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。

本書は、機械学習の有名なアルゴリズムをPythonを用いてゼロから実装することを目的としています。実用的なフレームワークを使用するのではなく、機械学習の仕組みを深く理解することで応用力や問題解決力を高めることを目指しています。内容は、Pythonの基本、機械学習に必要な数学、数値計算、そして具体的な機械学習アルゴリズムに関する解説を含んでおり、初心者や実務に携わるエンジニアに適しています。著者はシルバーエッグ・テクノロジーのチーフサイエンティストで、機械学習アルゴリズムの設計・実装に精通しています。

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。

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。

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「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、時系列データの分析方法を基礎から解説しています。探索的手法として移動平均、確率的手法として状態空間モデルを取り上げ、数式の意味やコードへの落とし込み方を丁寧に説明しています。初めて時系列分析を試みる人や、既に関わっている人にも興味深い内容となっており、応用的な話題もカバーしています。著者は牧山幸史、監修は石田基広です。

本書は、統計学の基礎から応用までを扱った内容で、基礎編ではR言語を用いた記述統計や統計的仮説検定について解説し、応用編ではベクトルや行列、データフレーム、外れ値の影響などを取り上げています。著者は、教育心理学を専門とする学者たちで、各自が教育機関での実績を持っています。

本書は、機械学習アルゴリズムをオールカラーの図を用いてわかりやすく解説した入門書です。17種類のアルゴリズムを紹介し、各アルゴリズムの仕組みや使用方法、注意点を詳述しています。Pythonを用いたコードも掲載されており、実際に試しながら学ぶことができます。機械学習を学ぶ初心者や業務で利用している方にも役立つ内容となっています。

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グラフニューラルネットワーク、生成モデルなどの手法を詳しく解説しています。著者は、理論的な証明がなくても納得できる説明を重視し、実用性を考慮した内容を提供。全12章で、基本構造から各種学習方法、データが少ない場合の対策まで幅広く網羅しています。著者は東北大学の教授であり、実務家との共同研究の経験も反映されています。

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。

この書籍は、データ分析における視点を磨き、質の高い研究を行うためのガイドです。内容は、無作為性や統計的推測、研究デザイン、データ解析の基礎について解説しています。目次は基礎編とアラカルト編に分かれ、平均値や頻度、イベント発生時間の比較方法も取り上げています。著者は丹後俊郎氏で、医学統計学の専門家です。

「売上を予測するには？」「広告で販売数を増やすには？」簡単で応用が利く「ゲーム理論」「回帰分析」「微分方程式」を解説。 「売上を予測するには？」「広告で販売数を増やすには？」簡単で応用が利く「ゲーム理論」「回帰分析」「微分方程式」を解説。 対話形式による解説で、数理モデルの基礎が身につく入門書。 数理モデルとは、現実の世界で起こるさまざまな現象を数式で表したものです。数式にすることで、その現象の性質を理解したり、変化を予測したりできます。 「どうやって価格を決めるの？」「売上を予測するには？」「広告で販売数を増やすには？」など、ビジネスパーソンにとって身近なテーマを題材に数理モデルを解説。 数学記号の読み方や意味から丁寧に説明するので、不安な方もどうぞご安心を。とっつきやすいのに「数理モデルの考え方」がわかる一冊。

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。

本書は、プログラミング初心者向けにリニューアルされた「いちばんやさしいPythonの本」で、最新のPython 3に完全対応しています。イラストやサンプルが豊富で、オブジェクト指向やWebアプリ開発、データ処理の基本も学べます。新たに2章が追加され、プログラミングの楽しさと効率化の重要性を伝え、読者がスキルを身につける手助けをします。著者は東京大学の辻真吾氏で、Pythonの普及活動にも力を入れています。

この書籍は、データ分析における「分析モデル」をテーマにしたもので、回帰分析や深層学習、強化学習などの実践的な分析手法を網羅的に解説しています。著者は、データ分析者がモデルの本質を理解し、データを最大限に活用できるようにすることを目的としています。内容は定型データから非定型データの扱い、強化学習、データから知見を得る方法まで多岐にわたり、各章で具体的な手法や技術が詳しく説明されています。著者は東京大学の博士号を持つデータサイエンティストで、データ分析の啓蒙活動にも従事しています。

