本書は、データサイエンスにおけるコンペティション、特にKaggleに焦点を当て、実践的なデータ分析手法やテクニックを紹介しています。分析コンペに参加することで得られるスキルは、実務でも役立つため、特徴量の作成やモデルの評価、チューニングなどの具体的な内容が含まれています。著者たちは、データサイエンスの専門家であり、実績を持つKaggleの競技者です。この本は、コンペに挑戦したい人や実務でのモデル精度向上を目指す人にとって有益な情報源となるでしょう。

本書は、AI・データ分析プロジェクトの成功には技術知識だけでなく「ビジネス力」が重要であることを強調しています。データサイエンティストのキャリアや業界の概要から始まり、プロジェクトの立ち上げ、実行、評価、収益化までのノウハウを網羅。具体的には、課題設定、案件獲得、データ分析手法の検討、レポーティングなどのプロセスを解説し、実務に役立つ情報を提供しています。著者は業界の専門家で、実践的な知識を基にした内容となっています。

本書は最適化手法についての入門書であり、経営学やオペレーションズリサーチだけでなく、統計的最適化や機械学習の話題も扱っています。計算機技術の進歩により、複雑な最適化問題が解決可能になった背景を踏まえ、各手法の原理や数学的背景を詳しく解説しています。内容は例題を多く用いて分かりやすく、関連する話題や注意点も随所に挿入されています。目次には数学的準備、関数の極値、最適化手法、最小二乗法、統計的最適化、線形・非線形計画法、動的計画法が含まれています。著者は岡山大学の金谷健一教授です。

StanとRでベイズ統計モデリング

本書は、深層学習に関する改訂版のベストセラーで、トランスフォーマーや生成モデルなどの手法を詳しく解説しています。著者は、実用性を重視し、理論的な証明がなくても納得できる説明を提供することにこだわっています。全12章で構成され、深層学習の基本から応用までを網羅しており、特に実務に役立つ情報が反映されています。著者は東北大学の教授で、研究経験を基にした内容です。

この書籍は、地域密着型アウトドアショップがデジタルマーケティングを活用して業績を向上させるストーリーを通じて、デジタルマーケティングの基礎を学ぶ内容です。デジタル化を成功させるための条件や、重要な要素（MEO・SEO、データ分析、ECサイト構築、SNS活用など）が解説されています。著者は上野佑馬で、データ分析やデジタルマーケティングの専門家です。

『ゼロから作るDeep Learning』の続編である本書は、自然言語処理や時系列データ処理に焦点を当て、ディープラーニングの技術を実装レベルで学ぶことができます。具体的には、word2vec、RNN、LSTM、GRU、seq2seq、Attentionなどの最新技術を取り上げ、分かりやすく解説しています。著者は、人工知能の研究開発に従事する斎藤康毅氏です。

ネットワーク分析

マスとデジタル施策を横並びで評価する手法を演習形式で学び、統計リテラシーを高める「ビジネス専門書」 『これからのマーケターは、グラフの見た目よりも「因果推論」に注意すべきである』 「統計学が最強の学問である」著者の西内 啓氏推薦！ マーケティング施策の意思決定をいかにして「データドリブン」にするか？ Excelを用いた演習でマーケティングROIの最適化を導く分析手法を習得しながら、統計や因果推論の知識について知る。 データ解析にもとづくマーケティングに必須の「知識」と「生きたノウハウ」が同時に身につくビジネス実践書です。 『もともと統計学には無縁だった筆者は、広告会社でTVCMなどのマス広告とデジタルアドの全体最適、予算配分の最適を目指すため、時系列データ解析によってオフライン施策とオンライン施策を横並びで評価できるマーケティング・ミックス・モデリング（MMM）を知りました。 それを学ぶために得た知識や分析スキルを共有するために、ExcelでMMMに付帯する分析手順を行いながら学べる書籍を作りました。それは本来、専門家によって提供される高度な分析サービスです。本書では統計学に初めてチャレンジ する方がそれを習得することを目指したものです。 本書は統計やデータマイニングを学びたくなったマーケターが難解な数式やプログラムコードを書くような「専門書」で学ぶ前の、基礎的なデータ分析の感覚を共有する「ビジネス専門書」を目指しました。』（著者の言葉より）

