IT Text データサイエンスの基礎

田栗正隆, 汪　金芳

株式会社 オーム社, Sep 26, 2022 - Computers - 264 pages

いま必要とされるデータサイエンスの素養がしっかり身につく一冊。

さまざまな場面で入手できるデータを価値に転換することが、データサイエンスの目的です。データサイエンスという言葉は、ビジネスやアカデミーを問わず、いまや多くの場面で聞かれるようになり、それだけ重要性が高まっている概念といえます。本書は、データサイエンスを理解し実践したいと考えている方に必要とされる、データサイエンスの素養がしっかり学べる一冊です。

データサイエンスは、統計的、計算的、人間的という3つの視点の有機的結合という一面があるといわれます。本書では、データ分析に必要な統計学や関連する数学を丁寧にフォローし、確率・統計的な考え方が自然に身に付くよう配慮しました。また、データを適切に処理するための計算法は、プログラミング言語としてRを用いつつ、近年注目度の高い機械学習を含む具体例を通して納得しながら理解できる構成です。さらに、データの前処理から分析結果のプレゼンテーションまでの過程には人間が関わるという観点で、データを取り扱ううえで心がけるべき倫理的側面も扱いました。

なお、本書は「数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラム」、「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」に準拠した授業の副読本・参考書としてもご利用いただけます。

