【2025年】「モデル」のおすすめ 本 155選！人気ランキング
- はじめてのパターン認識
- Kaggleで勝つデータ分析の技術
- パターン認識と機械学習 上
- 経済・ファイナンスデータの計量時系列分析 (統計ライブラリー)
- AI・データ分析プロジェクトのすべて[ビジネス力×技術力=価値創出]
- パターン認識と機械学習 下 (ベイズ理論による統計的予測)
- 機械学習のエッセンス -実装しながら学ぶPython,数学,アルゴリズム- (Machine Learning)
- Rによるやさしい統計学
- 図解ポケット 今日から使える! データサイエンスがよくわかる本
- データ分析のための数理モデル入門 本質をとらえた分析のために
「はじめての」とついているが入門書ではなく結構難しい。ただ、機械学習の様々な手法が数式から学べるため中級者〜上級者には良いと思う。他の入門書で機械学習の概要を掴んだ後に読むべき本。
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。
データ分析コンペKaggleに挑戦するならこれをまず読んでおけば大丈夫！Kaggleに参加しないにしてもデータ分析の本質やテクニックがギュッと詰まっているので実務に活かせる。高度な内容も登場するが分かりやすく解説してくれるので初心者でも読みやすい。それでいてベテランの人も多くの学びがある書籍。著者はKaggleの最上位グランドマスターの方々であり説得力がある。過去のコンペの事例も取り上げてくれるのでそんなアプローチあったのかぁと学びが深い。文句なしの星5つ！
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、数理モデルの多様な手法を解説し、データ分析における選択と理解を促進する入門書です。機械学習や統計モデルなど、自然科学と人文社会科学の手法を網羅し、初学者がデータ分析の全体像を把握できるように設計されています。特に、モデリング手法の選択や誤解しやすい点について丁寧に説明し、大学一年生でも理解できるレベルでありながら、より進んだ読者にも楽しめる内容となっています。著者は東京大学の特任講師で、幅広い分野での数理的解析に取り組んでいます。
データサイエンスを学ぶ上でこちらに一通り目を通しておくとベースが出来上がると思うのでオススメ。幅広く学べるがそこまで深く突っ込まないので気に入った領域は他の書籍で補完した方がよいかも！
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。
デジタルマーケティングとデータ分析について漫画で分かりやすく学べる。基本的な内容が網羅的に学べるのでデジタルマーケティング職についたばかりのビジネスパーソンや個人事業や中小企業でこれからデジタルに力を入れようとしている経営者にオススメ！
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。
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
線形回帰分析を学んでそこから一般化線形回帰モデル、ベイズと拡張していく上で非常にオススメな本。初学者には少々難解な部分もあるが、統計学を学ぶ上で必ずどこかで読んで欲しい書籍。学生の時に読んだが、これを読むことでこれまで学んできた内容が整理され頭がクリアになった記憶がある。統計学を語るなら絶対読んで欲しい非常におすすめの書籍。
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。
内容は少々難解だが、統計学や機械学習・データサイエンス分野のエッセンスが詰まっていて何度も読み返したい書籍。大学院生時代の授業の輪読して使用し、目からウロコの連続だった。ある程度基礎固めをした後に読んでほしい1冊
『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。
