Python,Rで学ぶデータサイエンス [単行本]

Python,Rで学ぶデータサイエンス [単行本] の 商品概要

• 目次

  1．イントロダクション
  　なぜデータサイエンスが必要なのか
  　データサイエンスとは何か
  　データサイエンスの方法論
  　データサイエンスのタスク
  　練習問題
  
  2．PythonとRの基礎
  　Pythonのダウンロード
  　Pythonプログラミングの基礎
  　RとRStudioのダウンロード
  　Rプログラミングの基礎
  　参考文献
  　練習問題
  
  3．データ準備
  　銀行マーケティングデータセット
  　分析課題を設定する
  　データの準備
  　インデックスの付与
  　モデルに悪影響をもたらす変数値の変換
  　カテゴリ変数から数値変数への変換
  　数値変数の正規化
  　外れ値の特定
  　参考文献
  　練習問題
  
  4．探索的データ解析
  　探索的データ解析（EDA）と仮説検定
  　複合棒グラフと目的変数
  　分割表
  　複合ヒストグラム
  　説明変数のビン化
  　参考文献　
  　練習問題
  
  5．モデル構築下準備
  　第４章までのおさらい
  　データ分割
  　データ分割の評価
  　学習用データセットの均衡化
  　モデル性能のベースラインの策定
  　参考文献
  　練習問題
  
  6．決定木
  　イントロダクション
  　CARTアルゴリズム
  　C5.0アルゴリズム
  　ランダムフォレスト
  　参考文献
  　練習問題
  
  7．モデルの評価
  　イントロダクション
  　分類モデルの評価指標
  　感度と特異度
  　適合率，再現率，Fβ値
  　モデル評価手法
  　モデル評価の適用例
  　不均衡な損失の考慮
  　不均衡な損失の有無によるモデル比較
  　データドリブンな損失の定義
  　練習問題
  
  8．単純ベイズ分類器
  　単純ベイズの紹介
  　ベイズの定理
  　最大事後確率
  　条件付き独立
  　単純ベイズ分類器の適用例
  　参考文献
  　練習問題
  
  9．ニューラルネットワーク
  　ニューラルネットワーク入門
  　ニューラルネットワークの構造
  　結合の重みと組合わせのための関数
  　シグモイド型の活性化関数
  　誤差逆伝播法
  　ニューラルネットワークの適用例
  　ニューラルネットワークにおける重みの解釈
  　Ｒでのニューラルネットワークの使い方
  　練習問題
  
  10．クラスタリング
  　クラスタリングとは何か？
  　k-meansクラスタリングアルゴリズム入門
  　k-meansクラスタリングの適用
  　クラスターの検証
  　Pythonによるk-meansクラスタリングの実行方法
  　Ｒによるk-meansクラスタリングの実行方法
  　練習問題
  
  11．回帰モデル
  　推定タスク
  　記述的回帰モデル
  　多変量回帰モデルの応用例
  　Pythonを用いた重回帰
  　Ｒを用いた重回帰
  　推定に対するモデルの評価
  　ステップワイズ回帰
  　回帰のベースとなるモデル
  　参考文献
  　練習問題
  
  12．次元削減
  　次元削減の必要性
  　多重共線性
  　分散拡大係数を用いた多重共線性の確認
  　主成分分析
  　主成分分析の応用
  　何個の成分まで取り出すか
  　k=4でPCAを実行する
  　主成分の検証
  　Pythonを用いた主成分分析の実行法
  　Ｒを用いた主成分分析の実行法
  　多重共線性が問題にならないとき
  　参考文献
  　練習問題
  
  13．一般化線形モデル
  　一般化線形モデルの概要
  　一般化線形モデルとしての線形回帰
  　一般化線形モデルとしてのロジスティック回帰
  　ロジスティック回帰の例
  　ポアソン回帰
  　ポアソン回帰の例
  　参考文献
  　練習問題
  