ビジネスや意思決定の場面で，データを活用したい方に手にとっていただきたいデータサイエンスの入門書。目的別の分析手法を幅広く… ビジネスや意思決定の場面で，データを活用したい方に向けたデータサイエンスの入門書。データの種類ごとの性質や収集時の注意点，目的別の分析手法からデータ可視化まで幅広く扱う。各章末には課題を設置し，最終章ではデータサイエンスの展望や限界についても言及。 第１章　データサイエンスとは 第２章　データ収集のための基礎知識 第３章　データ空間の構成法 第４章　データ生成のメカニズム 第５章　データの可視化手法 第６章　データ分析の手法 第７章　データ活用のフレームワーク 第８章　データの分析事例 第９章　データ分析上の注意点と応用知識

文科と理科両方の学生のために，統計的なものの考え方の基礎をやさしく解説するとともに，統計学の体系的な知識を与えるように，編集・執筆された．豊富な実際例を用いつつ，図表を多くとり入れ，視覚的にもわかりやすく親しみながら学べるよう配慮した． 第1章 統計学の基礎（中井検裕，縄田和満，松原 望） 第2章 1次元のデータ（中井検裕） 第3章 2次元のデータ（中井研裕，松原 望） 第4章 確率（縄田和満，松原 望） 第5章 確率変数（松原 望） 第6章 確率分布（松原 望） 第7章 多次元の確率分布（松原 望） 第8章 大数の法則と中心極限定理（中井検裕） 第9章 標本分布（縄田和満） 第10章 正規分布からの標本（縄田和満） 第11章 推定（縄田和満） 第12章 仮説検定（縄田和満，松原 望） 第13章 回帰分析（縄田和満） 統計数値表 練習問題の解答

この書籍は、ディープラーニングをゼロから実装することで学ぶ入門書です。Python 3を用いて、基礎から誤差逆伝播法や畳み込みニューラルネットワークなどの技術を理解し、実践的なテクニックや最近のトレンドも紹介します。また、ディープラーニングの優位性や深層化の理由についても考察しています。著者はコンピュータビジョンや機械学習の研究開発に従事する斎藤康毅氏です。

本書は、2018年に発行された機械学習に関する書籍の全面改訂版で、不確実性の高い機械学習プロジェクトを「仕事で使う」観点から整理しています。新たに「ML Ops」「機械学習モデルの検証」「バンディットアルゴリズム」「オンライン広告での機械学習」についての章が追加され、読者が実際の問題を解決するための知識を提供します。著者は、機械学習の実務経験を持つ専門家たちです。

<特集>統計的自然言語処理-ことばを扱う機械

オークション等の注目のトピックスを盛り込み，解説をさらに丁寧に初学者にわかりやすく，新たに2色刷としてさらに読みやすく一新。 基礎から新しい研究成果までをカバーし，楽しみながらゲーム理論のエッセンスとその考え方を学べるスタンダードテキストの新版。オークション等の注目トピックスを盛り込み，さらに丁寧な解説でわかりやすく，新たに２色刷としてさらに読みやすく一新。 第１章　ゲーム理論とは何だろうか？ 第２章　選択と意思決定 第３章　戦略ゲーム 第４章　ナッシュ均衡点 第５章　利害の対立と協力 第６章　ダイナミックなゲーム 第７章　繰り返しゲーム 第８章　不確実な相手とのゲーム 第９章　交渉ゲーム 第10章　グループ形成と利得分配 第11章　進化ゲーム 第12章　ゲーム実験

技術面での今後の発展可能性を示した 第１章　テキストマイニングとは何か 　１．１　分析の技術としてのテキストマイニング 　１．２　類似技術との比較—単なる検索や分類整理と何が違うか— 　１．３　テキストマイニングの基本的な仕組み 　１．４　テキストマイニングの自然言語処理 　１．５　テキストマイニングにおけるマイニング処理 　１．６　第１章のまとめ 第２章　テキストマイニングの適用例と効果 　２．１　テキストマイニングの適用対象 　２．２　コールセンターにおけるコンタクト履歴への適用例 　２．３　インバウンドコールセンター（ＰＣヘルプセンター）のコンタクト履歴のテキストマイニング 　２．４　アウトバウンドセールスセンターのコンタクト履歴のテキストマイニング 　２．５　第２章のまとめ 第３章　テキストマイニングの理想的な使い方 　３．１　経営戦略としてのテキストマイニング 　３．２　テキストマイニングの位置付け　—誰が何のために行うのか— 　３．３　情報の適切な共有 　３．４　データを活かすことを意識したデータ収集 　３．５　テキストマイニングの適用形態 　３．６　第３章のまとめ 第４章　テキストマイニングに対する疑問への回答 　４．１　どんなデータでも結果が必ず出るものか？ 　４．２　テキストマイニングの効果をどう判断すべきか？ 　４．３　テキストマイニングの結果はあてになるか？ 　４．４　辞書のメンテナンスが大変だからつかいこなせないというのは本当か？ 　４．５　テキストマイニングの分析に適正やコツがあるか？ 　４．６　テキストマイニングは文書の意味をどこまで把握できるのか？ 第５章　テキストマイニングの今後 　５．１　感情・評価・態度の分析技術 　５．２　発話内容の分析技術（自動音声認識結果のテキストマイニング） 　５．３　どうなるべきか—テキストマイニングの活用動向— 参考文献 索　引

