Ｐｙｔｈｏｎデータ解析入門

データサイエンス、ＡＩ、数理を活用するためのスキルを体系的に、コンパクトに習得する。クラスタリング、主成分分析、線形回帰、モデル選択、ｅｔｃ…。データ分析の基礎となる代表的な手法について、基盤となる数理的知識を含めて理解する。東京大学の人気講義を書籍化。

目次

まえがき

第1章 データ解析を学ぶ
1.1 はじめに／1.2 本書の構成／1.3 データサイエンス教育に関するスキルセットとの対応／1.4 学習の進め方／1.5 記号表

第2章 Python の基礎
2.1 Python プログラミング言語／2.2 算術演算／2.3 変数／2.4 関数／2.5 if 文と条件分岐／2.6 リスト／2.7 文字列／2.8 for 文と繰り返し／2.9 辞書／2.10 プログラムの作成

第3章 Python のモジュール
3.1 モジュール／3.2 pandas ライブラリ／3.3 NumPy ライブラリ／3.4 Matplotlib ライブラリ

第4章 データ分析の基礎
4.1 データとは／4.2 データの収集／4.3 データの観察と理解／4.4 データの整形と加工

第5章 テキストデータの分析
5.1 テキストデータ／5.2 テキストの分かち書きと形態素解析／5.3 テキストのベクトル表現／5.4 テキストの類似度／5.5 プログラミング

第6章 ネットワークデータの分析
6.1 ネットワーク分析／6.2 ネットワークの行列表現／6.3 最短経路／6.4 中心性／6.5 固有ベクトル中心性／6.6 ページランク／6.7 プログラミング

第7章 機械学習の基礎
7.1 データの表現／7.2 教師あり学習／7.3 汎化性能／7.4 教師なし学習／7.5 機械学習のモデル／7.6 プログラミング

第8章 クラスタリング
8.1 クラスタリング／8.2 階層化クラスタリング／8.3 K-means 法／8.4 【発展】確率分布モデルによる K-means 法の解釈／8.5 プログラミング

第9章 主成分分析
9.1 主成分分析による次元削減／9.2 主成分分析の考え方／9.3 主成分分析の詳細／9.4 プログラミング

第10章 線形回帰
10.1 線形回帰／10.2 最小二乗法／10.3 勾配降下法／10.4 勾配降下法の一般化／10.5 正規方程式の一般化／10.6 モデルの評価／10.7 【発展】最尤法によるパラメータ推定／10.8 　ほか

本の帯に関して

帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。

版・表紙について

版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。