Pythonによるあたらしいデータ分析の教科書―データ分析エンジニア必須の基礎知識を最短で習得 第3版 (AI & TECHNOLOGY) [単行本]

Pythonによるあたらしいデータ分析の教科書―データ分析エンジニア必須の基礎知識を最短で習得 第3版 (AI & TECHNOLOGY) の 商品概要

• 要旨（「BOOK」データベースより）

  Ｐｙｔｈｏｎ　数学　前処理　可視化　機械学習。データ分析エンジニア必須の基礎知識を最短で習得。

• 目次

  【目次】
  Chapter1 データ分析エンジニアの役割
  1.1 データ分析の世界
  1.1.1 データ分析を取り巻く状況
  1.1.2 データ分析とPython
  1.1.3 データサイエンティストとは
  1.1.4 データ分析エンジニアとは
  1.1.5 データハンドリング（前処理）の重要性
  1.2 機械学習の位置づけと流れ
  1.2.1 機械学習とは
  1.2.2 データからモデルを作る
  1.2.3 機械学習のタスク
  1.2.4 機械学習の処理の手順
  1.3 データ分析に使う主なパッケージ
  1.3.1 パッケージとは
  1.3.2 サードパーティ製パッケージの紹介
  
  Chapter2 Pythonと環境
  2.1 実行環境構築
  2.1.1 Python公式版をインストール
  2.1.2 venv: Pythonの仮想環境
  2.1.3 pipコマンド
  2.1.4 Anaconda
  2.2 Pythonの基礎
  2.2.1 Pythonの文法
  2.2.2 基本構文
  2.2.3 標準ライブラリ
  2.3 JupyterLab
  2.3.1 JupyterLabとは
  2.3.2 JupyterLabのインストール
  2.3.3 基本的な使い方
  2.3.4 便利な使い方
  2.3.5 第4章以降で使用する環境の準備
  
  Chapter3 数学の基礎
  3.1 数式を読むための基礎知識
  3.1.1 数式と記号
  3.1.2 数学記号
  3.1.3 関数の基本
  3.2 線形代数
  3.2.1 ベクトルとその演算
  3.2.2 行列とその演算
  3.3 基礎解析
  3.3.1 微分と積分の意味
  3.3.2 簡単な関数の微分と積分
  3.3.3 微分と関数の値
  3.3.4 偏微分
  3.4 確率と統計
  3.4.1 統計の基礎
  3.4.2 データの可視化方法
  3.4.3 データとその関係性
  3.4.4 確率
  3.4.5 確率分布
  3.4.6 確率と関数
  3.4.7 確率と情報量
  
  Chapter4 ライブラリによる分析の実践
  4.1 NumPy
  4.1.1 NumPyの概要
  4.1.2 NumPyでデータを扱う
  4.1.3 NumPyの各機能
  4.2 pandas
  4.2.1 pandasの概要
  4.2.2 データの読み込み・書き込み
  4.2.3 データの整形
  4.2.4 時系列データ
  4.2.5 欠損値処理
  4.2.6 データ連結
  4.2.7 統計データの扱い
  4.3 Matplotlib
  4.3.1 Matplotlibの概要
  4.3.2 描画オブジェクト
  4.3.3 グラフの種類と出力方法
  4.3.4 スタイル
  4.3.5 pandasのオブジェクトからグラフ描画
  4.4 scikit-learn
  4.4.1 前処理
  4.4.2 分類
  4.4.3 回帰
  4.4.4 次元削減
  4.4.5 モデルの評価
  4.4.6 ハイパーパラメータの最適化
  4.4.7 クラスタリング
  
  Chapter5 応用：データ収集と加工
  5.1 スクレイピング
  5.1.1 スクレイピングとは
  5.1.2 スクレイピング環境の準備
  5.1.3 Webページをダウンロード
  5.1.4 Webページから要素を抜き出す
  5.1.5 書籍の一覧を抜き出す
  5.1.6 書籍の詳細ページをクロールする
  5.1.7 スクレイピングで気を付けること
  5.1.8 次のステップ
  5.2 自然言語処理
  5.2.1 必要なライブラリのインストール
  5.2.2 形態素解析
  5.2.3 Bag of Words（BoW）
  5.2.4 TF-IDF
  5.2.5 極性判定
  5.3 画像データの処理
  5.3.1 画像を扱う準備
  5.3.2 画像データの基本
  5.3.3 簡単な画像の処理
  5.3.4 数値データとしての画像
  5.3.5 機械学習を使った画像の分類
  

