本書は、多変量解析法の入門書であり、統計的方法を習得した人を対象に、簡単な例を用いて理論を2次行列で解説しています。主要な内容には、単回帰分析、重回帰分析、主成分分析、クラスター分析などが含まれています。著者は早稲田大学の教授で、統計学に関する多くの著作があります。

データ解析に必要な基本技術、多変量解析では、どう分析して何が得られるのか。その意味を理解できるよう図版とともに詳しく解説。 あらゆるものがデジタルデータとして整理できるようになり、統計学の重要性が急速に再認識されてきています。科学、ビジネス、学問、スポーツなど、様々な分野において、データの解析は非常に重要な意味を持ちます。そこで必要な“基本的技術”となっているのが「多変量解析」です。本書では、その概略をしっかりつかみ、さらに、どう分析して何が得られるのか、多変量解析のソフトの中では何が行なわれているのか、その意味を理解できるよう、図版を駆使しながら詳しく丁寧に解説していきます。 第1章　多変量解析のマップ 第2章　統計・確率の準備 第3章　相関分析 第4章　回帰分析 第5章　判別分析 第6章　主成分分析 第7章　因子分析 第8章　数量化分析 第9章　数学的準備

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、数理モデルを用いて現象を理解するための基本的な統計モデルの考え方を、章ごとに異なる例題を通じて解説しています。前半では一般化線形モデル（GLM）の基礎を紹介し、後半では階層ベイズモデル化の手法をRとWinBUGSを用いて具体的に説明します。著者は久保拓弥氏で、生態学のデータ解析に関する統計学的方法を研究しています。

本書は、回帰分析、重回帰分析、ロジスティック回帰分析について解説しており、基礎知識から実践的な計算方法までをカバーしています。著者は高橋信氏で、統計学を基にした情報サービス業に従事しています。

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。

本書は、欠測データの解析における多重代入法の実用的な手法を解説しています。従来の書籍では理論中心でしたが、本書では具体的な応用事例や手順を示し、社会科学の分析手法（t検定、重回帰分析、ロジスティック回帰分析など）における欠測データ処理を詳述しています。Rコードと実データを用いて、読者が実際に手順を再現しながら学ぶことができるようになっています。著者は、統計科学や不完全データ処理法の専門家です。

統計ソフトが行なっている推定・検定の背景の理論を知りたい。推定・検定を仕事で使っているけれど、結論の意味していることが実は理解できていない。そんな、文系・理系出身者の方々に向け、推定・検定の背景にある原理を難しい数式や確率変数の概念を使わずに図像を用いてわかりやすく説明しています(第1章)。 第1章 (相対度数分布グラフ 平均、分散・標準偏差 サンプルXの相対度数分布グラフ 正規分布 推定の考え方 検定の考え方) 第2章 (確率変数 二項分布 推定の応用 検定の応用 χ2分布、t分布、F分布) 第3章 (2変量の統計)

「統計検定準1級試験対応公式テキスト」は、統計学と機械学習の幅広いトピックをカバーし、実践的な例題を通じて学べる内容です。頻出項目に重点を置き、各トピックについて解説と例題が提供されています。統計的手法の辞典としても活用できる一冊です。目次には、確率、分布、統計的推定、検定法、回帰分析、多変量解析、時系列解析など、幅広いテーマが含まれています。

本書は、統計解析の基礎手法を幅広く解説した入門書であり、統計解析の全体像を把握することができます。目次には、データ整理、分布と期待値、検定・推定の考え方、分散分析、相関分析、回帰分析などが含まれています。

この書籍は、マーケティング調査や金融リスク、株・為替のボラティリティ、選挙の出口調査など、さまざまな分野でのデータ分析の基礎を解説しています。内容は、標準偏差や検定、区間推定などの基本的な統計手法から、観測データを用いた母集団の推定方法まで幅広くカバーしています。著者は帝京大学の助教授で、数理経済学を専門とする小島寛之氏です。

この書籍は、ベイズ統計の基本とその応用方法を、統計の基礎知識がない人にもわかりやすく解説しています。柔軟な事前確率を用いることで、あいまいな人間の経験則を取り入れ、実用的な情報を導き出すことができると説明されています。目次には、ベイズの定理や応用、MCMC法、階層ベイズ法などが含まれています。著者は涌井良幸で、数学教育と統計学の研究に取り組んでいます。

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。

この書籍は、データサイエンティストに必要な時系列データ分析について詳しく解説しています。フリーソフトウェアRを使用し、視覚的かつ対話的にデータ分析を行う方法を紹介しています。内容は、時系列データの基本から観察・要約、自己回帰モデルの理解、ARCH/GARCHモデルの応用、投資への実践的な応用まで多岐にわたります。著者は一橋大学の准教授と株式会社QUICKのソリューションマネージャーです。