ゼロから分かるディープラーニングシリーズはどれも非常に分かりやすい。こちらの自然言語処理編は前作を読みディープラーニングの基本を理解してより高度なアーキテクチャを学びたいと思った時にオススメ。レベルは少々上がっているがそれでも分かりやすく学べる。RNNやLSTMなどが学べる
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。
ディープラーニングの概要は分かっているし機械学習はある程度理解しているつもりだけど、ディープラーニングの中身はちゃんと理解できていない人にぜひ読んで欲しい書籍。ディープラーニングは一旦これ1冊読んでおけば問題なし。複雑で難しい印象だったディープラーニングがこれを読むだけで一気に身近なものになる。
@@SHEQu
この書籍は、いい加減な人ほど生産性を向上させるための実用的なテクニックを紹介しています。時間、段取り、コミュニケーション、資料作成、会議、学び、思考、発想の8つのカテゴリにわたり、57の具体的な方法を提案しています。著者は羽田康祐で、広告業界とコンサルティングの経験を活かし、マーケティングやビジネス思考に関する知識を提供しています。
本書は、理解しやすいコードを書くための方法を紹介しています。具体的には、名前の付け方やコメントの書き方、制御フローや論理式の単純化、コードの再構成、テストの書き方などについて、楽しいイラストを交えて説明しています。著者はボズウェルとフォシェで、須藤功平氏による日本語版解説も収録されています。
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。
機械学習の手法やテクニックにフォーカスした書籍ではなくて、機械学習を仕事に取り入れるためにはどうすればよいのか？どういうところに注意しなくてはいけないのかがまとめられた書籍。実務で機械学習を利用している人利用する可能性のある人は絶対に読むべき書籍。そもそも本当に機械学習を使う必要があるのかということをしっかり考える、機械学習ありきのプロジェクトは必ず失敗する。
船井財団が毎年表彰しているグレートカンパニーアワード。受賞企業から８社セレクトし、各社のビジネスモデルの優秀性を解説。 8000社の選考対象企業から、船井財団が毎年10社前後の会社を表彰しているグレートカンパニーアワード。これまでの受賞企業から８社をセレクト。同社の評価ポイントを解説するとともに、これらの企業の各社のビジネスモデルの優秀性を解説。
Rを利用してパターン認識の様々な方法を解説 パターン認識とは、対象の特徴量から対象が属するカテゴリを推測する方法をさす。本書では、フリーソフトウェアであるRを利用して、パターン認識のさまざまな方法を解説している。手法としては、判別分析、ロジスティック回帰、k平均法、k近傍法、階層的クラスタリングといった古典的な方法から、サポートベクターマシンやブースティングといった比較的最近の話題まで取り上げている。各章は独立に読むことができるように構成され、簡単な例題をRを用いて実際に解析しながら読み進むことにより、パターン認識の基本的な考え方を身に着けることができる。また付録としてRの基本的な操作の説明と、アルゴリズムの実装例を紹介している。 第1章 判別能力の評価 第2章 k-平均法 第3章 階層的クラスタリング 第4章 混合正規分布モデル 第5章 判別分析 第6章 ロジスティック回帰 第7章 密度推定 第8章 k-近傍法 第9章 学習ベクトル量子化 第10章 決定木 第11章 サポートベクターマシン 第12章 正則化とパス追跡アルゴリズム 第13章 ミニマックス確率マシン 第14章 集団学習 第15章 2値判別から多値判別へ 付録A Rの使い方 付録B プログラムの実装例