• 出版社からのコメント

  著名執筆陣による第3版の登場！Pythonエンジニアに必要な基礎知識をしっかり学べる

• 内容紹介

  最新環境に対応した第3版の登場！
  データ分析エンジニア必携の
  基本知識を最短で習得できる

  【本書の概要】
  本書はデータ分析エンジニアに必要な
  以下の基礎知識について
  サンプルを交えながら丁寧に解説します。

  ・データの取得・加工
  ・データの可視化
  ・プログラミング
  ・基礎的な数学の知識
  ・機械学習の流れや実行方法

  【第3版のポイント】
  ・Pythonデータ分析試験の主教材に指定
  ・Python 3.13に対応
  ・各種ライブラリの最新版への対応

  【本書で学べること】
  ・Pythonの基本的な文法
  ・データフォーマットについて
  ・データの前処理技術
  ・データの可視化技術
  ・既存アルゴリズムでの機械学習の実装方法

  【対象読者】
  データ分析エンジニアを目指す方

  【目次】
  Chapter1 データ分析エンジニアの役割
  Chapter2 Pythonと環境
  Chapter3 数学の基礎
  Chapter4 ライブラリによる分析の実践
  Chapter5 応用：データ収集と加工

• 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）

  寺田 学(テラダ マナブ)
  Ｐｙｔｈｏｎ　Ｗｅｂ関係の業務を中心にコンサルティングや構築を手がけている。２０１０年から国内のＰｙｔｈｏｎコミュニティに積極的に関わり、ＰｙＣｏｎ　ＪＰの開催に尽力した。ＯＳＳ関係コミュニティで活動中。最近は自身のＰｏｄｃａｓｔ　「ｔｅｒａｐｙｏｎ　ｃｈａｎｎｅｌ」で各種情報を発信中。主な所属：（株）ＣＭＳコミュニケーションズ　代表取締役。一般社団法人ＰｙＣｏｎ　ＪＰ　Ａｓｓｏｃｉａｔｉｏｎ理事。一般社団法人Ｐｙｔｈｏｎエンジニア育成推進協会　顧問理事など
  
  辻 真吾(ツジ シンゴ)
  １９７５年生まれの東京都足立区出身。大学院を修了後、ＩＴベンチャーに勤務するも、３年弱で退職。博士課程に戻り、バイオインフォマティクスの研究に従事。現在、東京大学先端科学技術研究センターに所属。２０１５年からＳｔａｒｔ　Ｐｙｔｈｏｎ　Ｃｌｕｂを主宰し、誰でも気軽に参加できる「みんなのＰｙｔｈｏｎ勉強会」を月１回のペースで開催している。美味しい料理とお酒が好き
  
  鈴木 たかのり(スズキ タカノリ)
  部内のサイトを作るためにＺｏｐｅ／Ｐｌｏｎｅと出会い、その後必要にかられてＰｙｔｈｏｎを使い始める。ＰｙＣｏｎ　ＪＰでは２０１１年１月のＰｙＣｏｎ　ｍｉｎｉ　ＪＰからスタッフとして活動。ＰｙＣｏｎ　ＪＰ　２０２４共同座長。他の主な活動は、Ｐｙｔｈｏｎボルダリング部（＃ｋａｂｅｐｙ）部長、Ｐｙｔｈｏｎ　ｍｉｎｉ　Ｈａｃｋ‐ａ‐ｔｈｏｎ（＃ｐｙｈａｃｋ）主催など。主な所属：（一般社団法人ＰｙＣｏｎ　ＪＰ　Ａｓｓｏｃｉａｔｉｏｎ理事。株式会社ビープラウド取締役／Ｐｙｔｈｏｎ　Ｃｌｉｍｂｅｒ
  
  福島 真太朗(フクシマ シンタロウ)
  大学院の時はＣ言語やＣ＋＋を用いて非線形力学系の数値計算を行っていたが、社会人になり機械学習、データ解析の仕事を始め、Ｐｙｔｈｏｎ（とＲ）に出会う。現在、ＰｙｔｈｏｎやＪｕｌｉａを用いてクルマから収集される運転操作や車両挙動の時系列センサーデータ、画像データ、工場のセンサーデータ、物性・材料データなどの解析や、その研究開発マネジメントを行っている。また、産業技術総合研究所「機械学習品質マネジメントガイドライン」の検討委員として、機械学習の品質管理・保証の研究開発にも従事している。博士（情報理工学）

Pythonによるあたらしいデータ分析の教科書―データ分析エンジニア必須の基礎知識を最短で習得 第3版 (AI & TECHNOLOGY) の商品スペック