はじめてのデータサイエンス [単行本]

はじめてのデータサイエンス [単行本] の 商品概要

• 目次

  第1章　現代社会におけるデータサイエンス
  　1.1　データサイエンスの役割
  　　1.1.1　ビッグデータの時代とデータサイエンス
  　　1.1.2　資源としてのデータ
  　　1.1.3　現代のそろばんとしてのデータサイエンスとAI (人工知能)
  　　1.1.4　求められるデータサイエンティスト
  　1.2　データサイエンスと情報倫理
  　　1.2.1　倫理・法律・社会的含意(ELSI)
  　　1.2.2　個人情報保護
  　　1.2.3　情報セキュリティ
  　　1.2.4　情報の適正な利用
  　　1.2.5　情報利用の死角
  　　1.2.6　AI社会の論点
  　1.3　データ分析のためのデータの取得と管理
  　　1.3.1　データ分析の対象や目的の設定
  　　1.3.2　データの形
  　　1.3.3　データの容量
  　　1.3.4　大規模なデータの利用
  　　1.3.5　データの取得方法
  　　1.3.6　データの前処理
  第2章　データ分析の基礎
  　2.1　ヒストグラム・箱ひげ図・平均値と分散
  　　2.1.1　ヒストグラム
  　　2.1.2　箱ひげ図
  　　2.1.3　平均値と分散
  　2.2　散布図と相関係数
  　　2.2.1　2つの量のデータ
  　　2.2.2　散布図
  　　2.2.3　相関係数
  　2.3　回帰直線
  　　2.3.1　回帰直線と最小二乗法
  　　2.3.2　目的変数の散らばり(変動)と決定係数
  　2.4　データ分析で注意すべき点
  　　2.4.1　相関関係と因果関係
  　　2.4.2　観察研究と実験研究
  　　2.4.3　標本調査
  　　2.4.4　適切なグラフの使い方
  第3章　データサイエンスの手法
  　3.1　クロス集計
  　3.2　回帰分析
  　　3.2.1　線形回帰
  　　3.2.2　結果の見方の例－－平均寿命と喫煙
  　　3.2.3　外れ値の影響
  　　3.2.4　逆回帰
  　　3.2.5　主成分分析による説明変数の合成
  　　3.2.6　ロジスティック回帰分析
  　3.3　ベイズ推論
  　　3.3.1　ベイズの定理
  　　3.3.2　ベイズ推論の応用例－－迷惑メールの検出
  　3.4　アソシエーション分析
  　3.5　クラスタリング
  　　3.5.1　距離とクラスタリング
  　　3.5.2　階層クラスタリング
  　　3.5.3　非階層クラスタリング：k-means法
  　3.6　決定木
  　　3.6.1　決定木の例
  　　3.6.2　決定木の作り方
  　3.7　ニューラルネットワーク
  　　3.7.1　ニューラルネットワークの考え方
  　　3.7.2　簡単なニューラルネットワークの例
  　3.8　機械学習とAI (人工知能)
  　　3.8.1　機械学習とAIの進展
  　　3.8.2　ニューラルネットワークにおける学習
  　　3.8.3　教師あり学習と教師なし学習
  　　3.8.4　過学習
  　　3.8.5　AI (人工知能)の隆盛
  第4章　Excelによるデータ分析
  　4.1　基本統計量とヒストグラム・箱ひげ図
  　　4.1.1　データの取得
  　　4.1.2　基本的な統計量の計算
  　　4.1.3　度数分布表とヒストグラムの作成
  　　4.1.4　箱ひげ図と四分位点を求める関数
  　4.2　散布図と相関係数・回帰直線
  　　4.2.1　データの取得
  　　4.2.2　散布図の作成と回帰直線の追加
  　　4.2.3　相関係数などの統計量の算出
  　4.3　Excelやオープンデータ公開方法の変化
  第5章　データサイエンス教育と社会への応用事例
  　5.1　国家戦略
  　　5.1.1　AI戦略2019に至った経緯
  　　5.1.2　「AI戦略2019」の概要
  　　5.1.3　数理・データサイエンス・AI教育プログラム
  　5.2　行政分野
  　　5.2.1　社会基盤整備
  　　5.2.2　防災対策と災害対応
  　　5.2.3　安全・安心な生活のための施策
  　5.3　企業経営分野
  　　5.3.1　人的資源管理
  　　5.3.2　生産管理
  　　5.3.3　品質管理
  　　5.3.4　財務管理
  　5.4　健康分野
  　　5.4.1　献立作成アプリ
  　　5.4.2　健康栄養分野の調査研究
  　5.5　スポーツ分野
  　　5.5.1　スポーツテック
  　　5.5.2　IoTやAIを活用した体操競技採点システム
  　　5.5.3　デジタルヘルス
  　　5.5.4　日常生活の調査
  第6章　より進んだ学習のために

• 出版社からのコメント

  現代の大学生が身につけておくべきデータサイエンスの基礎を解説した入門書。行政・企業経営・健康・スポーツ分野の応用事例を紹介。

• 内容紹介

  ※本書は，竹村彰通・姫野哲人・高田聖治編『データサイエンス入門第2版(データサイエンス大系)』を，人文社会系大学の基礎教育科目向けにカスタマイズした書籍です．
  
  本書は，ビッグデータ時代を生きるすべての大学生が身につけるべきデータサイエンスをリテラシーレベルで解説したテキストである．専門分野を問わず，大学1年生の教養課程での使用を想定し，特に，文科系の学生にも知っておいてほしい内容を扱っている．そのため，できるだけ数式の使用を避け，図表やグラフを多用して，文科系の学生にも理解できる説明となるよう努めた．また，いくつかの分野でのデータサイエンスの応用事例を紹介し，実社会でのデータサイエンスの役割を知識として学べる構成とした．具体的には以下のような項目を扱っている．
  
  • データサイエンスの社会的な役割
  • データサイエンスのための統計学の基礎
  • データサイエンスの手法の紹介
  • インターネットからのデータの取得とExcel を用いたデータ分析の初歩
  • データサイエンスの応用事例
  
  Excelを用いたデータ分析の初歩を扱う第4章では，インターネットで提供されている公共の統計データを取得する方法を丁寧に解説することで読者が「生きたデータ」を用いて学習できるようにした．
  データサイエンスの応用事例を扱う第5章では，はじめにデータサイエンスにかかわる国家戦略の解説を行い，社会の変化に応じて国がどのような施策を講じているのか理解を得た上で，行政分野，企業経営分野，健康分野，スポーツ分野の応用事例を紹介する．これによって，データサイエンスが現代社会でいかに必要とされており，どのような役割を果たしているかを知ることができる．
  
  〈目次〉
  第1章　現代社会におけるデータサイエンス
  　データサイエンスの役割／データサイエンスと情報倫理／データ分析のためのデータの取得と管理
  第2章　データ分析の基礎
  　ヒストグラム・箱ひげ図・平均値と分散／散布図と相関係数／回帰直線／データ分析で注意すべき点
  第3章　データサイエンスの手法
  　クロス集計／回帰分析／ベイズ推論／アソシエーション分析／クラスタリング／決定木／ニューラルネットワーク／機械学習とAI (人工知能)
  第4章　Excelによるデータ分析
  　基本統計量とヒストグラム・箱ひげ図／散布図と相関係数・回帰直線／Excelやオープンデータ公開方法の変化
  第5章　データサイエンス教育と社会への応用事例
  　国家戦略／行政分野／企業経営分野／健康分野／スポーツ分野
  第6章　より進んだ学習のために

はじめてのデータサイエンス [単行本] の商品スペック