Python で学ぶはじめてのデータサイエンス

文理を問わないすべての大学生が身に着けるべきデータサイエンスの基礎を、 Python を使った演習を行いながら実践的に学べる教科書です。数学的なバックグラウンドが無くても、概要を理解しながら飽きずに進めることができる内容です。数理・データサイエンス・ AI 教育プログラム認定制度 (リテラシーレベル) に準拠。大学、大学院の講義で教科書として使用しやすいよう、全 14 章で構成しています。 ■第 1 章 データサイエンスへのいざない ◆ 1-1 データ (Data) ◆ 1-2 データサイエンス (Data science) ◆ 1-3 データサイエンティスト ◆ 1-4 データサイエンスにおける分析手法 ■演習問題 ■第 2 章 データサイエンスのための Python プログラミング ◆ 2-1 プログラミングの基本 ◆ 2-2 データの構造 ◆ 2-3 Python の準備と実行 ■演習問題 ■第 3 章 データサイエンスのためのデータ収集 ◆ 3-1 公開データの収集 ◆ 3-2 アンケート調査 ■演習問題 ■第 4 章 データサイエンスのためのデータ前処理 ◆ 4-1 データの蓄積 ◆ 4-2 データ加工の技術 ◆ 4-3 データクレンジング ■演習問題 ■第 5 章 データサイエンスのための確率統計 ◆ 5-1 直感と数学 ◆ 5-2 数え上げ ◆ 5-3 集合と場合の数 ◆ 5-4 確率 ◆ 5-5 基本統計量 ■演習問題 ■第 6 章 統計的検定を用いたデータサイエンス ◆ 6-1 確率分布 ◆ 6-2 推測統計 ■演習問題 ■第 7 章 A/B テストを用いたデータサイエンス ◆ 7-1 A/B テスト ◆ 7-2 「平均値の差の検定」と「独立性の検定」 ◆ 7-3 アンケート調査によるデータの分析 ■演習問題 ■第 8 章 データサイエンスのためのアルゴリズム ◆ 8-1 ソフトウェアとアルゴリズム ◆ 8-2 組み合わせ爆発 ◆ 8-3 探索問題 ■演習問題 ■第 9 章 回帰 AI を用いたデータサイエンス ◆ 9-1 回帰 (Regression) ◆ 9-2 回帰分析 ◆ 9-3 重回帰分析 ■演習問題 ■第 10 章 分類 AI を用いたデータサイエンス ◆ 10-1 分類 AI ◆ 10-2 決定木 ◆ 10-3 アンサンブル学習 ■演習問題 ■第 11 章 クラスタリング AI を用いたデータサイエンス ◆ 11-1 クラスタリング ◆ 11-2 階層的クラスタリング ◆ 11-3 非階層的クラスタリング ■演習問題 ■第 12 章 レコメンド AI を用いたデータサイエンス ◆ 12-1 連関分析 ◆ 12-2 協調フィルタリング ■演習問題 ■第 13 章 時系列データ分析 AI と自然言語処理 AI を用いたデータサイエンス ◆ 13-1 時系列データ ◆ 13-2 文章データ分析 ■演習問題 ■第 14 章 画像分析 AI を用いたデータサイエンス ◆ 14-1 AI による画像分析 ◆ 14-2 ニューラルネットワーク ◆ 14-3 畳み込みニューラルネットワーク (Convolutional neural network) ■演習問題