45カ国のイノベーターによるビジネスモデルのイノベーション実践ガイド 現在世界中で主なコンサルタントと会社によって使用されている実用的な革新のテクニックを披露。3M、エリクソン、デロイトなどの一流企業で利用されています。これまでの時代遅れな概念を捨て去り、価値創成の新しいモデルを掲げたこの本はすべての組織のマーケッターや開発社員、コンサルタント、企業家、およびリーダーにとって読み応えのある一冊です。 ビジネスモデルを9つの要素に分解することで、深いレベルで顧客、販売チャネル、パートナー、収入の流れ、原価構造などが理解できます。また、一般的なパターンを、豊富な事例を元に、すばらしいグラッフィクを用いて詳細に解説。ビジネスモデルの理解、設計、実行を系統的に学ぶことができます。本書はいわば、イノベーションを起すための、革新的かつ斬新な「ビジネスモデル発生装置」です。 Canvas キャンバス ビジネスモデルの定義 9つの構築ブロック ビジネスモデルキャンバス Patterns パターン アンバンドルビジネスモデル ロングテール マルチサイドプラットフォーム ビジネスモデルとしてのフリー戦略 オープンビジネスモデル Design デザイン 顧客インサイト アイデア創造 ビジュアルシンキング プロトタイピング ストーリーテリング シナリオ Strategy 戦略 ビジネスモデル環境 ビジネスモデル評価 ブルーオーシャン戦略におけるビジネスモデル 複数のビジネスモデル運営 Process プロセス ビジネスモデルのデザインプロセス Outlook 展望 展望 Afterword あとがき この本はどのようにできあがったか 参考文献
ビジネスフレームワークが図解で学べる。誰もが知っているビジネスでも実際にビジネスモデルは分からないことが多い。この書籍のビジネスフレームワークを一通り頭に叩き込んでおくことで色んなケースに応用が効く。
史上最年少25歳での上場を果たしたリブセンス創業者の村上氏がなぜ起業を志し、どうやってものすごいスピードで事業をスケールさせていったのかが語られた書籍。 起業を志す人にぜひ読んで欲しい書籍になっています。 村上氏は高校生の頃から起業を志していたそう。しかし、強烈に辛い過去や特別なバックグラウンドがあったわけではなく、きっかけは高校生の頃に人はなぜ生まれてきたのだろうという純粋な疑問を持ったことだったそうです。生まれてきたからには意味のあることをやろう！社会にインパクトを与えることをやろうと決め起業を志すことになるのです。 この原体験は社名であるリブセンスにつながっています。リブセンスはそのままLive Senseで生きる意味なのです。 彼は大学受験をせずに早稲田大学に入れる早稲田大学高等学院という高校に在籍していたため、高校の頃から起業に集中することができました。仲間を集めて大学1年生の時に起業を果たします。なんと大学1年生ながらビジネスコンテストに出て優勝し1年間のオフィス無料利用の権利を勝ち取るのです。 さて、肝心のビジネスはというと、村上氏自体が高校生の頃にアルバイトを探した時に気付いた課題を元に立ち上げたサービス。 アルバイトを探す人と求める人をマッチングするプラットフォーム。以前から同じようなプラットフォームはあったのですが、どれも広告を掲載するだけでお金を取るというモデルでした。 しかし、そうなると1人も採用できなかったとしても広告費を払わなくてはいけないため、アルバイトを募集するお店側は人が欲しくてもなかなか費用が捻出できずプラットフォームに掲載できていない状況でした。 そこで村上氏らが採用したのが、採用が成功した時にはじめて費用が発生する成果報酬型のモデルです。 これにより多くの企業がプラットフォームに掲載してくれることになります。アルバイトを探す側は応募情報があればあるほど嬉しいので自ずと彼らのプラットフォームに集まるようになりました。 さらに彼らは採用が決まった応募者に対して採用お祝い金という名のもとで数万円のお金を渡す制度を導入したのです。 これにより応募者はよりたくさん集まることになりました。このシステムは応募者がより幸せになるビジネスにしたいという気持ちと、採用が成功したかどうかを確実にプラットフォーム側が把握するという目的がありました。彼らのビジネスモデルでは採用が成功してはじめて報酬が発生するので採用成功を把握することが大事なのです。その点応募者側に採用報告のメリットを与えておけば企業側に採用成功をごまかされることがないのです。 このような従来のビジネスモデルをぶち壊す革新的なビジネスモデルで事業を大きくしてきた村上氏は資金調達することなく25歳にて見事上場を果たすのです。 最年少上場というと華々しいキラキラした生活を想像するかもしれませんが、彼らは起業してからいくら会社が成長しても贅沢をせず、上場しても代表の村上氏は狭いアパートに住んでいたそうです。とにかく社会に価値あるもの届けて生きる意味を見出すために！こんな起業家が増えてくると日本も良くなるかもしれません。 リブセンスが上場したのはもう10年以上前の話ですが、今読んでも学ぶことは多いです。 ぜひ起業に興味のある方は読んでみて下さい！
