オーム社発売元雑誌一覧は
こちらをご覧ください
 

データサイエンスの考え方 社会に役立つAI×データ活用のために

「数理・データサイエンス・AI（応用基礎レベル）モデルカリキュラム」準拠テキスト データ活用社会を生きる学生・社会人に必須の【データ分析・解析の基本的な考え方と手法】をわかりやすく解説！
データサイエンスの考え方 社会に役立つAI×データ活用のために

このような方におすすめ

・データサイエンスを学ぶ大学生、データサイエンスの授業を行う大学の教員
・データ分析・解析を専門とし、現代の分析・解析手法の基礎をひととおり押さえておきたい若手社会人
・教養としてデータサイエンスを学びたい社会人
  • 著者小澤　誠一・齋藤　政彦　共編
  • 定価2,750 円（本体2,500 円＋税）
  • A5　320頁　2021/11発行
  • ISBN978-4-274-22797-4
  • 定価￥
  • ポイント0
  • 数量

※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
データサイエンスは、さまざまなデータを分析・解析し、そこから新しい知見や価値を生み出していく技術・手法です。統計学などの数学を基礎とし、必要に応じコンピュータを活用して、さまざまな分野の専門知識と融合しながら、データから新しい価値を生み出していくデータサイエンスは、いまや大学生・社会人にとって必須の教養といえます。
本書は、政府の「AI戦略2019」での議論を経て策定・公表された「数理・データサイエンス・AI（応用基礎レベル）モデルカリキュラム」に準拠した内容です。具体的な事例と分析手法を扱いながら、社会のさまざまな場面で必要とされるデータサイエンスの考え方を、関連する数学とともに丁寧に解説します。また、大学におけるリテラシーレベルの授業に続く、半期の授業に対応した構成としました。
【著者一覧】
第1章 　小澤誠一　神戸大学数理・データサイエンスセンター
第2章 　大川剛直　神戸大学大学院システム情報学研究科情報科学専攻
第3章 　藤井信忠　神戸大学大学院システム情報学研究科システム科学専攻
第4章 　青木　敏　神戸大学大学院理学研究科数学専攻
第5章 　光明　新　神戸大学数理・データサイエンスセンター
第6章 　為井智也　神戸大学数理・データサイエンスセンター
第7章 　大森敏明　神戸大学大学院工学研究科電気電子工学専攻
第8章 　為井智也　神戸大学数理・データサイエンスセンター
第9章 　寺田　努　神戸大学大学院工学研究科電気電子工学専攻
第10章　熊本悦子　神戸大学情報基盤センター
第11章　高島遼一　神戸大学都市安全研究センター
第12章　村尾　元　神戸大学大学院国際文化学研究科
第13章　白石善明　神戸大学大学院工学研究科電気電子工学専攻
第14章　小澤誠一　神戸大学数理・データサイエンスセンター
第15章　羽森茂之　神戸大学大学院経済学研究科
https://www.ohmsha.co.jp/book/9784274227974/

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

第1章　データサイエンスの考え方
第2章　アルゴリズムとデータ構造
第3章　システム最適化
第4章　統計的データ解析の考え方
第5章　教師なし学習
第6章　教師あり学習
第7章　確率モデル・確率推論
第8章　強化学習
第9章　情報センシング
第10章　画像解析・深層学習
第11章　時系列データ解析・音声解析
第12章　テキスト解析
第13章　情報セキュリティ
第14章　プライバシー保護技術
第15章　意思決定論
参考文献
第1章　データサイエンスの考え方
1.1　データサイエンスとは
1.2　データサイエンスを学ぶ理由
1.3　データから価値を生み出すプロセス

第2章　アルゴリズムとデータ構造
2.1　はじめに
2.2　データサイエンスにおけるアルゴリズムとデータ構造
2.3　アルゴリズムの基礎
2.4　基本的なデータ構造
2.5　探索
2.6　ソーティング

第3章　システム最適化
3.1　最適化問題とは
3.2　線形計画問題
3.3　非線形計画問題
3.4　整数計画問題

第4章　統計的データ解析の考え方
4.1　標本調査
4.2　信頼区間と仮説検定
4.3　分布の近似と標準誤差
4.4　線形回帰モデル
4.5　非線形回帰モデル

第5章　教師なし学習
5.1　クラスタリング
5.2　高次元データの次元削減と可視化

第6章　教師あり学習
6.1　教師あり学習とは
6.2　学習モデルとトレーニング（パラメータ最適化）
6.3　データのセットの分割とテスト（モデルの評価）
6.4　実データへの適用例（回帰）

第7章　確率モデル・確率推論
7.1　はじめに
7.2　確率モデルとベイズの定理
7.3　確率推論
7.4　確率推論の応用

第8章　強化学習
8.1　強化学習とは
8.2　強化学習の理論
8.3　強化学習アルゴリズム
8.4　探索と利用のトレードオフと意思決定モデル

第9章　情報センシング
9.1　情報センシングとは
9.2　センサデータ処理
9.3　センシング応用

第10章　画像解析・深層学習
10.1　画像解析
10.2　デジタル画像の特徴とフィルタ処理
10.3　深層学習

第11章　時系列データ解析・音声解析
11.1　時系列データ解析
11.2　音声解析

第12章　テキスト解析
12.1　はじめに
12.2　テキストデータの収集
12.3　テキストクレンジング
12.4　トークン化
12.5　ベクトル化
12.6　探索的データ分析
12.7　テキスト分析

第13章　情報セキュリティ
13.1　情報資産と情報セキュリティ
13.2　情報セキュリティの基本：アクセス制御
13.3　情報セキュリティのCIA

第14章　プライバシー保護技術
14.1　データが価値を生む仕組みと提供リスク
14.2　匿名化によるプライバシー保護
14.3　差分プライバシーによるプライバシー保護
14.4　準同型暗号によるプライバシー保護
14.5　協調学習によるプライバシー保護

第15章　意思決定論
15.1　意思決定の基本的枠組み
15.2　相関関係と因果関係

参考文献
索引