概要

データサイエンスに重点を置いた情報科学とデータ分析の入門書です。 基礎知識から，関連する技術をわかりやすく解説します。

本書の構成は，それぞれ標準カリキュラムの以下に相当します。

第1章「1. 導入，社会におけるデータ・AI利活用」

第2章「2. 基礎，データリテラシー」

第3章「3. 心得，データ・AI利活用における留意事項」

第4章「4. 選択，オプション」

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）に対応させると，第1章が「項目1」と「項目2」「項目3」に，第2章が「項目5」に，そして第3章が「項目4」に対応します。

また，本書を改訂するにあたり，新たに生成AIに関するトピックを第6章として，さらにオープンデータの活用を第7章に追加しています。

第6章は応用基礎レベルの「3. AI基礎」に該当します。第7章は応用基礎レベル「2.データエンジニアリング基礎」に相当します。

データサイエンスの基礎を学びたい方，AI技術に興味がある方，データ分析の実践力を身につけたい方など，幅広い読者におすすめです。

こんな方におすすめ

• 情報科学およびデータ分析の基礎を学びたい方

目次

• 序文

第1章　社会におけるデータ・AI活用

• 1-1　社会で起きている変化
• 1-2　社会で活用されているデータ
• 1-3　データサイエンス・AIの活用領域
• 1-4　データサイエンス・AIの利活用のための技術
• 1-5　データサイエンス・AIの利活用の最新動向

第2章　データの要約と可視化

• 2-1　データの要約
• 2-2　要約統計量
• 2-3　関係をとらえる
• 2-4　データの可視化
• 2-5　まとめ
• 2-6　参考文献

第3章　データの法規と倫理

• 3-1　データ解析のインパクトと倫理
• 3-2　データの健全な取り扱い
• 3-3　個人情報
• 3-4　結果の説明可能性
• 3-5　データと情報に関する権利と法律
• 3-6　参考文献

第4章　データ活用の手法と実践

• 4-1　はじめに
• 4-2　代表的な確率分布
• 4-3　確率論とベイズの定理
• 4-4　推測統計学の基礎
• 4-5　統計的検定の基礎
• 4-6　ROC解析と推論の評価
• 4-7　モデリング
• 4-8　回帰分析
• 4-9　単回帰分析
• 4-10　クラスタ分析
• 4-11　参考文献

第5章　データ構造，アルゴリズム，プログラミング

• 5-1　プログラミングの話題に入る前に
• 5-2　データ構造
• 5-3　アルゴリズム
• 5-4　プログラミングの基礎
• 5-5　参考文献

第6章　深層学習，生成AI

• 6-1　深層学習
• 6-2　生成AI
• 6-3　参考文献

第7章　オープンデータの活用

• 7-1　オープンデータ
• 7-2　クリエイティブ・コモンズ
• 7-3　機械判読に適したデータ
• 7-4　さらなるデータの活用と課題
• 7-5　機械学習によるデータの活用と限界

付録A　RStudioによるRの実行

• A-1　分析ツールの必要性
• A-2　RとRStudioについて
• A-3　プロジェクトの作成
• A-4　スクリプトの記述
• A-5　スクリプトの実行
• A-6　グラフの描画
• A-7　パイプ演算子
• A-8　Rの終了
• A-9　参考文献

付録B　Google ColabによるPythonの実行

• B-1　Python
• B-2　Google Colab
• B-3　Google Driveとの連携
• B-4　Python速習
• B-5　関数
• B-6　データサイエンスのためのライブラリ
• B-7　データフレーム
• B-8　データ操作とグラフィックス
• B-9　map関数
• B-10　関数の定義
• B-11　スクリプトファイルの保存とColabの終了

• 索引

サポート

現在サポート情報はありません。