現代社会においては，さまざまなデータを正しく扱うことが全てに優先する．本書は，われわれの生活や社会と直接・間接にかかわりをもつ分野で用いられている統計的方法の基礎から応用までを，具体例に即して分かりやすく解説する． 第1章　統計学とデータ（高橋伸夫） 第2章　データの分析（竹村彰通） 第3章　標本調査法（竹村彰通） 第4章　統計調査と経済統計（廣松 毅） 第5章　地域統計（中井検裕） 第6章　経済分析における回帰分析（縄田和満・松原 望） 第7章　経済時系列データの分析（国友直人） 第8章　社会調査（盛山和夫） 第9章　社会移動データの分析手法（盛山和夫） 第10章　要因探究の方法（盛山和夫） 第11章　心理測定データの解析（渡部 洋） 第12章　テスト理論（渡部 洋） 第13章　心理・教育データのための統計的方法（渡部 洋）

本書は確率についての基礎から応用までを扱っています。第1部では確率の定義や複数の確率変数、確率分布について説明し、第2部では推定や検定、擬似乱数の活用法を紹介しています。付録には数学の基礎事項や確率論の補足が含まれています。著者は数理工学の専門家で、機械学習や脳科学の研究に従事しています。

文系読者のための入門書。多変量解析の全体像を「概念的」に理解し，かつ「数理的」な筋道も追えるように説明。 多変量解析の全体像を「概念的」に理解し，かつ「数理的」な筋道も追えるよう解説。ベイズ統計を見据え，確率分布やそれに基づく変数の分類を始め推定方法の理論や一般化線形モデルにも言及。統計環境はRStudioに対応。 多変量解析とは，雑多なデータから「意味のある智」を抜き出す技術である！ 文系読者のための好評入門書の改訂改題版。多変量解析の全体像を「概念的」に理解し，かつ「数理的」な筋道も追えるよう解説する。ベイズ統計の導入を見据え，確率分布やそれに基づく変数の分類を始め推定方法の理論や一般化線形モデルにも言及。統計ソフトフェアは，R/RStudio環境に対応。社会調査士 E科目「量的データ解析の方法に関する科目」に準拠。 ◆主な目次 ●第I部　基　礎　　　　　　　　　　　　　　　　 第１章　多変量データ 第２章　代表値の計算 第３章　多変量解析を俯瞰する ●第II部　言葉で理解する―目的と実際―　　　　　　　　　 第４章　回帰分析を理解する 第５章　因子分析を理解する ●第III部　数式で理解する―原理と性質―　　　　　　　　　　 第６章　回帰係数の算出 第７章　数理で見る回帰分析の特徴 第８章　多変量解析の数理１：行列の基礎 第９章　多変量解析の数理２：多変量解析のコア ●第IV部　その他の多変量解析　　　　　　　　　　　　 第10章　構造方程式モデリングによる統合 第11章　質的なデータに対する多変量解析 付録Ａ　RとRStudioによる統計環境の準備 付録Ｂ　練習問題 改訂版によせて はじめに 第I部　基礎 第1章　多変量データ 　1.1　多変量データとその解析 　1.2　コンピュータにおけるデータの表現 　　1.2.1　データの収集と整理の基本 　　1.2.2　整然データ 　1.3　データの特徴に基づく分類法 　　1.3.1　尺度の4水準 　　1.3.2　分析の観点から見たデータの違い 　1.4　データの相と元 　　1.4.1　データの相 　　1.4.2　データの元 第2章　代表値の計算 　2.1　記号に慣れておこう 　　2.1.1　定数の総和について 　　2.1.2　定数が掛けられた変数の総和について 　　2.1.3　分配規則について 　2.2　情報の数値化 　　2.2.1　共分散で共変動がわかる 　　2.2.2　共変関係とデータの散布図 　　2.2.3　分散は変数から引き出せる情報量 　2.3　標準偏差と標準化 　2.4　単位を整えた共変動：相関係数 2.5　相関係数とデータの散布図 第3章　多変量解析を俯瞰する 　3.1　すべての手がかりは「共変動」 　3.2　モデルを通じて世界を見る 　3.3　2種類のモデル 　3.4　線形モデルの系列：回帰分析と因子分析 　3.5　統計ソフトウェアの案内 　　3.5.1　商用ソフトウェア 　　3.5.2　フリーソフトウェア 第II部　言葉で理解する―目的と実際― 第4章　回帰分析を理解する 　4.1　回帰分析の基本モデルと推定法 　　4.1.1　回帰分析で知りたいこと 　　4.1.2　わかっている対応関係とわからない係数 　　4.1.3　最小二乗基準による推定 　　