検索結果書誌詳細：蔵書検索システム

ログインの状態：ログインしていません。ログインすると利用状況の確認等のサービスを利用できます。		カート（予約候補） 0 登録されていません。

蔵書情報

この資料の蔵書に関する統計情報です。現在の所蔵数在庫数予約数などを確認できます。

所蔵数	1	在庫数	1	予約数	0

書誌情報サマリ

書名	データアナリティクスのための機械学習入門
著者名	J.D.ケラハー／著
著者名ヨミ	J D ケラハー
出版者	近代科学社
出版年月	2022.8

この資料に対する操作

カートに入れるを押すとこの資料を予約する候補として予約カートに追加します。

いますぐ予約するを押すと認証後この資料をすぐに予約します。

この資料に対する操作

電子書籍を読むを押すと電子図書館に移動しこの資料の電子書籍を読むことができます。

登録するリストログインメモ

資料情報

各蔵書資料に関する詳細情報です。

No.	所蔵館	配架場所	請求記号	資料番号	資料種別	状態	個人貸出	在庫
1	中央図書館	一般開架	00713/107/	0106794103	一般	在庫	可	○

書誌詳細

この資料の書誌詳細情報です。

タイトルコード	1000101009869
書誌種別	図書
書名	データアナリティクスのための機械学習入門
書名ヨミ	データアナリティクスノタメノキカイガクシュウニュウモン
	アルゴリズム・実例・ケーススタディ
叢書名	世界標準MIT教科書
言語区分	日本語
著者名	J.D.ケラハー／著　 B.マクナミー／著　 A.ダーシー／著　宮岡悦良／訳　下川朝有／訳　黒澤匠雅／訳
著者名ヨミ	J D ケラハー　B マクナミー　A ダーシー　ミヤオカエツオ　シモカワアサナオ　クロサワタクマ
著者名原綴	Kelleher John D.　Mac Namee Brian　D'Arcy Aoife
出版地	東京
出版者	近代科学社
出版年月	2022.8
本体価格	￥８０００
ISBN	978-4-7649-0617-4
ISBN	4-7649-0617-4
数量	16,454p
大きさ	26cm
分類記号	007.13
件名	機械学習
注記	原タイトル:Fundamentals of machine learning for predictive data analytics
注記	文献:p438〜447
内容紹介	データアナリティクスの問題を解決するために、実際の機械学習の用いられ方や機械学習の基本を分かりやすく解説。機械学習の応用例として産業界でのケーススタディも紹介する。
目次タイトル	1 予測的データアナリティクスのための機械学習
	1.1 予測的データアナリティクスとは?　1.2 機械学習とは?　1.3 機械学習はどのように機能するのか?　1.4 機械学習が機能しない場合　1.5 予測的データアナリティクスプロジェクトのライフサイクル:CRISP-DM　1.6 予測的データアナリティクスの道具　1.7 本書のこれからの内容　1.8 演習
	2 データから知見そして意思決定へ
	2.1 ビジネス課題から分析ソリューションへの変換　2.2 実現可能性の評価　2.3 ABTの設計　2.4 特徴量の設計と実装　2.5 要約　2.6 参考文献　2.7 演習
	3 データ探索
	3.1 データ品質レポート　3.2 データを知る　3.3 データ品質問題の確認　3.4 データ品質問題の取り扱い　3.5 高度なデータ探索　3.6 データ準備　3.7 要約　3.8 参考文献　3.9 演習
	4 情報量に基づく学習
	4.1 考え方　4.2 基本　4.3 標準的なアプローチ:ID3アルゴリズム　4.4 拡張法と他の手法　4.5 要約　4.6 参考文献　4.7 演習
	5 類似度に基づく学習
	5.1 考え方　5.2 基本　5.3 標準的なアプローチ:最近傍アルゴリズム　5.4 拡張法と他の手法　5.5 要約　5.6 参考文献　5.7 エピローグ　5.8 演習
	6 確率に基づく学習
	6.1 考え方　6.2 基本　6.3 標準的なアプローチ:ナイーブベイズモデル　6.4 拡張法と他の手法　6.5 要約　6.6 参考文献　6.7 演習
	7 誤差に基づく学習
	7.1 考え方　7.2 基本　7.3 標準的なアプローチ:勾配降下法による重回帰　7.4 拡張法と他の手法　7.5 要約　7.6 参考文献　7.7 演習
	8 評価
	8.1 考え方　8.2 基本　8.3 標準的なアプローチ:ホールドアウトテストセットによる誤分類率　8.4 拡張法と他の手法　8.5 要約　8.6 参考文献　8.7 演習
	9 ケーススタディ:顧客離れ
	9.1 ビジネスの把握　9.2 データの把握　9.3 データの準備　9.4 モデリング　9.5 評価　9.6 設置
	10 ケーススタディ:銀河の分類
	10.1 ビジネスの把握　10.2 データの把握　10.3 データ準備　10.4 モデリング　10.5 評価　10.6 設置
	11 予測的データアナリティクスのための機械学習の技法
	11.1 予測モデルのいろいろな側面　11.2 機械学習法の選択　11.3 次のステップ
	A 機械学習のための記述統計とデータ可視化
	A.1 連続型特徴量に対する記述統計　A.2 カテゴリ特徴量に対する記述統計　A.3 母集団と標本　A.4 データの可視化
	B 機械学習のための確率の導入
	B.1 確率の基礎　B.2 確率分布と周辺化　B.3 便利な確率法則　B.4 要約
	C 機械学習のための微分法
	C.1 連続関数の導関数　C.2 連鎖律　C.3 偏導関数