データサイエンス設計マニュアル

理論と実践のバランスに優れたデータサイエンスの教科書！

このような方におすすめ

データサイエンスを学ぶ学生、データサイエンティスト

著者Steven S. Skiena 著／小野陽子監訳／長尾高弘訳
定価4,180 円（本体3,800 円＋税）
B5変　432頁　2020/01発行
ISBN978-4-87311-891-8
定価￥
ポイント0
数量

買い物かごに入れる

※本体価格は変更される場合があります。
※通常2～3営業日以内で発送いたします。
※取寄が可能な場合もございますのでお問合せください。

概要
主要目次
詳細目次

データ収集と分析に必要な知識とスキルについて、確率・統計の基礎から線形代数、スコアとランキング、統計分析、データマンジング、ビジュアライゼーション、数学的モデル、回帰、機械学習まで広範囲にわたってカバーします。著者は、「アルゴリズム設計マニュアル」の著者であり、ニューヨーク州立大学ストーニーブルック校で長年にわたりコンピュータサイエンス教育に携わってきた著名な計算機科学者のSteven S. Skiena教授。IEEEから優れた教育者として表彰された実績の持ち主で、アカデミックにおける知名度は抜群です。

https://www.ohmsha.co.jp/book/9784873118918/

オーム社Webサイトへ

正誤表やDLデータ等がある場合はこちらに掲載しています

1章データサイエンスとは
    1.1　計算機科学、データサイエンス、リアルサイエンス
    1.2　データについての興味深い問い
    1.3　データの性質
    1.4　分類と回帰
    1.5　データサイエンスの動画：QuantShop
    1.6　「私の体験談から」について
    1.7　私の体験談から：答えるためには正しい問いが必要だ
    1.8　さらなる探求のために
    1.9　演習問題

2章　数学の基礎知識の準備
    2.1　確率
    2.2　記述統計量
    2.3　相関分析
    2.4　対数
    2.5　私の体験談から：デザイナー遺伝子の適合
    2.6　さらなる探求のために
    2.7　演習問題

3章　データマンジング
    3.1　データサイエンスで使われるプログラミング言語
    3.2　データの収集
    3.3　データのクリーニング
    3.4　私の体験談から：市場を読み切れ
    3.5　クラウドソーシング
    3.6　さらなる探求のために
    3.7　演習問題

4章　スコアとランキング
    4.1　BMI（ボディマス指数）
    4.2　スコアリング関数の開発
    4.3　Zスコアと正規化
    4.4　ランキングの高度な技法
    4.5　私の体験談から：Clydeの逆襲
    4.6　アローの不可能性定理
    4.7　私の体験談から：誰が偉大か
    4.8　さらなる探求のために
    4.9　演習問題

5章　統計分析
    5.1　統計的分布
    5.2　分布からのサンプリング
    5.3　統計的有意性
    5.4　私の体験談から：若さの泉の発見？
    5.5　パーミュテーションテストと p値
    5.6　ベイズ推定
    5.7　さらなる探求のために
    5.8　演習問題

6章　データの可視化
    6.1　探索的データ分析
    6.2　可視化の審美眼の育成
    6.3　グラフの種類
    6.4　偉大なるビジュアライゼーション
    6.5　グラフの解釈
    6.6　インタラクティブな可視化
    6.7　私の体験談から：世界を描く TextMap
    6.8　さらなる探求のために
    6.9　演習問題

7章　数理モデル
    7.1　モデリングの哲学
    7.2　モデルの用語
    7.3　ベースラインモデル
    7.4　モデルの評価
    7.5　評価システム
    7.6　私の体験談から：100 %の正確度
    7.7　シミュレーションモデル
    7.8　私の体験談から：賭け方の計算
    7.9　さらなる探求のために
    7.10　演習問題

8章　線形代数
    8.1　線形代数の威力
    8.2　行列演算の可視化
    8.3　行列の分解
    8.4　固有値と固有ベクトル
    8.5　固有値分解
    8.6　私の体験談から：ヒューマンファクター
    8.7　さらなる探求のために
    8.8　演習問題

9章　線形回帰とロジスティック回帰
    9.1　線形回帰
    9.2　より良い回帰モデル
    9.3　私の体験談から：タクシー　配達　(デリバー)
    9.4　パラメータフィッティング問題としての回帰
    9.5　正則化によるモデルの単純化
    9.6　分類とロジスティック回帰
    9.7　ロジスティック分類の問題
    9.8　さらなる探求のために
    9.9　演習問題

10章　ネットワーク分析と距離
    10.1　距離の測定
    10.2　最近傍分類
    10.3　グラフ、ネットワーク、距離
    10.4　PageRank
    10.5　クラスタリング
    10.6　私の体験談から：クラスタ爆弾
    10.7　さらなる探求のために
    10.8　演習問題

11章　機械学習
    11.1　ナイーブベイズ（単純ベイズ）
    11.2　決定木分類器
    11.3　ブースティングとアンサンブル学習
    11.4　サポートベクターマシン
    11.5　学習の度合い
    11.6　ディープラーニング
    11.7　私の体験談から：名前のゲーム
    11.8　さらなる探求のために
    11.9　演習問題

12章　ビッグデータ：スケールを追求
    12.1　ビッグデータとは
    12.2　私の体験談から：インフラの重要性
    12.3　ビッグデータを扱うアルゴリズム
    12.4　フィルタリングとサンプリング
    12.5　並列化
    12.6　MapReduce
    12.7　社会的倫理的な問題
    12.8　さらなる探求のために
    12.9　演習問題

13章　最後に一言
    13.1　仕事を手に入れよう！
    13.2　大学院に進学する
    13.3　コンサルティングサービス

参考文献
索引