一覧へもどる
書誌詳細
Amazon
のサイトで見る
これだけは知っておきたいデータサイエンスの基本がわかる本
- 著者名鈴木孝弘著
- 出版者オーム社
- 出版年2018.3
貸出・返却・予約状況
- 貸出状況
貸出可能
- 所蔵数1
- 貸出可能数1
- 予約数0
- 貸出累計0
所蔵事項
- 登録番号0076091
- 請求記号007.1//Su96//ko
- 貸出区分通常
- 蔵書区分図書 - 一般図書
書誌事項
- 書名これだけは知っておきたいデータサイエンスの基本がわかる本
- 書名ヨミコレダケワシッテオキタイデータサイエンスノキホンガワカルホン
- 注記さらに勉強したい人のための参考書: p[152]-154
- 目次第1章 データサイエンス
1.1 データサイエンスとは
1.2 データサイエンスの要素技術
統計学/ベイズ統計/プログラミング言語・ソフトウェア/データベース/多変量解析/パターン認識/機械学習/データの視覚化/データマイニング/テキストマイニング
1.3 AIの時代
AIとIoTの歩み/AIの活用
第1章のポイントと課題
第2章 データと前処理
2.1 ビッグデータとは
2.2 データベースとデータの収集
データベースの種類/リレーショナルデータベース(RDB)
2.3 時系列データ
2.4 基本統計量
2.5 クロス集計
2.6 データの整理・視覚化
度数分布表/ヒストグラム/箱ひげ図/散布図/おもなグラフの特徴
2.7 データの標準化
標準化(正規化)/変数変換/記号データの数値化
2.8 ファジィ
ファジィの考え方/ファジィ集合とメンバーシップ関数
第2章のポイントと課題
第3章 モデル化と最適化
3.1 目的関数と因子
3.2 実験計画法
完全実施型要因計画/部分要因計画
3.3 応答曲面法
3.4 シンプレックス最適化法
シンプレックスとは/正規シンプレックス法/改良シンプレックス法/SMS法/適用の注意点
3.5 カーブフィッティング
3.6 モンテカルロ法
3.7 グリッドリサーチ
第3章のポイントと課題
第4章 パターン認識
4.1 パターン認識とは
4.2 教師なしのパターン認識
主成分分析法/因子分析/クラスター分析
4.3 教師ありのパターン認識
線型学習機械/k-NN法/判別分析/ロジスティック回帰分析/決定木
第4章のポイントと課題
第5章 多変量解析
5.1 多変量解析とは
5.2 相関と回帰
単回帰モデル/回帰の評価尺度
5.3 重回帰分析
重回帰分析とは/モデル構築上の留意点/モデルの評価/重回帰分析の応用
5.4 数量化理論I類
5.5 主成分回帰分析
5.6 PLS回帰分析
5.7 クロスバリデーション
第5章のポイントと課題
第6章 遺伝的アルゴリズム
6.1 遺伝的アルゴリズムとは
6.2 遺伝的アルゴリズムの基本的操作
選択/交叉/突然変異
6.3 遺伝的アルゴリズムの処理の流れ
6.4 遺伝期アルゴリズムの応用
応用分野/組合せ最適化問題への応用/
6.5 遺伝的アルゴリズムの長所・短所
第6章のポイントと課題
第7章 サポートベクターマシン
7.1 サポートベクターマシン(SVM)とは
7.2 カーネル法
7.3 LIBSVMによる機械学習実行例
ソフトウェアのインストール/SVM の実行例
7.4 SVMの応用例
第7章のポイントと課題
第8章 ニューラルネットワーク
8.1 ニューラルネットワークとは
ニューロン/シグモイド/ニューラルネットワークの分類
8.2 学習方法
バックプロパゲーション/教師信号がない学習
8.3 学習データ
入力変数と前処理/データ数
8.4 ニューラルネットワークの構造と学習
層の数/各層のニューロン数/学習パラメータ/過学習
8.5 応用例
8.6 ニューラルネットワークの限界
第8章のポイントと課題
第9章 ディープラーニング
9.1 ディープラーニングとは
9.2 畳み込みニューラルネットワーク
畳込み層/プーリング層/多層ニューラルネットワーク
9.3 強化学習
9.4 ディープラーニングの活用分野・展望
第9章のポイントと課題
さらに勉強したい人のための参考書
索引
/COLUMN/
薬物の設計にも用いられる重回帰分析
サポートベクター回帰による肺ガン死亡率の関連要因の検討
世界の貧富格差の決定要因のサポートベクター回帰による探索
ニューラルネットワークによる企業格付け