表紙
はじめに
もくじ
Chapter 1　データサイエンスをビジネスで活用する
Section01　なぜいまデータサイエンスの必要性が叫ばれているのか？
Section02　AIやデータサイエンスにおける技術概観
Chapter 2　データサイエンスの手法を理解する 21
Section01　データサイエンスの手法ごとの特徴をつかもう
Section02　教師あり学習（回帰問題・分類問題）
Section03　ディープラーニングによる画像解析
Section04　教師なし学習
Section05　レコメンデーションの事例
Section06　最適化
Section07　各章の進め方
Chapter 3　基本的な可視化・統計手法を理解する
Section01　店舗の売上実績を分析して現状を把握しよう
Section02　要約統計量でデータの傾向をつかむ
Section03　実務で使えるデータ可視化
Chapter 4　線形回帰モデルで需要予測を立てる
Section01　販売数の需要予測により発注精度を向上しよう
Section02　教師あり学習（回帰問題）の概要
Section03　回帰問題の基本手法「線形回帰モデル」
Section04　予測モデルの精度を評価するための評価指標
Section05　実践：飲食店のPOSデータを活用しよう
Chapter 5　 ロジスティック回帰モデルでユーザーターゲティングを行う
Section01　ユーザーターゲティングによりメール配信を高度化しよう
Section02　分類問題の基本手法「ロジスティック回帰モデル」
Section03　分類問題における評価指標
Section04　実践：宿泊予約サイトのユーザーデータを活用しよう
Chapter 6　ディープラーニングで画像分類を行う
Section01　画像の商品カテゴリを推測して入力作業を自動化しよう
Section02　ディープラーニングの基本「ニューラルネットワーク」
Section03　画像認識のための「CNN」
Section04　 実践：洋服の画像データを活用しよう
Chapter 7　教師なし学習でユーザーセグメントを精緻化する
Section01　ユーザーセグメントを精緻化して施策を出し分けしよう
Section02　教師なし学習の概要
Section03　教師なし学習の基本手法「k-means法」
Section04　クラスタリング結果の解釈
Section05　実践：EC サイトの購入履歴データを活用しよう
Chapter 8　レコメンデーションの仕組みと実装
Section01　おすすめ商品をレコメンドして購入回数を向上させよう
Section02　レコメンデーションエンジンの概要
Section03　ユーザーの嗜好を考慮する「協調フィルタリング」
Section04　コンテンツの内容を考慮する「コンテンツマッチング」
Section05　実践：ユーザー評価データを活用しよう
Chapter 9　数理最適化で利益の最大化を図る
Section01　商品単価を最適化して利益を最大化しよう
Section02　最適化の概要
Section03　2つの最適化①「連続最適化」
Section04　2つの最適化②「組み合わせ最適化」
Section05　実践：小売店舗の商品データを活用しよう
おわりに
ステップアップにつながるトピックまとめ
ステップアップにつながる書籍
索引
著者プロフィール
奥付

• 三好大悟（著者）

  三好 大悟（みよし・だいご）
  慶應義塾大学理工学部で金融工学を専攻。大学卒業後、株式会社データミックスにてデータサイエンティストとして、統計学や機械学習を用いたデータ分析・アルゴリズム開発を中心としたコンサルティングに従事。2020年7月からは株式会社セブン&アイ・ホールディングスにて、小売や物流・配送などの事業におけるデータ・AI活用を推進。一方で兼業としても活動し、データ分析やAI開発など、データサイエンスに関するアドバイザリや受託開発を行うかたわら、講師活動なども行う。