樹木構造接近法

自然科学・工学・医学等への応用をめざしつつ，さまざまな統計学的考え方を紹介し，その基礎をわかりやすく解説する．シリーズIと同様に，豊富に実際例を用いつつ，図表を多くとり入れて，視覚的にもわかりやすく統計学を親しみながら学べるよう編集した． 第1章　確率の基礎（矢島美寛） 第2章　線形モデルと最小二乗法（廣津千尋） 第3章　実験データの分析（藤野和建） 第4章　最尤法（廣津千尋） 第5章　適合度検定（廣津千尋） 第6章　検定と標本の大きさ（竹村彰通） 第7章　分布の仮定（竹内 啓，藤野和建） 第8章　質的データの統計的分析（縄田和満） 第9章　ベイズ決定（松原 望） 第10章　確率過程の基礎（矢島美寛） 第11章　乱数の性質（伏見正則）

戦略的データマイニング

序 新自由主義の探究 マックス・ウェーバーにおける「暴力Gewalt」概念 新聞記事にみる近代東京・都市公園の話題変遷 近代日本社会におけるSelf-Starvationの歴史 婦人運動とウーマン・リブとの架橋 安全保障技術研究推進制度の助成を受けた研究者のネットワーク可視化

Now in its third edition, this classic book is widely considered the leading text on Bayesian methods, lauded for its accessible, practical approach to analyzing data and solving research problems. Bayesian Data Analysis, Third Edition continues to take an applied approach to analysis using up-to-date Bayesian methods. The authors-all leaders in the statistics community-introduce basic concepts from a data-analytic perspective before presenting advanced methods. Throughout the text, numerous worked examples drawn from real applications and research emphasize the use of Bayesian inference in practice. New to the Third Edition Four new chapters on nonparametric modeling Coverage of weakly informative priors and boundary-avoiding priors Updated discussion of cross-validation and predictive information criteria Improved convergence monitoring and effective sample size calculations for iterative simulation Presentations of Hamiltonian Monte Carlo, variational Bayes, and expectation propagation New and revised software code The book can be used in three different ways. For undergraduate students, it introduces Bayesian inference starting from first principles. For graduate students, the text presents effective current approaches to Bayesian modeling and computation in statistics and related fields. For researchers, it provides an assortment of Bayesian methods in applied statistics. Additional materials, including data sets used in the examples, solutions to selected exercises, and software instructions, are available on the book's web page. FUNDAMENTALS OF BAYESIAN INFERENCE Probability and Inference Single-Parameter Models Introduction to Multiparameter Models Asymptotics and Connections to Non-Bayesian Approaches Hierarchical Models FUNDAMENTALS OF BAYESIAN DATA ANALYSIS Model Checking Evaluating, Comparing, and Expanding Models Modeling Accounting for Data Collection Decision Analysis ADVANCED COMPUTATION Introduction to Bayesian Computation Basics of Markov Chain Simulation Computationally Efficient Markov Chain Simulation Modal and Distributional Approximations REGRESSION MODELS Introduction to Regression Models Hierarchical Linear Models Generalized Linear Models Models for Robust Inference Models for Missing Data NONLINEAR AND NONPARAMETRIC MODELS Parametric Nonlinear Models Basic Function Models Gaussian Process Models Finite Mixture Models Dirichlet Process Models APPENDICES A: Standard Probability Distributions B: Outline of Proofs of Asymptotic Theorems C: Computation in R and Stan Bibliographic Notes and Exercises appear at the end of each chapter.