• 書名最新データサイエンスがよ〜くわかる本 : 基礎からビジネスへの応用までを俯瞰 : data science
• 書名ヨミサイシンデータサイエンスガヨ〜クワカルホン

• 著者名高木章光, 鈴木英太著
• 著者ヨミタカギ，アキミツ

• 叢書名How-nual図解入門

• ISBN9784798055879

• 出版地東京
• 出版者秀和システム
• 出版年2019.2

• ページ263p
• サイズ21cm

• 注記参考文献: p260
  索引: p254-258

• 件名データマイニング

• 目次第1章 データ分析の最前線
  　1-1 データ活用の民主化の動き
  　1-2 データ分析を重要視する企業の増加
  　1-3 データ分析・機械学習・ディープラーニングの関係
  　1-4 企業が利用するデータ範囲の拡大
  　1-5 データの利用に関する契約ガイドラインについて
  第2章 データ分析の応用事例
  　2-1 時系列分析
  　2-2 併売分析
  　2-3 最適化問題
  　2-4 異常検知
  　2-5 解約防止
  　2-6 レコメンデーション
  　2-7 テキストマイニング
  第3章 データ分析とは
  　3-1 データ分析の目的
  　3-2 データ分析の体系
  　3-3 データ分析プロジェクトの進め方
  　3-4 実務におけるデータ分析プロセスフロー（概略）
  　3-5 実務におけるデータ分析プロセスフロー① ～現状の課題認識・ゴール設定・データ分析の目的検討～
  　3-6 実務におけるデータ分析プロセスフロー② ～データ分析計画の立案～
  　3-7 実務におけるデータ分析プロセスフロー③ ～データ分析設計書の作成～
  　3-8 実務におけるデータ分析プロセスフロー④ ～データ分析用基盤の準備～
  　3-9 実務におけるデータ分析プロセスフロー⑤ ～データ収集～
  　3-10 実務におけるデータ分析プロセスフロー⑥ ～データの前処理・理解～
  　3-11 実務におけるデータ分析プロセスフロー⑦ ～分析手法の選択と適用～
  　3-12 実務におけるデータ分析プロセスフロー⑧ ～分析結果の評価・施策の提案～
  　3-13 実務におけるデータ分析プロセスフロー⑨ ～データ分析結果のビジネス適用～
  　3-14 実務におけるデータ分析プロセスフロー⑩ ～運用・改善～
  　3-15 データ分析プロジェクトの進め方
  　3-16 データ分析を外部の専門家に委託する場合の注意点
  　3-17 運用について
  　3-18 事例：Team Data Science Process（TDSP）
  第4章 データ分析の技術
  　4-1 記述統計
  　4-2 多変量解析
  　4-3 時系列分析
  　4-4 ベイズ統計
  　4-5 機械学習
  　4-6 ディープラーニング
  　4-7 データサイエンティストが使用する
  　プログラミング言語・ツール
  　4-8 データ分析基盤の全体像
  　4-9 データ分析基盤を支える技術要素 ①～ストリーミング型データ収集：データ収集・蓄積（1）～
  　4-10 データ分析基盤を支える技術要素 ②～バルク型データ収集：データ収集・蓄積（2）～
  　4-11 データ分析基盤を支える技術要素③ ～ストリーム処理：データ収集・蓄積（3）～
  　4-12 データ分析基盤を支える技術要素④ ～データ蓄積：データ収集・蓄積（4）～
  　4-13 データ分析基盤を支える技術要素⑤ ～探索的データ分析・前処理～
  　4-14 データ分析基盤を支える技術要素⑥ ～データ処理～
  　4-15 データ分析基盤を支える技術要素⑦ ～データ分析・活用～
  　4-16 データ分析基盤を支える技術要素⑧ ～管理～
  　4-17 データ分析用ライブラリについて
  第5章 データ分析サービス
  　5-1 クラウドサービスを用いたデータ分析基盤
  　5-2 Arm Treasure Data eCDP
  　5-3 Google Cloud Platform
  　5-4 Microsoft Azure
  　5-5 Amazon Web Services（AWS）
  第6章 データサイエンティストとは
  　6-1 データサイエンティストとは
  　6-2 データサイエンティストに求められる人物像
  　6-3 データサイエンティストを調達する方法
  　6-4 データサイエンティストの育成