  14．アソシエーションルール
  　イントロダクション
  　アソシエーションルールの簡単な抽出例
  　支持度，信頼度，リフト値
  　アソシエーションルールの抽出
  　指標の確認
  　信頼度差分基準
  　信頼度比率基準
  　参考文献
  　練習問題
  
  付録：データの要約と可視化
  　要約1：データ分析のブロックの構築
  　可視化：データを要約および整理するためのグラフと表
  　要約2：中心，ばらつき，位置の尺度
  　2変量の関係の要約と可視化
  
  コマンド・スクリプト索引

• 出版社からのコメント

  データサイエンスを実践的に学べる教科書・実用書．実社会における分析課題を解決する技量を養う．

• 内容紹介

  初学者がデータサイエンス分野で即戦力となる技術を身につけるための教科書・実用書．大学のデータサイエンス入門者?中級者向けに書かれている．数学的，統計的バックグランドやプログラミングスキルがなくてもゼロからプログラムを書けるよう丁寧に説明しており，機械学習の諸分野について体系的かつ広く学べる．練習問題が500問以上あるので，理解度を測りながらPythonとRの実践的な分析力，プログラミングスキルを身につけることができる．
  
  図書館選書
  初学者がデータサイエンス分野で即戦力となる技術を身につけるための教科書・実用書．大学のデータサイエンス入門者～中級者向けに書かれている．PythonとRの実践的なスキルを身につけることができる．

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  Larose,Chantal D.(LAROSE,CHANTAL D.／Larose,Chantal D.)
  米国コネチカット大学で“Ｍｏｄｅｌ‐Ｂａｓｅｄ　Ｃｌｕｓｔｅｒｉｎｇ　ｏｆ　Ｉｎｃｏｍｐｌｅｔｅ　Ｄａｔａ（不完全データにおけるモデルベースクラスタリング）”の論文により、２０１５年にＰｈ．Ｄ．を取得した。ニューヨーク州立大学（ＳＵＮＹ）ニューパルツ校の助教授として、ビジネスデータサイエンス学部の教育に携わり、現在はイースタン・コネチカット州立大学において、統計とデータサイエンスの助教授を務め、数理科学専攻のデータサイエンスカリキュラムに携わっている
  
  Larose,Daniel T.(LAROSE,DANIEL T.／Larose,Daniel T.)
  １９９６年に“Ｂａｙｅｓｉａｎ　Ａｐｐｒｏａｃｈｅｓ　ｔｏ　Ｍｅｔａ‐Ａｎａｌｙｓｉｓ（メタアナリシスにおけるベイズ統計学的アプローチ）”の論文により、コネチカット大学で統計学の学位を取得し、現在はセントラル・コネチカット州立大学（ＣＣＳＵ）において、統計とデータサイエンスの教授を務めている。２００１年には、世界ではじめて、データマイニングのオンライン修士課程のコースを開講した。小規模なコンサルティングビジネス（ＤａｔａＭｉｎｉｎｇＣｏｎｓｕｌａｎｔ．ｃｏｍ）を行っており、また、ＣＣＳＵのデータサイエンスプログラムにおいて、オンライン修士課程で指導にあたっている
  
  阿部 真人(アベ マサト)
  １９８４年宮城県に生まれる。２００９年東京大学教養学部卒。２０１５年東京大学大学院総合文化研究科博士課程修了。現、理化学研究所革新知能統合研究センター特別研究員。専門は数理生物学、データ科学、ネットワーク科学。博士（学術）
  
  西村 晃治(ニシムラ コウジ)
  １９８６年神奈川県に生まれる。２００９年早稲田大学国際教養学部卒。２０１２年東京大学大学院総合文化研究科修士課程修了。現、（株）ブレインパッドリードデータサイエンティスト。専門は生態学、機械学習、プロジェクトマネジメント。修士（学術）

Python,Rで学ぶデータサイエンス [単行本] の商品スペック