図解まるわかり データサイエンスのしくみ

グラフや値の種類、データ構造など、基礎知識から解説! 技術関連の項目も図解しているので、初心者にもわかりやすい! 統計学や AI の基本などの周辺知識もしっかりカバー! 情報社会におけるデータ活用の問題点や課題まで網羅!

『図解まるわかり データサイエンスのしくみ』 (増井 敏克 著、翔泳社、2022 年 7 月刊) は、データの種類やグラフの読み方から統計学、AI の手法、セキュリティとプライバシーの問題までを、見開きで 1 つのテーマを取り上げる形で図解した入門書です。翔泳社の「図解まるわかり」シリーズの一冊で、版元の書誌登録は対象として「データサイエンスの基本を知りたい人」「業務でデータ分析に関わる人」を挙げています。

全 6 章の構成、データの基本から個人情報の扱いまで

本書は全 6 章です。第 1 章「データサイエンスを支える技術」は「21 世紀の資源」の節から始まり、データから価値を見いだす職種、データを扱うプログラミング言語、分析されたデータの活用例を取り上げます。第 2 章「データの基本」はデータの種類、グラフの使い分け、散らばり具合の把握からデータベースの設計、紙に印刷されたデータの取り込みまでを扱い、第 3 章「データの処理と活用」は長期間での変化、2 つの軸の関係、回帰分析と分類の予測へ進みます。第 4 章「知っておきたい統計学の知識」と第 5 章「知っておきたい AI の知識」を経て、最後の第 6 章「セキュリティとプライバシーの問題点」は日本と海外における個人情報の扱い、保有するデータへのアクセス管理、内部からのデータの持ち出しの防止を取り上げます。各章の末尾には「やってみよう」と題した演習が 1 つずつ置かれています。

統計学の章と AI の章が扱う手法

第 4 章は統計学の種類から入り、「起こりやすさを数値で表す」「取り出したデータから元の集団を推測する」「分散がわからない状態で推定する」の節を経て、「平均を検定する」「分散を検定する」で終わります。第 5 章は「人のように賢いコンピュータを作る」から始まり、「脳を模倣した学習方法」「木構造で学習する」「複数の AI で多数決を取る」「境界線からのマージンを最大化する」「自動的に機械学習を実行する」の節が並びます。

統計学 の推定と検定は、手元に集めた一部のデータ (標本) から、元の集団 (母集団) の性質を確率の言葉で述べるための道具です。母集団の分散が分からないときに t 分布を使って平均を推定する、という手順はその代表です。機械学習 の側では、ニューラルネットワーク、決定木、複数のモデルの結果をまとめるアンサンブル学習、分類の境界とデータの間隔を最大にするサポートベクターマシンが基本の手法として並び、モデルの選択や調整を自動で行う手法は AutoML と呼ばれます。

データサイエンスの守備範囲と本書の範囲

データサイエンス は、統計学、プログラミング、対象とする業務の知識を組み合わせてデータから価値を引き出す領域で、分析の手法だけでなく、データの集め方、管理の仕方、扱う上での決まりも含めて語られます。2 つの値が一緒に動いていても一方が他方の原因とは限らない、という相関と因果の区別はその基本の一つで、本書の第 3 章には「見せかけの関係に騙されない」の節があります。本書は、データサイエンスを支える技術、データの表現と読み方、処理と活用、統計学、AI の手法、セキュリティとプライバシーの問題点を全 6 章に収めています。