このような方におすすめ

○情報系（特にデータサイエンス系）大学学部や高専、専門学校の学生および教員

○研究や実務でデータの分析や解析を必要とする学生および若手の社会人

○数学（特に確率・統計）のデータサイエンスへの活用に興味や関心をもつ学生および社会人

主要目次

第1章　イントロダクション

第2章　Rの基礎

第3章　データの記述・可視化

第4章　関連と因果，データ分析における注意事項

第5章　データ倫理

第6章　確率

第7章　確率分布

第8章　標本分布と中心極限定理

第9章　点推定・区間推定・仮説検定・p値

第10章　機械学習の基礎

第11章　回帰モデル

第12章　分類

第13章　ベイズ線形モデル

第14章　決定木とアンサンブル学習

第15章　スパース学習

演習問題略解

参考文献

Contents

• 第1章イントロダクション: 1
• 12 データサイエンス vs人工知能: 3
• 共通点と相違点: 5
• 13 各章の内容: 6
• 第2章 Rの基礎: 11
• 22 Rコンソール: 12
• 23 スクリプト: 13
• 24 RStudio: 14
• 2キーバインド: 15
• 3スクリプトの実行: 16
• 4RStudioオプションの変更: 19
• 25 Rの基本: 21
• 演習問題: 25
• 第3章データの記述可視化: 28
• データの中心を表す尺度: 31
• 2標本中央値: 32
• 4標本平均標本中央値標本最頻値の違い: 33
• データのバラツキを表す尺度: 34
• 2標本標準偏差: 36
• 3標本平均偏差: 37
• 5四分位範囲: 38
• 1箱ひげ図: 39
• 2ヒストグラム: 40
• 演習問題: 42
• 第4章関連と因果データ分析における注意事項: 43
• 42 伝統的な交絡の調整方法: 46
• 2回帰モデル: 47
• 43 傾向スコア: 49
• 44 傾向スコア解析の手順: 50
• 45 傾向スコア解析の利点と欠点: 51
• 2傾向スコア解析の欠点: 52
• 46 傾向スコアマッチングによる解析事例: 53
• 演習問題: 55
• 第5章データ倫理: 56
• 2透明性の原則: 57
• 4目的の原則: 58
• 53 アルゴリズムバイアス: 60
• 54 データプライバシー: 61
• 3データプライバシーに関わる基本事項: 62
• 55 データガバナンス: 64
• 1データガバナンスとは: 65
• 2データガバナンスはなぜ重要か: 66
• 56 データ整合性: 67
• 2データ整合性が重要な理由: 68
• 演習問題: 69
• 第6章確率: 71
• 62 実験試行標本点標本空間事象など: 72
• 63 事象の和積余事象など: 73
• 64 確率の定義: 74
• 65 確率のいくつかの性質加法定理: 76
• 66 条件付き確率: 77
• 67 ベイズの定理: 78
• 演習問題: 81
• 第7章確率分布: 83
• 1離散型確率分布と連続型確率分布: 84
• 2分布関数: 86
• 72 確率分布の特徴を表す指標: 87
• 73 代表的な確率分布とその性質: 90
• 演習問題: 93
• 第8章標本分布と中心極限定理: 94
• 2同時確率分布: 95
• 3周辺分布: 96
• 5共分散相関係数: 98
• 82 統計量と標本分布: 100
• 1無作為標本と統計量: 101
• 83 大数の法則と中心極限定理: 103
• 演習問題: 105
• 第9章点推定区間推定仮説検定p値: 106
• 1母集団の設定: 107
• 2母集団からの標本抽出: 108
• 3標本の記述記述統計学: 109
• 4標本特性に基づく母集団特性の推測推測統計学: 110
• 92 点推定と区間推定: 111
• 2区間推定: 112
• 93 仮説検定とp値: 115
• 2p 値: 118
• 演習問題: 120
• 第10章機械学習の基礎: 121
• 2機械学習の基本的考え方: 122
• 102 回帰分析: 124
• 103 クラスタリング: 127
• 1クラスタリングの基本的考え方: 128
• 2クラスタリングの実装: 130
• 3クラスター数が未知のとき: 131
• 104 分類: 132
• 演習問題: 135
• 第11章回帰モデル: 137
• 112 線形モデル: 140
• 1最尤推定量: 141
• 3k分割交差検証法: 143
• 113 ボストン住宅価格の予測: 144
• 114 回帰診断: 147
• 115 非線形モデル: 149
• 2対数線形モデルの適用例: 150
• 3負の二項分布モデル: 151
• 演習問題: 152
• 第12章分類: 155
• 2分類の評価指標: 157
• 122 クレジットカード不正利用データ: 158
• 123 ロジスティック回帰分析: 160
• 2パラメータの最尤推定: 161
• 3クレジットカードの不正利用の検出: 162
• 124 ナイーブベイズ: 164
• 125 不均衡データの分類: 166
• 2サンプリング法と擬似データ生成法: 167
• 3クレジットカードの不正利用の検出: 168
• 演習問題: 169
• 第13章ベイズ線形モデル: 171
• 132 マルコフ連鎖モンテカルロ法: 174
• 133 ベイズモデルの比較: 176
• 134 ベイズ的線形モデル: 179
• 2独立等分散モデル: 180
• 135 ベイズ線形モデルによるボストン住宅価格の予測: 181
• 2ベイズ推論: 182
• 3事前分布の選択: 184
• 4予測分布: 185
• 演習問題: 186
• 第14章決定木とアンサンブル学習: 188
• 1回帰木の例: 189
• 2一般的回帰木モデル: 190
• 3木の刈込み: 192
• 142 ランダムフォレスト: 194
• 2ランダムフォレスト: 195
• 143 分類: 200
• 3ブースティング: 204
• 演習問題: 205
• 第15章スパース学習: 207
• 2LASSO回帰: 209
• 152 ボストン住宅価格データへの適用: 210
• 演習問題: 214
• 演習問題略解: 216
• 参考文献: 240
• 索引: 245
• 奥付: 251

About the author

田栗正隆（たぐり　まさたか）

2010年　東京大学大学院医学系研究科博士課程修了、博士（保健学）

2010年　横浜市立大学大学院医学研究科 助教

2016年　横浜市立大学大学院医学研究科 准教授

2018年　横浜市立大学データサイエンス学部 准教授

2020年　横浜市立大学データサイエンス学部 教授

現　在　東京医科大学医学部医療データサイエンス分野 主任教授

汪　金芳（わん　じんふぁん）

1994年　千葉大学大学院自然科学研究科博士後期課程単位取得退学、統計数理研究所領域統計研究系 助手

1996年　博士（理学）

2001年　帯広畜産大学畜産学部 助教授

2004年　千葉大学大学院理学研究科 助教授

2012年　千葉大学大学院理学研究科 教授

現　在　横浜市立大学データサイエンス学部 教授

Bibliographic information

• Title: IT Text データサイエンスの基礎; IT Text
• Authors: 田栗正隆, 汪 金芳
• Publisher: 株式会社 オーム社, 2022
• ISBN: 4274229149, 9784274229145
• Length: 264 pages
• Subjects: Computers / General