4.1.4　最尤基準による推定 　4.2　回帰分析の実際 　　4.2.1　回帰分析をしてみよう 　　4.2.2　統計環境Rによる回帰分析 　4.3　重回帰分析への拡張 　　4.3.1　部分相関と偏相関 　　4.3.2　重回帰分析による予測方程式 　　4.3.3　統計環境Rによる重回帰分析 　　4.3.4　標準偏回帰係数の意義 　　4.3.5　使用上の注意といくつかのテクニック 第5章　因子分析を理解する 　5.1　因子分析の目的 　　5.1.1　要約という側面から 　　5.1.2　「潜在変数の抽出」とは 　5.2　因子分析の実践 　　5.2.1　因子分析のデータとモデル 　　5.2.2　因子分析のイメージ図 　5.3　因子分析の実際 　　5.3.1　統計パッケージによる因子分析 　　5.3.2　探索的因子分析の手順 　5.4　因子分析の詳細な設定 　　5.4.1　共通性の推定方法 　　5.4.2　因子軸の回転法 　5.5　因子分析の実際の流れ 第III部　数式で理解する―原理と性質― 第6章　回帰係数の算出 　6.1　最小二乗法による回帰係数の算出 　　6.1.1　回帰分析のための数学的基礎：微分 　　6.1.2　偏微分方程式から回帰係数を求める 　6.2　最尤法による回帰係数の算出 　　6.2.1　対数 　　6.2.2　尤度と最尤法 　　6.2.3　尤度と尤度関数 　　6.2.4　回帰分析の最尤推定値を求める 　6.3　ベイズ推定法による回帰係数の算出 　　6.3.1　ベイズ推定法とは 　　6.3.2　MCMCによる推定 　　6.3.3　ベイズ法による回帰係数と結果の解釈 第7章　数理で見る回帰分析の特徴 　7.1　平均値にまつわる諸特徴 　　7.1.1　特徴1：YとŶの平均値について 　　7.1.2　特徴2：残差eの平均値について 　7.2　共分散にまつわる諸特徴 　　7.2.1　特徴3：説明変数と残差の共分散 　　7.2.2　特徴4：予測値と残差の共分散 　　7.2.3　特徴5：被説明変数Yの分散 　　7.2.4　特徴6：予測値と被説明変数の共分散 　　7.2.5　特徴7：相関係数と回帰係数の関係 　7.3　線形モデルの展開1：一般線形モデル 　　7.3.1　仮説検定とモデリング 　　7.3.2　一般線形モデル 　7.4　一般化線形モデル 　7.5　階層線形モデル 第8章　多変量解析の数理1：行列の基礎 　8.1　ベクトルと行列の直観的理解 　8.2　ベクトルと行列の計算ルール 　　8.2.1　ベクトルと行列 　　8.2.2　行列の四則演算 　8.3　行列を使うと便利なこと 　　8.3.1　行列と方程式 　　8.3.2　ベクトルや行列の積と重回帰分析 第9章　多変量解析の数理2：多変量解析のコア 　9.1　固有値分解 　　9.1.1　正方行列と固有値，固有ベクトル 　　9.1.2　固有値と因子分析の関係 　　9.1.3　固有値の幾何学的理解 　9.2　データの行列表現 　9.3　因子分析モデルの代数的表現 　9.4　因子分析と固有値分解 　9.5　因子分析と行列のこぼれ話 　　9.5.1　固有値の近似解の求め方 　　9.5.2　項目反応理論の中の因子分析 　　9.5.3　因子分析モデルからみた尺度の信頼性と妥当性 第IV部　その他の多変量解析 第10章　構造方程式モデリングによる統合 　10.1　構造方程式モデリングとは 　　10.1.1　パス解析からSEMへ 　　10.1.2　モデル・ダイアグラム 　10.2　構造方程式モデリングの下位モデル 　　10.2.1　主成分分析 　　10.2.2　正準相関分析 　　10.2.3　判別分析 　　10.2.4　分散分析と共分散分析 第11章　質的なデータに対する多変量解析 　11.1　データの類似性：距離 　11.2　多次元尺度構成法 　11.3　クラスター分析 　　11.3.1　階層的クラスター分析 　　11.3.2　非階層的クラスター分析 　　11.3.3　その他のクラスター分析 　11.4　数量化Ⅰ類とⅡ類 　　11.4.1　数量化Ⅰ類 　　11.4.2　数量化Ⅱ類 　11.5　数量化Ⅲ類とⅣ類 　　11.5.1　数量化Ⅲ類とテキストマイニング 　　11.5.2　数量化Ⅲ類の考え方 　　11.5.3　数量化Ⅳ類 付録A　RとRStudioによる統計環境の準備 　統計環境の準備 　　1　Rとは 　　2　RStudioとは 付録B　練習問題 　索引 　あとがき