Pythonの基礎をしっかりと学べる構成になっていて、プログラミング初心者にも取り組みやすい内容。基本的な文法から実際に使えるスクリプトまで、ステップバイステップで解説されているため、無理なく進められます。増補改訂版として新たなトピックも追加されており、実践的なスキルを習得したい人にぴったりです。
Pythonを学びはじめる際に最初に読む本として最適。非常に分かりやすく基礎の基礎から学べる。
連続起業家「家入一真氏」がどのような幼少期を過ごして起業にいたり、ここまでの成功をおさめたのかが記されている伝記。正直、この本を読むまでは家入氏は小さい頃から天才で周りを巻き込む起業家タイプであると思っていたが、全く逆で驚いた。起業家には強烈なコンプレックスが大事と言われるがそれをまさに体現している家入氏。周りと合わなくて孤独を感じていたり人生に不安を感じている若者こそこの本を読んで勇気を出して欲しい。その中から絶対家入氏のような起業家が生まれてくるはず。
大正時代、炭を売る少年・炭治郎は家族を鬼に殺され、唯一生き残った妹・禰豆子が鬼になってしまう。彼は妹を元に戻し、家族を殺した鬼を討つために旅立つ。血風剣戟の冒険が始まる。
機械学習の手法やテクニックにフォーカスした書籍ではなくて、機械学習を仕事に取り入れるためにはどうすればよいのか？どういうところに注意しなくてはいけないのかがまとめられた書籍。実務で機械学習を利用している人利用する可能性のある人は絶対に読むべき書籍。そもそも本当に機械学習を使う必要があるのかということをしっかり考える、機械学習ありきのプロジェクトは必ず失敗する。
サイバーエージェント藤田氏の苦悩と成功を描いた自伝。将来起業を考えている学生や起業しながら色んな葛藤と戦っている人にはめちゃくちゃ刺さると思う。とにかくモチベーションが上がる。
公立高校の野球部マネージャー、みなみがドラッカーの経営書『マネジメント』に触れ、野球部を強化するためのヒントを得る青春物語。親友の夕紀や仲間たちと共に甲子園を目指し、組織運営の知識を活かして成長する姿が描かれています。著者は岩崎夏海で、テレビ制作やアイドルプロデュースを経て現在はマネージャーとして活動しています。
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
起業家・起業したい人全員に読んで欲しい起業家のためのバイブル。成功者の光の部分に焦点を当てた書籍は数しれずあるが、逆に闇の部分に焦点を当てているのがこの本。超有名マーケターの神田昌典氏が成功をおさめてから起きた様々な闇の部分について赤裸々に語られている。涙なしには読めないし、この本を読むことで自分にもあてはめて同じ轍を踏まないように意識することができる。
フリーソフトjs-STAR_XRが拡張され，ベイズ仮説検定にも新たに対応。データ分析から結果の書き方まで懇切にガイド。 「できる」から「わかる」へと読者の理解を体験的に導く，好評〈全自動〉シリーズ第2弾！ フリーソフトjs-STAR_XRが拡張され，帰無仮説検定の代替案として近年関心が高まるベイズ仮説検定に新たに対応。巻末には半期や全7回の授業用シラバスを収載。データ分析からレポートの書き方まで，前著同様懇切にガイドする。 