近刊検索 デルタ

2021年4月13日発売

朝倉書店

データサイエンス入門

Pythonによるビジネスデータサイエンス 
このエントリーをはてなブックマークに追加
内容紹介
データの見方の基礎を身につける。サポートサイトにサンプルコードあり。〔内容〕データを見る/関係性を調べる/高度な分析(日本人の米離れ,気温からの売上予測,他)/企業の応用ケース/付録:Anacondaによる環境構築/他
目次
【目次】
1. データを見てみよう
 1.1 学びの場と実践の現場の違い
 1.2 あるデータ分析の流れ

2.データを要約すると何が見えてくる? 
 2.1 データを代表する値
  2.1.1 平均
  2.1.2 中央値
  2.1.3 最頻値
  2.1.4 外れ値
  2.1.5 平均から言えること,言えないこと
 2.2 データのばらつきを表す尺度
  2.2.1 分散
  2.2.2 標準偏差
 2.3 四分位数と箱ひげ図
  2.3.1 四分位数
  2.3.2 箱ひげ図
 2.4 まとめ

3. 関係性を調べる
 3.1 データの相対的な関係
  3.1.1 変動係数
  3.1.2 Zスコア
  3.1.3 偏差値
 3.2 相関
  3.2.1 牛肉をよく買う地域では豚肉や鶏肉もよく買われるのか? 
  3.2.2 相関係数と共分散
  3.2.3 相関関係と因果関係
  3.2.4 データがグループに分かれる場合
  3.2.5 直線的ではないような相関関係
  3.2.6 散布図行列

4. より高度な分析1:日本人の米離れは本当か?
 4.1 オープンデータを使ってみよう
 4.1 米の消費支出は減少しているの? 
 4.1 来年はどうなるの? 
 4.1 まとめ

5. より高度な分析2:気温から売り上げを予測する
 5.1 線形単回帰の概要
 5.2 線形単回帰の数学的説明
 5.3 線形回帰による気温からの売り上げ予測
 5.4 Pythonによる回帰

6. より高度な分析3:食べ物の好みで都道府県を分類する
 6.1 クラスタリングとは
 6.2 k-means
  6.2.1 k-meansの概要
  6.2.2 k-meansによるクラスタリングと結果の分析
  6.2.3 パラメータの決め方
 6.3 階層的クラスタリング
 6.4 Python によるクラスタリング

7. 企業の応用ケース
 7.1 事例紹介1:あなたの好みの寿司ネタは?(スシロー:地域別に
有効なキャンペーンの分析) 
  7.1.1 スシローの紹介
  7.1.2 スシローを支えるIT システム
  7.1.3 スシローのすしランキング
  7.1.4 スシローの経営へのフィードバック
 7.2 事例紹介2:サテライトオフィスの立地戦略(ザイマックスグループ)
  7.2.1 ZXY ワーク事業の概要
  7.2.2 ZXY におけるデータ分析
  7.2.3 新規拠点開設の検討に活かされるデータ分析1:公的統計デー
タを用いたデモグラフィック分析
  7.2.4 新規拠点開設の検討に活かされるデータ分析2:既存拠点の
混雑緩和と目的とした新規開設立地の評価
  7.2.5 企業の意思決定のためにデータを分析し視覚化する意義

A.本書のプログラムを実行する環境の構築
 A.1 Anaconda による環境構築
著者略歴
笹嶋 宗彦(ササジマ ムネヒコ sasajima munehiko)
兵庫県大
タイトルヨミ
カナ:データサイエンスニュウモン
ローマ字:deetasaiensunyuumon

※近刊検索デルタの書誌情報はopenBDのAPIを使用しています。

朝倉書店の既刊から
笹嶋宗彦/編集
松山洋/編集 増田耕一/編集
渡邉早苗/著・編集 山田哲雄/著・編集 吉野陽子/著・編集
S.I.レズニック/著 国友直人/翻訳 栗栖大輔/翻訳
犬伏和之/編集 白鳥豊/編集
もうすぐ発売(1週間以内)
KADOKAWA:赤福大和 さばみぞれ 
成美堂出版:マカベアリス 
双葉社:朝倉宏景 
風媒社:東谷護 

※近刊検索デルタの書誌情報はopenBDのAPIを利用しています。