Pythonデータサイエンス
可視化、集計、統計分析、機械学習
リックテレコム
- 杜 世橋(著者)
「データサイエンス」という言葉だけ聞くと、複雑な数式や高度で高価なソフトウェアパッケージが必要と考えるかもしれません。ところが近年では、「R」や本書で紹介する「Python」など、データ分析に適した様々なオープンソースのソフトウェアやプログラミング言語が公開されており、必要な知識さえあれば誰でも簡単に高度な分析を行う環境が整ってきています。
本書はIT エンジニアの読者を対象とし、データサイエンスの入門としてPython を使用してデータ集計や機械学習などのデータ分析手法を習得することを目的としています。
効率的なデータ分析を実践し、自らのサービスにフィードハックを加えたいエンジニアにとって、必読の一冊になっています。
Numpy(ナムパイ)、Pandas(パンダス)といったPython独自の便利なライブラリを短時間で習得できます。
・著者プロフィール
東京工業大学 大学院 生命理工学研究科を卒業し、バイオ・インフォマティクスを学ぶ。現在は機械学習を用いたサービスのシステム設計や様々なサービスのデータ分析に従事している。趣味は家庭菜園であり、自宅のベランダは様々な植物で占拠されている(別な意味でもサイエンティスト)。
発売日:2016-12-20
目次
第1章 データサイエンスの概要
1.1 メンデルもケプラーもデータサイエンティストだった
1.2 データサイエンスの手法の要点
1.3 データサイエンスの実業務への適用
1.4 本書の内容
第2章 Pythonとデータサイエンス
2.1 データサイエンスで用いられるソフトウェア
2.2 データサイエンスに使えるPythonのライブラリ
2.3 Pythonの環境構築
2.4 numpy,pandasの基本操作
2.5 Pandas
第3章 データの読み込み,可視化,集計
3.1 データの読み込み
3.2 matplotlibによる可視化
3.3 集計
3.4 RDBMSとの連携
第4章 様々な統計分析
4.1 ヒストグラム分析
4.2 2つのグループを比較する(検定)
4.3 分散分析
第5章 回帰分析
5.1 線形回帰分析
5.2 単回帰分析
5.3 重回帰分析
第6章 教師なし学習
6.1 次元削除
6.2 クラスタリング
第7章 教師あり学習
7.1 データセットの準備
7.2 k最近傍法
7.3 ナイーブベイズ
7.4 ロジスティック回帰
7.5 各種法の比較
第8章 機械学習のWeb API
8.1 Webサービスの基本とFlask
8.2 線形回帰API
8.3 Webアプリのソースコード
付録1 基本的な統計量
付録2 機械学習の手法の分類
絶賛!発売中!
-
- 見えにくい、読みにくい「困った!」を解決するデザイン【改訂版】
- 予約 2618円
-
- 間嶋 沙知(著者)
- グラフィックス・デザイン
-
- 予約受付中
-
- はじめての 知識グラフ構築ガイド
- 予約 3982円
-
- Jesus Barrasa(著者)、 Jim Webber(著者)、 櫻井亮佑(翻訳)、 安井雄一郎(翻訳)
- その他言語
-
- 予約受付中
-
- マンガで学ぶパワーポイント[PowerPoint]”勝てるプレゼン” Microsoft 365対応
- 予約 1639円
-
- 著者・監修:木村幸子(著者)、 シナリオ:秋内常良(著者)、 マンガ:朝戸ころも(著者)、 マンガ制作:トレンド・プロ(著者)
- ビジネスアプリ
-
- 予約受付中
- 運営会社
- FAQ
- お問い合わせ
- 利用規約
- オンライン販売について
- 特定商取引法に関する記載
- ゲームソフトの利用に関するガイドライン|
- 個人情報について
- PURCHASE GUIDE (ENGLISH)|
Copyright © Mynavi Publishing Corporation