この入門書は、パターン認識について基礎からわかりやすく解説しており、特にRを用いた実行例が含まれているため、実際の応用にも役立ちます。内容は識別規則や学習法、ベイズの識別規則、k最近傍法、サポートベクトルマシンなど多岐にわたり、最後には識別器の性能強化についても触れています。著者は筑波大学の名誉教授、平井有三氏です。

この文章は、永田靖著の書籍の目次と著者情報を紹介しています。書籍は3部構成で、基礎と1変数関数の微積分、線形代数、多変数関数の微積分について解説しています。著者は1957年生まれで、早稲田大学で教授を務めています。

本書は、近年注目されている統計モデリングについて解説しており、特にフリーソフトのStanを用いた実践的なアプローチを提供しています。Stanは高い記述力を持ち、階層モデルや状態空間モデルを簡単に記述できるため、データ解析に非常に有効です。著者は、ベイズ統計の理解を深めるための実践的な内容を重視し、StanとRを通じて統計モデリングの考え方を学ぶことができるとしています。目次には導入編、入門編、発展編があり、幅広いテーマを扱っています。著者は統計モデリングやデータサイエンスの専門家です。

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。

本書では、統計学があらゆる学問の中で最強である理由を解説し、現代社会におけるその重要性や影響力を最新の事例を通じて探求しています。著者は、統計学の基本概念や手法（サンプリング、誤差、因果関係、ランダム化など）を紹介し、統計学の魅力とパワフルさを伝えます。著者は東京大学出身の専門家で、データを活用した社会イノベーションに取り組んでいます。

本書は、マンガを通じてベイズ統計学の基礎と実用例を解説する内容です。ベイズ統計学と数理統計学の違いや、モンテカルロ法、エントロピーについても触れています。各章では、ベイズ統計学の基本概念やベイズの定理、マルコフ連鎖モンテカルロ法の活用例が紹介されており、実践的な知識を提供します。著者はデータ分析の専門家、高橋信氏です。

本書はデータ視覚化の重要性と技術を解説しており、単なるグラフ作成にとどまらず、データの意味を明確にし、オーディエンスに興味を持たせることを目的としています。筆者は日本人女性唯一のTableau ZEN MASTERであり、実践的なノウハウや事例を通じて、データ視覚化の基礎からプロフェッショナルなテクニックまでを紹介しています。主要な章では、視覚化の基本概念、プロっぽく見せるコツ、適切なチャートの選択、実際のダッシュボード作成事例、組織内でのデータ視覚化の浸透方法について詳しく説明しています。

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。

この書籍は、時系列分析の基礎から応用までを詳しく解説しています。内容は、時系列分析の基礎概念、ARMA過程、予測手法、VARモデル、単位根過程、見せかけの回帰と共和分、GARCHモデル、状態変化を伴うモデルに分かれています。著者の沖本竜義は、経済学と統計学の専門家であり、実データへの応用に必要な知識を提供しています。

この文章は、異常検知に関する書籍の目次と著者情報を紹介しています。目次では、異常検知の基本から正規分布や非正規データ、性能評価、次元削減、入力・出力データ、時系列データに関する異常検知までの各トピックが列挙されています。著者の井手剛は、機械工学と物理学の学位を持ち、IBMでの研究経験があります。

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。

本書『ビッグデータの正体』は、ビッグデータが私たちの生活や仕事、意識に与える影響を探る内容で、企業がどのように新たな価値を創造し、人々が物事の認知をどう変えるべきかを示しています。具体的には、グーグルやアマゾンのデータ活用法、電子書籍の進化、映画産業の予測能力などを例に挙げ、ビッグデータがもたらす変化を論じています。また、データの量が質を凌駕する時代や、因果関係から相関関係へのシフトについても触れています。著者はビッグデータの専門家であり、この分野の重要性を強調しています。

平均値から個性へ 階層モデルで「個性」をとらえる 個人差・地域差をとりこむ統計科学 全体モデルから局所モデルへ 生きた言葉をモデル化する ポスト近代科学としての統計科学 階層ベイズ講義

