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	文系のためのデータサイエンス
著者名	大塚佳臣／著
著者名ヨミ	オオツカヨシオミ
出版者	日科技連出版社
出版年月	2023.2

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	00760/92/	0106832680	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	1000101050162
書誌種別	図書
書名	文系のためのデータサイエンス
書名ヨミ	ブンケイノタメノデータサイエンス
	DX時代の歩き方
言語区分	日本語
著者名	大塚佳臣／著
著者名ヨミ	オオツカヨシオミ
出版地	東京
出版者	日科技連出版社
出版年月	2023.2
本体価格	￥１８００
ISBN	978-4-8171-9769-6
ISBN	4-8171-9769-6
数量	8,148p
大きさ	21cm
分類記号	007.609
件名	データマイニング　数理統計学　人工知能
注記	文献:p141〜143
内容紹介	数学や統計学の知識を持たないひとに向けて、データサイエンスの概念や手法、その活用方法を紹介。データとデジタル技術で社会の変革をめざすDX時代を生きていくうえで身につけるべき発想や考え方を解説する。
著者紹介	東京大学大学院工学系研究科都市工学専攻博士課程修了。博士(工学)、技術士(衛生工学部門、総合技術監理部門)。東洋大学総合情報学部総合情報学科教授。
目次タイトル	第1章データサイエンスとは
	1.1 データサイエンスとは　1.2 情報とデータ　1.3 データサイエンスがめざすところ　1.4 DX時代に求められるスキル　1.5 DXとは　1.6 なぜデータ“サイエンス”なのか
	第2章データサイエンスのデザイン
	2.1 データサイエンスのワークフロー　2.2 データサイエンスを料理に喩える　2.3 各プロセスにおけるポイント　2.4 データサイエンスのデザインのポイント
	第3章データマイニングとは
	3.1 データマイニングの定義　3.2 データ分析のアプローチの変遷　3.3 なぜデータマイニングなのか:ビッグデータに対する統計解析手法の限界　3.4 新しい分析手法(機械学習)は万能か?　3.5 統計解析と機械学習の役割　3.6 データマイニングとの付き合い方
	第4章データの見方・見せ方
	4.1 データの見方・見せ方の基本的な考え方　4.2 度数データの見方・見せ方　4.3 数値データの見方・見せ方　4.4 データの見方・見せ方の戦略　4.5 やってはいけないこと、やるべきではないこと
	第5章データ分析と検定
	5.1 統計的仮説検定とは　5.2 帰無仮説と対立仮説の考え方　5.3 度数データの検定　5.4 平均値の検定　5.5 どういうときに検定を行うのか
	第6章データ同士の関連を知る
	6.1 「関連」とは　6.2 相関分析とは　6.3 疑似相関
	第7章影響度を知る
	7.1 回帰分析とは　7.2 重回帰分析とは　7.3 偏回帰係数について　7.4 世界のデータを扱うときの工夫　7.5 重回帰分析に関するまとめ
	第8章因果関係を知る
	8.1 構造方程式モデリングとは　8.2 モデルの作成方法　8.3 モデルの改善　8.4 システム全体で「小型軽量であること」の効果を考える　8.5 因果関係を活用した根本的な問題解決(システムズ・アプローチ)
	第9章データの収集と整備
	9.1 情報のデータ化の歴史　9.2 データの収集方法　9.3 データの整理・加工　9.4 データの整理と加工の難しさ
	第10章 AI・機械学習とは
	10.1 AI・機械学習の定義　10.2 機械学習の手順　10.3 機械学習の手法　10.4 どういうときにどの手法を使うのか
	第11章 AIの活用事例
	11.1 スポーツのハイライト映像の自動生成:ATP/WTA　11.2 店舗オペレーションの改善:(株)あきんどスシロー　11.3 野菜の市場価格予測:(株)ファームシップ　11.4 採用選考の効率化:ソフトバンク(株)　11.5 AIの活用にあたって
	第12章データサイエンスとビジネス
	12.1 背景　12.2 データサイエンスの第一歩(2013〜2014年)　12.3 データ分析の導入(2015年)　12.4 データ収集の対策と機械学習による来客数予測(2016年)　12.5 予測精度向上に向けたAIによる通行人の画像解析の導入(2017年)　12.6 業務の省力化に向けたDX化(2019年)　12.7 経営への効果　12.8 データにもとづく冷静な経営判断の事例　12.9 サービス産業活性化への挑戦　12.10 おわりに
	第13章 DX時代の歩き方
	13.1 DX時代に求められるスキル　13.2 今後、社会や組織で求められる人材像