はじめに1：ベイズファクタと統計分析の学習法 はじめに2：シミュレーションによる主体的で深い学び Chapter0 事前準備 0.1 フリーウェア及び関連ファイルの準備 0.2 R画面の設定 Chapter1 1×2表のベイズファクタ分析 【演習1a】 みんなが好きなもの 1.1 データ入力・分析 1.2 『結果の書き方』 レポート例01-1 1.3 統計的概念・手法の解説1 ●ベイズファクタとは何か ●確率分布の尺度設定 ●95％確信区間推定 ●真の比率の範囲検定 【演習1b】 統計的仮説検定のシミュレーション 1.4 シミュレーションの操作手順 ●シミュレーションの基本操作 ●シミュレーションの応用操作 1.5 統計的概念・手法の解説2 ●ベイズファクタ分析のメリット ●二項検定のp値とBF値の比較 Chapter2 1×2表・母比率不等のベイズファクタ分析 【演習2a】 鶏肉は低温調理がおいしい 2.1 シミュレーションの操作手順 2.2 統計的概念・手法の解説1 ●p値とBF値の検定の仕組み 【演習2b】 新型ウイルスは従来型よりも危険か 2.3 データ入力・分析 2.4 『結果の書き方』 レポート例02-1 2.5 統計的概念・手法の解説2 ●ベイズファクタの事前設定問題 Chapter3 1×Ｊ表のベイズファクタ分析と対応のある度数の検定 【演習3a】 お昼に食べたいメニューは何か 3.1 データ入力・分析 3.2 『結果の書き方』 レポート例03-1 3.3 統計的概念・手法の解説1 ●多項分布によるBF値の計算 ●確信区間を用いた多重比較 3.4 自動評価判定1×2：統計的グレード付与 【演習3b】 道徳性に評価グレードを与える 3.5 純肯定率とグレードの付け方 3.6 自動集計検定2×2：連関の探索 【演習3c】 道徳性の項目間の関連を探索する 3.7 対応のある度数の検定：Ｑ検定とMcNemar検定 【演習3d】 不支持の理由は集計するとダメ？ レポート例03-2 3.7 統計的概念・手法の解説2 ●CochranのQ検定 ●McNemar検定 Chapter4 ｉ×Ｊ表のベイズファクタ分析 【演習4a】 感受性が低い人は感情知能が働かない？ 4.1 データ入力・分析 4.2 『結果の書き方』 4.3 標本タイプの選択 ●ポアソンタイプ：N ＝無作為，行・列＝無作為 ●同時多項タイプ：N ＝固定，行・列＝無作為 ●独立多項タイプ：行＝固定，列＝無作為 ●独立多項タイプの列組み：行＝無作為，列＝固定 ●超幾何タイプ：行・列＝固定（2×2表のみ） レポート例04-1 4.4 統計的概念・手法の解説1 ●ｉ×Ｊ表の事前確率分布 4.5 データセットraceDollsの分析：BF値の警報は誤報か 【演習4b】 黒人・白人の子どもは同人種の人形を好むか レポート例04-2 4.6 統計的概念・手法の解説2 ●Fisherの正確検定とBF値の検定 ●2×2表のp値とBF値の比較 4.7 ステレオタイプ効果と学習意欲 【演習4c】 ステレオタイプ効果で学習時間を延ばす レポート例04-3 Chapter5 t検定のベイズファクタ分析 【演習5a】 トレーニング法は分散法がよいか集中法がよいか 5.1 データ入力・分析 5.2 『結果の書き方』 5.3 統計的概念・手法の解説1 ●t値と効果量δ（delta） ●t検定のベイズファクタ分析の仕組み ●p値とBF値の検定結果の不一致 ●BF値を用いたノンパラメトリック検定 ●t検定のp値とBF値の比較 5.4 シミュレーション学習①：正規分布をつくる 【課題1〉正規分布をつくる 5.5 シミュレーション学習②：データを再現する 【課題2〉データを再現する 5.6 時間データの対数変換による分析 【演習5b】 トレーニングは伸び盛りに！ レポート例05-1 5.7 統計的概念・手法の解説2 ●効果量δの範囲検定 Chapter6 1要因分散分析デザインのベイズファクタ分析 【演習6a】 SD法で創造性を高める 6.1 データ入力・分析 6.2 『結果の書き方』 レポート例06-1 6.3 統計的概念・手法の解説1 ●多重比較の早見表の利用 ●ベイズファクタ分析の仕組み：分散分析デザイン ●平均の95％確信区間 ●分散分析Ａ sデザインのp値とBF値の比較 6.4 小学校英語指導に必要な技能は何か 【演習6b】 英語指導にどんな技能が必要か 6.5 『結果の書き方』 レポート例06-2 