データ分析と機械学習のための新しい教科書

この書籍は、R言語を用いたデータ解析の入門書で、進化し続けるRの機能を活用する方法を紹介しています。初版以来、多くのRユーザーに支持されてきたロングセラーで、第2版では深層学習やネットワーク分析など新たな内容が追加されています。データマイニングの基礎から始まり、主成分分析やクラスター分析、ニューラルネットワークなど多岐にわたる分析手法を学ぶことができます。著者は金明哲で、統計科学の専門家です。

この書籍は、統計学の基本を体系的に学べる内容で、初心者から統計学全般を理解したい人に適しています。公式の背後にある分析の考え方を重視し、例題や演習問題を通じて知識を深めることができます。第2版では、確率や仮説検定の内容が強化され、多変量解析やベイズ統計学の理論も追加されています。著者は千葉大学の教授で、農業経営や消費者行動分析の専門家です。

本書は「統計モデリングの世界」への入門書で、統計、確率、ベイズ推論、MCMCの基本をチュートリアル形式で学べる内容です。RやStanを用いたデータ分析の基礎から、一般化線形モデルや一般化線形混合モデル、状態空間モデルまでを体系的に解説しています。データサイエンスを学ぶ大学生やエンジニア向けの実践的なシリーズの一環として、すぐに実践できるスキルを身につけることができます。

本書は、データサイエンスの基本概念から実際のビジネス活用事例までを豊富な図やイラストを用いて解説し、初心者でも理解しやすい内容になっています。データサイエンスの重要性が増す中、数学的な専門用語を避けながら、機械学習や先端テクノロジーとの関連も紹介。ビジネスパーソンや学生にとって、データサイエンスを学ぶための入門書として最適です。

分割表・回帰分析・ロジスティック回帰

本書は、ビジネスにおけるベイズ統計学の基本をわかりやすく解説した入門書です。中学数学の知識がなくても理解できるように工夫されており、特にIT業界や統計に興味があるビジネスパーソンに最適です。内容は、ベイズ推定の使い方や確率論の基礎、確率分布などを含み、実用的な視点から未来を予測するための統計学を学べます。著者は帝京大学の教授、小島寛之氏です。

本書『Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2, 3rd Edition』は、機械学習の理論とPythonによる実践を解説するベストセラーの第3版です。分類、回帰、深層学習、強化学習など幅広いトピックをカバーし、最新のPythonライブラリに対応しています。特に、敵対的生成ネットワークと強化学習の新章を追加し、従来の内容を刷新しました。機械学習の理解を深めるための実用的な一冊です。

本書は、データ分析に必要な知識を包括的に解説した教科書で、分析手法だけでなく、データの質や解釈方法にも焦点を当てています。実践的なデータの扱いや心理学的バイアス、サンプリング方法、数理モデリングのポイントなどを幅広くカバーし、数学に自信のない読者でも理解できるよう工夫されています。データサイエンティストや研究者、ビジネスマンにとって有益な内容で、興味深い事例も豊富に紹介されています。著者は東京大学の特任講師で、さまざまな分野の問題に取り組んでいます。

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。

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

本書は、Pythonのデータ処理ライブラリ「pandas」の実践的な使用法を約100のレシピ形式で紹介するもので、データ分析や科学計算に役立つ内容が含まれています。各レシピは手順や解説が整然とまとめられており、データ構造の基本から可視化技術まで幅広くカバーしています。著者はデータサイエンティストのTheo Petrouで、教育やデータ分析に関する豊富な経験を持っています。読者はデータサイエンスに興味のあるすべての人を対象としています。

『ソードアート・オンライン（SAO）』は、約一万人のユーザーが参加する次世代MMOで、ゲームオーバーが実際の死を意味する中、主人公キリトが真実を受け入れ、ソロプレイヤーとして冒険を続ける物語です。彼は最上階層到達を目指す中で、女流剣士アスナと出会い、運命的な展開が待ち受けます。この作品は、著者川原礫によるもので、人気を博しています。

異世界戦争勃発！！シリーズ２０万部突破の超スケール異世界エンタメファンタジー、待望のコミック化！ 20××年、夏——白昼の東京・銀座に突如、「異世界への門」が現れた。中から出てきたのは軍勢と怪異達。陸上自衛隊はこれを撃退し、門の向こう側である「特地」へと踏み込んだ——。超エンタメファンタジー、待望の漫画化… 20××年、夏——白昼の東京・銀座に突如、「異世界への門」が現れた。中から出てきたのは軍勢と怪異達。陸上自衛隊はこれを撃退し、門の向こう側である「特地」へと踏み込んだ——。シリーズ20万部突破！超スケールの異世界エンタメファンタジー、待望のコミック化！！