目次

表紙
口絵
本扉
サンプル・正誤表・免責など
まえがき
著者紹介、レビュー担当者紹介
謝辞
はじめに
本書の内容
目次
第1章 Kaggleとその基本機能
1.1 Kaggleプラットフォーム
1.2 Kaggle Competitions
1.3 Kaggle Datasets
1.4 Kaggle Code
1.5 Kaggle Discussions
1.6 Kaggle Learn
1.7 Kaggle Models
1.8 本章のまとめ
第2章 Kaggleノートブック作成の準備
2.1 Kaggle Notebooksとは何か／2.2 ノートブックを作成する方法
2.3 ノートブックの機能を探索する／2.3.1 基本的な機能
2.3.2 高度な機能
2.4 Kaggle APIを使ったノートブックの作成、更新、ダウンロード、監視
2.5 本章のまとめ
第3章 Kaggleという旅の始まり―タイタニック号事件の分析
3.1 タイタニック号の悲劇／3.2 データを検査する
3.2.1 データを理解する
3.2.2 データを分析する
3.3 単変量解析を行う
3.4 多変量解析を行う
3.5 乗客の名前から意味のある情報を抽出する
3.6 複数のプロットを表示するダッシュボードを作成する
3.7 ベースラインモデルを構築する
3.8 本章のまとめ
3.9 参考資料
第4章 単変量／二変量／地理空間分析の方法―パブとスターバックス
4.1 イギリスのパブ／4.1.1 データ品質のチェック
4.1.2 データ探索
4.2 世界中のスターバックス／4.2.1 予備的なデータ分析
4.2.2 単変量解析と二変量解析
4.2.3 地理空間分析
4.3 ロンドンのパブとスターバックス
4.3.1 データの前処理
4.3.2 地理空間分析
4.4 本章のまとめ
4.5 参考資料
第5章 データ分析に基づくストーリーと仮説検証―発展途上国向け小口融資とMeta Kaggle
5.1 Data Science for Good: Kiva Crowdfundingコンペティション
5.2 Kivaコンペティションの分析：データが増えるほど、洞察は深まる／5.2.1 借り手の人口統計を理解する
5.2.2 MPIと他の要因との相関を探る
5.2.3 レーダーチャートで貧困の次元を可視化する
5.2.4 最後に／5.3 データセットごとに異なるストーリーを伝える
5.3.1 プロット／5.3.2 実際の推移
5.3.3 結論
5.4 本章のまとめ／5.5 参考資料
第6章 画像データ分析―ミツバチの亜種を予測
6.1 データ探索／6.1.1 データ品質をチェックする
6.1.2 画像データを探索する
6.1.3 場所
6.1.4 日付と時刻
6.1.5 亜種
6.1.6 健康状態
6.1.7 その他／6.1.8 結論
6.2 亜種の分類／6.2.1 データを分割する
6.2.2 データ拡張
6.2.3 ベースラインモデルを構築する
6.2.4 モデルを反復的に改善する
6.3 本章のまとめ
6.4 参考資料
第7章 テキスト分析―単語埋め込み、双方向LSTM、Transformer
7.1 データ探索
7.1.1 目的変数／7.1.2 センシティブな特徴量
7.2 コメントテキストを分析する
7.2.1 トピックモデリング
7.2.2 固有表現抽出（NER）
7.2.3 品詞タグ付け
7.3 モデルを準備する
7.3.1 語彙を構築する
7.3.2 埋め込みインデックスと埋め込み行列
7.3.3 語彙のカバレッジを確認する
7.3.4 語彙のカバレッジを反復的に改善する
7.4 ベースラインモデルを構築する
7.5 Transformerベースのソリューション
7.6 本章のまとめ／7.7 参考資料
第8章 音響信号の分析による模擬地震の予測
8.1 LANL Earthquake Predictionコンペティション／8.2 信号データのフォーマット
8.3 コンペティションデータを探索する
8.3.1 ソリューションのアプローチ
8.4 特徴量エンジニアリング／8.4.1 トレンド特徴量と従来のSTA/LTA
8.4.2 FFTベースの特徴量
8.4.3 集約関数を使って計算された特徴量
8.4.4 ヒルベルト変換とハン窓を使って計算された特徴量
8.4.5 移動平均に基づく特徴量
8.5 ベースラインモデルを構築する
8.6 本章のまとめ／8.7 参考資料
第9章 ディープフェイク動画を探す
9.1 Deepfake Detection Challengeコンペティション
9.2 コンペティションのユーティリティスクリプト／9.2.1 動画データを可視化するユーティリティスクリプト
9.2.2 顔と体を検出するユーティリティスクリプト
9.3 メタデータを探索する
9.4 動画データを探索する／9.4.1 サンプルファイルを可視化する
9.4.2 物体検出を実行する
9.5 本章のまとめ
9.6 参考資料
第10章 Kaggleモデルで生成AIの能力を引き出す
10.1 Kaggle Models
10.2 基盤モデルのプロンプトを作成する／10.2.1 モデルの評価とテスト
10.2.2 モデルの量子化
10.3 LangChainを使ってマルチタスクアプリケーションを構築する
10.4 Kaggle Modelsを使ったコード生成
10.5 RAGシステムを作成する
10.6 本章のまとめ
10.7 参考資料
第11章 旅の終わり―存在感を保ち、トップであり続けるために
11.1 成功したGrandmasterから学ぶ
11.2 ノートブックの定期的な見直しと改善
11.3 他のユーザーの貢献を評価し、あなたならではのタッチを加える
11.4 スピードが命：完璧になるまで待たない／11.5 寛大であれ：知識を共有する
11.6 コンフォートゾーンから飛び出す
11.7 感謝の気持ちを持つ／11.8 本章のまとめ
11.9 参考資料
索引
翻訳書プロフィール
奥付

著者プロフィール

• Gabriel Preda（著者）

  ◆著者
  Gabriel Preda
  大手ソフトウェアサービス会社Endavaの主任データサイエンティスト。金融サービス、銀行業、ポートフォリオ管理、通信、医療など、さまざまな業界のプロジェクトに取り組み、リスク予測、顧客離脱分析、異常検出、文書情報抽出など、さまざまな機械学習ソリューションを開発。計算電磁気学の博士号を取得。
  
  ◆翻訳者
  ◎株式会社クイープ
  コンピュータシステムの開発、ローカライズ、コンサルティングを手がけている。本書の姉妹書である『The Kaggle Book：データ分析競技実践ガイド＆精鋭31人インタビュー』を翻訳。最近の訳書に『Pythonライブラリによる因果推論・因果探索［概念と実践］因果機械学習の鍵を解く』『AWSインフラサービス活用大全［第2版］ 構築・運用、自動化、データストア、高信頼化』などがある（いずれもインプレス発行）。