データサイエンス数学ストラテジスト中級公式テキスト―企業が求めるデジタルスキル資格 [単行本]

データサイエンス数学ストラテジスト中級公式テキスト―企業が求めるデジタルスキル資格 の 商品概要

• 要旨（「BOOK」データベースより）

  数学力が労働生産性を左右する、それがＡＩ時代。

• 目次

  第１章　数学基礎
  イントロダクション
  1-1　基本的な計算を間違えない～四則演算
  1-2　マイナスの値も正確に計算する～正の数，負の数
  1-3　数値間の大きさの違いを表現する～割合と比
  1-4　複数の変数間の関係性を表現する～比例と反比例
  1-5　同じパターンの繰り返しに気付く～数や図形の規則性
  1-6　数値の特性を知る～名義尺度，順序尺度，間隔尺度，比例尺度
  1-7　データの分布を把握する～度数分布表，ヒストグラム，相対度数
  1-8　データを代表する値を求める～代表値（平均，中央値，最頻値）
  1-9　量や変化をグラフで表現する～棒グラフ，折れ線グラフ
  1-10　割合をグラフで表現する～円グラフ，帯グラフ
  1-11　データの散らばり具合を調べる～分散と標準偏差
  1-12　データをまとめる～集合（和集合，積集合，差集合，ベン図）
  1-13　係数と指数を確実に計算する～文字式の計算
  1-14　等式が成り立つ変数の値を求める～方程式
  1-15　複数の等式を満たす解を求める～連立方程式
  1-16　2次方程式を解く～因数分解と2次方程式
  1-17　直線状のグラフになる関数～1次関数
  1-18　放物線を描く関数～2次関数
  1-19　2次関数のグラフとx軸の交点を求める～放物線とx軸との共有点
  1-20　多角形の内角の和を求める～三角形（直角三角形，二等辺三角形）
  1-21　直角三角形の辺の長さを求める～三平方の定理
  1-22　三角形での辺の比の特徴を知る～三角比
  1-23　三角関数で計算する～正弦定理と余弦定理
  1-24　選んだ項目を並べ替える～順列と組み合わせ
  1-25　起こりやすさを数値化する～確率
  1-26　確率を計算する～独立，排反，余事象
  コラム　データサイエンスの教育トレンドを知ろう
  
  第２章　機械学習・深層学習
  イントロダクション
  2-1　賢いコンピューターとは？～AIと機械学習
  2-2　脳のように信号を伝える構造で学習する～ニューラルネットワーク
  2-3　関数でニューラルネットワークを考える～活性化関数，損失関数
  2-4　関数の最小値を効率よく求める～勾配降下法
  2-5　作成したモデルを評価する～混同行列
  2-6　画像処理などに有効な手法～深層学習と畳み込みニューラルネットワーク（CNN）
  2-7　複数の変数間の関係を表現する～相関係数，回帰分析（回帰直線）
  2-8　データをカテゴリーに分割する～分類（線形識別）
  2-9　似たようなものを集めてグループをつくる～クラスタリング
  2-10　似ていると判断するには？～距離・相関性による類似度
  2-11　近くにあるデータでグループをつくる～k-NN（k近傍法）
  2-12　特定の訓練データに特化することを防ぐ～過学習と交差検証
  2-13　情報をできるだけ失わないように項目を減らす～次元削減，主成分分析
  2-14　私たちが使う言葉をコンピューターに理解させる～自然言語処理
  コラム　勾配消失問題とは
  
  第３章　アルゴリズム関連
  イントロダクション
  3-1　コンピューターで効率よく処理する～アルゴリズムとプログラム，計算量
  3-2　欲しいデータを見つける～探索アルゴリズム
  3-3　データを並べ替える～ソートアルゴリズム
  3-4　第三者に知られないようにする～暗号アルゴリズム
  3-5　コンピューターでの処理手順を整理する～プログラミング的思考
  3-6　処理の流れを可視化する～フローチャート
  3-7　コンピューターで数値を扱う～2進数と16進数
  3-8　コンピューターで扱う情報の単位～ビット，バイト
  3-9　アナログなデータをデジタルに変換～標本化，量子化，符号化
  3-10　通信時や保存時のエラーを訂正する～データ誤りの検出・訂正
  3-11　大きなデータを小さくする～データの圧縮
  3-12　コンピューターで電卓を実現する～逆ポーランド記法
  3-13　最短や最安のルートを調べる～最短経路問題
  3-14　効率よく詰め込む～ナップサック問題
  コラム　競技プログラミングなどに参加しよう
  
  第４章　ビジネス数学
  イントロダクション
  4-1　不適切なグラフにだまされない～グラフの把握
  4-2　抜けや漏れがないように読み取る～論理的な文章把握
  4-3　オンラインで効果を測定する～SNSやデジタルマーケティングの活用
  4-4　経営状況を把握する～利益の計算
  4-5　販売価格を決定する～原価の計算
  4-6　評価しやすい基準で比較する～数値の比較による選択
  4-7　基準をそろえて比較する～割合や比を用いた選択
  4-8　確率をビジネスに応用する～期待値による選択
  4-9　過去の傾向から予測する～移動平均を用いた予測
  4-10　重みを付けて傾向を把握する～加重移動平均を用いた予測
  4-11　伝えたいことを適切に表現する～グラフでの表現
  4-12　伝える相手を意識して図表を選ぶ～図表の適切な使用
  4-13　複数の視点でデータを捉える～バブルチャートなどの使用
  コラム　仕事として数学や統計を使う職種とは？
  
  データサイエンス数学ストラテジスト用語一覧
  

• 出版社からのコメント

  DX企業の人材は数学スキルがマストに。そのスキルを証明する資格・データサイエンス数学ストラテジスト中級初めての公式テキスト

• 内容紹介

  ★AI時代の注目デジタルスキル資格
  ★待望の公式テキスト登場
  
  　生成AIの登場によって、ビジネスパーソンの働き方は大きく変わります。カギを握るのは「AIを使いこなせるか、データから価値を見いだせるかどうか」です。AIをうまく使いこなせる、データから価値を見いだせるビジネスパーソンの生産性は、飛躍的に高くなります。
  
  　では、AIを使いこなす（データから価値を見いだす）には、何を学べばいいのでしょうか？　使いこなすには、その対象について理解を深めることが必要です。AIの基礎理論およびその土台となるデータサイエンスは数学の活用ですから、AI、データサイエンスに関連する数学および活用法を体系的に学ぶことが必要です。それこそが本書であり、その理解度を測る資格試験が「データサイエンス数学ストラテジスト」です。AIをつくるための資格ではなく、AIを使いこなす、データから価値を見いだすための資格ですから、理系でなくても大丈夫です。
  
  　「データサイエンス数学ストラテジスト」資格試験には中級と上級があり、本書は中級の「公式テキスト」になります。同資格の受験を考えている人にとって、待望の解説書になります。

データサイエンス数学ストラテジスト中級公式テキスト―企業が求めるデジタルスキル資格 の商品スペック