6.6 統計的概念・手法の解説2 ●参加者内デザインのベイズファクタ分析 Chapter7 2要因・3要因分散分析デザインのベイズファクタ分析 【演習7a】 協同経験はルール意識を高めるか 7.1 データ入力・分析 7.2 『結果の書き方』 レポート例07-1 7.3 統計的概念・手法の解説1 ●Inclusion BF：BF値のモデル平均化 ●全体モデル平均化 7.4 アイディア・プロダクション法 【演習7b】 アイディアの発想に“ 書き送り法”を用いる 7.5 『結果の書き方』 3要因デザイン レポート例07-2 7.6 統計的概念・手法の解説2 ●3要因デザインのBF値の平均化 7.7 シミュレーション学習①：2要因データを再現する 【課題1】 データの再現 7.8 シミュレーション学習②：交互作用を判別する 【課題2】 交互作用の判別 ●シミュレーションによる交互作用問題の解答要領 7.9 シミュレーション学習③：N，SDを変えてみる 【課題3】 N，SDを変える Chapter8 相関係数のベイズファクタ分析 【演習8a】 気温とアイスクリーム，ホットコーヒーの売り上げは相関するか 8.1 データ入力・分析 8.2 『結果の書き方』 8.3 統計的概念・手法の解説1 ●p値有意・BF値有効となる最小相関係数の比較 ●相関係数の差の検定 8.4 相関係数のシミュレーション学習 【演習8b】 シミュレーション課題①：散布図をつくる 【演習8c】 シミュレーション課題②：相関係数を予想する ●散布図問題の解答例 【演習8d】 シミュレーション課題③：外れ値のある散布図をつくる 8.5 統計的概念・手法の解説2 ●相関係数と説明率 Chapter9 回帰モデルのベイズファクタ分析 【演習9a】 革新性を高める職場風土とは？ 9.1 データ入力・分析 9.2 『結果の書き方』 9.3 統計的概念・手法の解説1 ●初期モデルの選び方と独立変数の上限数 ●交互作用モデルの探索：ベイズ ファクタ回帰分析 ●BF値による回帰モデルの選出率 9.4 交互作用の単純傾斜分析 【演習9b】 明るさ×温かさの交互作用を分析する 9.5 『結果の書き方』 ステップワイズ回帰分析 レポート例09-1：単純傾斜分析の結果 9.6 統計的概念・手法の解説2 ●交互作用モデルの探索：ステップワイズ回帰分析 ●ベイズ情報量規準とベイズファクタ Chapter10 各種ユーティリティ 10.1 乱数発生ユーティリティ＆乱数コマンド ●一様乱数コマンド unif（ユニフ） ●正規乱数コマンド norm（ノゥム） 10.2 階級化集計ユーティリティ 10.3 数値変換ユーティリティ 【練習問題1】 困難度の異なるテスト得点を標準化する 【練習問題2】 2ポイント尺度を4ポイント尺度に変換 【練習問題3】 3ポイント尺度を5ポイント尺度に変換 10.4 逆転項目処理ユーティリティ 10.5 欠損値処理ユーティリティ 付録 統計分析の授業用シラバス（参考例） シラバス参考例1 統計分析入門 シラバス参考例2 統計分析演習 索引 Column 1 セルへの数値入力の基本と小技 Column 2 分析結果の保存 Column 3 ダイアグラムで連関・相関を視覚的に表示 Column 4 スタック形式によるデータ入力 Column 5 平均のグラフとボックスプロットの利用 Column 6 シミュレーションボタンの使い方
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
起業というとどうしてもリスクを背負って大きな挑戦をするイメージがあるが、そのイメージに疑問をなげかけるのが本書。キャッシュエンジンとは手堅い事業をまず作りそのキャッシュを元手に挑戦をしてスケールしていく経営手法。地味なイメージがあるがインターネットバブル期を代表するサイバーエージェントやライブドアも最初は広告代理店業や受託事業で手堅くキャッシュを稼いでそこから派手な挑戦をするに至っている。つまりこのキャッシュエンジン経営こそ起業を成功させ安定軌道に乗せるのに重要な手法なのだ。起業家必見の書籍。
