文理融合 データサイエンス入門

発売日 : 2021年09月27日

著者／編集 : 小高 知宏/小倉 久和/黒岩 丈介/高木 丈夫/小高 新吾

出版社 : 共立出版

発行形態 : 単行本

文系理系問わず全ての学生が，データサイエンスにまつわる考え方や使い方をしっかり身につけられるように構成した入門書。

第I部　データサイエンスとは

第1章　データサイエンス=データのサイエンス
1.1　データとは何か
1.2　いろいろなデータ
1.3　データの集め方

第2章データサイエンスと統計学
2.1　データの前処理
2.2　データと統計
2.3　データのバックアップ

第3章　データサイエンスと人工知能
3.1　身近な人工知能
3.2　人工知能の始まりと発展
3.3　ビッグデータと人工知能

第4章　文理融合領域としてのデータサイエンス
4.1　データサイエンスと人文・社会科学
4.2　データサイエンスと金融
4.3　データサイエンスと公的分野


第II部　データサイエンスと統計

第5章　データの整理とデータの分布
5.1　データの収集と整理
5.2　データの分布
5.3　量的データ分布の特徴量

第6章　2つの変量の間の関係|相関と回帰
6.1　多変量データの整理
6.2　量的データの相関関係と相関係数
6.3　量的データの関係と推測|回帰直線

第7章　データ解析における確率論の基礎
7.1　確率の基本的な考え方と基礎的知識
7.2　基礎的確率分布：2　項分布
7.3　連続変量の確率と分布：正規分布

第8章　統計的データ処理の基本
8.1　標本集団のサンプリング
8.2　確率論に基づく統計量の評価
8.3　母数の統計的推定

第9章　統計的検定および多変量解析への道
9.1　統計的検定の基本的な考え方
9.2　統計的検定の方法
9.3　多変量解析への案内


第III部　データサイエンスと人工知能

第10章　人工知能と機械学習
10.1　人工知能のさまざまな手法
10.2　機械学習とは
10.3　機械学習の手法

第11章　決定木，k近傍法，サポートベクターマシン
11.1　決定木：ヒトにもわかる分類知識の獲得
11.2　特徴量を使った分類：k近傍法
11.3　空間を2つに分ける：サポートベクターマシン

第12章　ニューラルネットワークモデル
12.1　形式ニューロンモデル
12.2　Rosenblattのパーセプトロン
12.3　誤差逆伝播法
12.4　リカレントニューラルネットワークモデル

第13章　深層学習
13.1　深層学習とは
13.2　制限ボルツマンマシン
13.3　ネオコグニトロン
13.4　畳み込みニューラルネットワークモデル
13.5　再帰型ニューラルネットワークモデル

第IV部　データサイエンスのツール

第14章　統計ツール（Rを中心に)
14.1　統計処理のツール
14.2　統計ツールRの基本
14.3　基本的な統計処理
14.4　可視化
14.5　ファイル処理
14.6　プログラミング言語としてのR

第15章　人工知能のフレームワーク―Python言語環境を例に
15.1　プログラミングとは何をすることか
15.2　プログラミングの第一歩
15.3　便利なライブラリ


索引

小高 知宏

小高, 知宏, 1960-

小倉 久和

小倉, 久和, 1946-

黒岩 丈介

黒岩, 丈介

高木 丈夫

高木, 丈夫

小高 新吾

小高, 新吾