分析結果から何を読み取ればいいのかわからない
・数字からどんな価値を見いだせるのかがわからない
・そもそも、その分析方法が適切なのかどうか自信がない
・効率のいい分析ができているのかどうかわからない
という方、多いのではないでしょうか?
データを使って意思決定を行うには、統計学の知識は欠かせません。
そこで本書では、8つの具体的な社会事例を用い、
・課題に「適した」分析手法やデータの収集方法
・事例の分析結果の解釈
・分析や解釈の際に注意すべきこと
を数学の知識で補完しながら紹介しています。
著者は首都圏初のデータサイエンス学部として2018年4月に創設された、
横浜市立大学 データサイエンス学部 学部長の岩崎 学先生。
データサイエンティストやエンジニアが見失いがちな、
「何のために分析するのか」を意識しながら読み進めてみてください。
【こんな方にお勧めします】
・統計学もプログラミングも一通り学んだけれど、
結果をどう判断すればいいのかわからないエンジニア
・分析結果の数字やグラフから、
業務でいかすためのヒントを得たいデータサイエンティスト
・データサイエンスに興味のある学生(専門課程を選ぶ際の
参考資料として)
【目次】
第1章 データサイエンスとは
第2章 アンケート調査結果から何を読み取るか ~データの要約とグラフ化~
第3章 オープンデータから何がわかるか、何がいえるか ~集計データの統計分析~
第4章 Webコンテンツの更新は売上高に効果があるか ~変量間の関係と重回帰分析~
第5章 ダイエットは効果があったのか ~処置前後データと平均への回帰~
第6章 テストの結果について部分と全体を融合する ~マルチレベル分析~
第7章 寿命をいかに測り分析するか ~打ち切りとトランケーション~
第8章 おいしいカフェオレを作りたい ~実験計画法の効果的適用~
第9章 あるべきデータがない 〜欠測データの処理法〜
第10章 機械学習のエッセンス
本書では社会展開を念頭に置いたうえで、主に統計学の視点からデータサイエンスの様々な面を取り上げています。
筆者が遭遇した課題を示し、一つの解決法を述べた後で、背後にある統計理論や考え方を解説する、ユニークな構成です。
大学初年級の統計学の基礎事項を解説し、さらに問題解決に必要な中級以上の内容の統計手法についても紹介しています。
第1章 データサイエンスとは
1.1 これまでの統計的データ解析の流れ
1.2 データサイエンスの特徴
第2章 アンケート調査結果から何を読み取るか
2.1 データの要約統計量の導出とグラフ化
2.2 1変量データの要約とグラフ化
2.3 2変量データの要約とグラフ化
2.4 統計手法の概説(統計的推測の基礎)
第3章 オープンデータから何がわかるか、何がいえるか
3.1 データの素性と分析結果の解釈
3.2 集計データ分析のための論点
3.3 問題の定式化とパラメータの推定
3.4 統計手法の概説(単回帰分析とエコロジカル・インファレンス)
第4章 Webコンテンツの更新は売上高に効果があるか
4.1 データの吟味と分析の目的
4.2 データ分析の基本的事項
4.3 データの分析と解釈
4.4 統計手法の概要(重回帰分析)
第5章 ダイエットは効果があったのか
5.1 データの集計および単純な解析
5.2 処置前後データ解析の論点
5.3 スクリーニング下での統計的推測
5.4 統計手法の概説(統計的検定)
第6章 テストの結果について部分と全体を融合する
6.1 階層的なデータ構造
6.2 マルチレベルモデルとマルチレベル分析
6.3 計算例とその解釈
6.4 統計手法の概説(階層データのモデル)
第7章 寿命をいかに測り分析するか
7.1 寿命データの特徴
7.2 打ち切りとトランケーションの下での推定
7.3 推定値の計算法
7.4 統計手法の概説(寿命データの解析)
第8章 おいしいカフェオレを作りたい
8.1 測定の精度の計算
8.2 おいしいカフェオレを作る
8.3 実験計画法とデータの分析法の基本
8.4 統計手法の概説(計画の直交性と直交表)
第9章 あるべきデータがない
9.1 欠測値への対処法とその性質
9.2 欠測データの統計処理の基本
9.3 欠測への対処法とその結果
9.4 統計手法の概説(欠測のモデルと多重代入法)
第10章 機械学習のエッセンス
10.1 データ分析のおさらい
10.2 機械学習手法の分類
10.3 パフォーマンスの評価