Python による実務で役立つデータサイエンス練習問題 200+ (2)(パイソンニヨルジツムデヤクダツデータサイエンスレンシュウモンダイニヒャクプラスニ)

1 巻で学んだデータ解析の基盤技術に加えて,実践的な Python プログラミングを Jupyter 上でさらに練習.［内容］科学技術計算モジュール SciPy ／ PyMC によるベイズ推論と Prophet による時系列データの予測／ネットワークモジュール NetworkX ／ PuLP と Gurobi による最適化モデリング/制約最適化／スケジューリング最適化
【全巻構成】
第 1 巻
1. ビックデータとアナリティクス
2. 数値計算パッケージ NumPy
3. データ解析パッケージ Pandas
4. matplotlib を用いた可視化入門
5. 対話型可視化パッケージ plotly
6. データを可視化するための方法 ( plotly express )
7. Python 言語先進的プログラミング
8. statsmodels を用いた統計分析
第 2 巻
9. 科学技術計算パッケージ SciPy
10. PyMC によるベイズ推論と Prophet による時系列データの予測
11. グラフ・ネットワークパッケージ NetworkX
12. PuLP と Gurobi/Python による最適化問題のモデリング
13. 制約最適化システム SCOP
14. スケジューリング最適化システム OptSeq
第 3 巻
15. scikit-learn を用いた機械学習
16. fastai による深層学習
17. PyCaret を用いた自動機械学習

Pandas でデータを整えて集計するところまでは多くの教材が導いてくれますが、その先にある予測や数理最適化となると、演習付きで学べる日本語の本は急に少なくなります。久保幹雄氏の『 Python による実務で役立つデータサイエンス練習問題 200+ (2) 』は、その手薄な領域を練習問題で埋める巻です。朝倉書店から 2023 年に刊行された 3 分冊シリーズの第 2 巻にあたり、第 1 巻で築いた基盤技術の上に応用の層を重ねます。

内容は二つの軸で構成されています。ひとつは SciPy による科学技術計算、 PyMC を使ったベイズ推論、 Prophet による時系列データの予測という統計・予測の軸。もうひとつは NetworkX でのグラフ・ネットワーク処理から、 PuLP と Gurobi による最適化問題のモデリング、制約最適化の SCOP 、スケジューリング最適化の OptSeq へ進む数理最適化の軸です。いずれも Jupyter 上で手を動かしながら確かめる形式は前巻と共通です。

第 1 巻相当の NumPy ・ Pandas の運用力を前提とするため、シリーズ途中からの参入者は自分の手持ちスキルと照らして入り口を選ぶとよいでしょう。生産計画や配送、シフト作成のような「決める」業務を Python で扱いたい実務家にとって、モデリングの練習台が揃った得がたい演習場になります。