この書籍は、RとPythonの両方を学べるデータサイエンスの入門書です。プログラミング経験がなくても理解できるように、データサイエンスの基礎や環境構築について詳しく解説しています。内容は、データサイエンスの準備、機械学習の手法（回帰、分類、深層学習など）に分かれており、実践的なサンプルコードも提供されています。著者は東京大学と千葉工業大学の教授で、情報処理技術者試験委員を務めています。

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。

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、データサイエンティストの思考過程を紙と鉛筆を使って学ぶことを目的としています。PythonやRなどのプログラミング言語を使わず、40問のクイズを通じてデータの読み解き方や説明の仕方を体験できます。デジタル時代に必要なデータリテラシーを身につけたい人や、データを使って論理的に考えたい人におすすめです。各章では、データを読む、説明する、分類する、法則を見つける、予測する力を育む内容が展開されています。

この文章は、統計学に関する書籍の目次と著者情報を紹介しています。目次には、一変量データや多変量データの記述、確率分布、推定方法、仮説検定などのテーマが含まれています。著者は神永正博と木下勉で、それぞれの学歴と職歴が簡潔に記載されています。神永は数学の博士で、木下は工学の博士です。

この書籍は、ガウス過程に関する日本初の入門書であり、ベイズ的回帰モデルの柔軟性を解説しています。内容は線形回帰から始まり、ガウス過程の原理や教師なし学習、実応用に関する最新の話題も取り上げています。各章では、ガウス過程の基本概念、計算法、適用例などが詳しく説明されています。著者は統計や情報科学の専門家です。

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実装を通じて理解を深めます。また、ハイパーパラメータの設定やBatch Normalization、Dropout、Adamなどの最新技術、さらには自動運転や画像生成などの応用例についても触れています。著者は斎藤康毅氏で、コンピュータビジョンや機械学習の研究開発に従事しています。

本書は、機械学習の発展を背景にした統計的学習に関する教科書「The Elements of Statistical Learning」の全訳です。機械学習は人工知能の一分野から発展し、統計学と密接に関連しています。内容は、教師あり学習の基礎からニューラルネットワークやサポートベクトルマシン、ブースティングなどの高度な手法まで幅広くカバーしており、情報技術を学ぶ大学生や研究者に最適です。著者は各分野の専門家で構成されています。

本書は、現代社会におけるベイズ統計学の重要性を強調し、特に文科系大学での教育が不足している現状を指摘しています。ベイズ統計学は日常生活に深く根付いており、社会科学の教育においてその理解を深めることが急務とされています。内容は、ベイズの定理や確率分布、ベイズ推定などの基礎から応用までを扱っており、文科系・理科系問わず入門者を対象としています。著者は早稲田大学の教授、豊田秀樹氏です。

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」という視点から整理しています。新たに「ML Ops」や「機械学習モデルの検証」などの章が追加され、読者が直面する問題解決に役立つ内容となっています。著者は機械学習分野の専門家で、実践的な知識を提供しています。

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、時系列データの分析方法について基礎から詳しく解説しています。目次は、時系列分析の考え方、Box-Jenkins法、その他のトピック、状態空間モデル、カルマンフィルタ、ベイズ推論など多岐にわたります。著者は兵庫県出身の馬場真哉で、北海道大学水産科学院を修了しています。

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。

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。

本書は、機械学習を実践的に学ぶための教材で、scikit-learn、TensorFlow、Kerasを用いて、基礎から応用までの手法を体系的に解説しています。内容には、データ処理、モデル学習、深層学習、強化学習、コンピュータビジョン、自然言語処理などが含まれ、サンプルコードはすべてGitHubで公開され、Jupyter Notebookで試すことができます。第2版では新たに畳み込みニューラルネットワークやGANによる画像生成の説明も追加されています。機械学習を学びたいエンジニアにとって必携の一冊です。

この書籍は、ディープラーニングを手を動かしながら学べる入門書で、最新のトレンドや無料クラウドGPUの活用法を解説しています。20以上の実例を通じて、機械学習や深層学習の基礎から応用までを学べる内容です。目次には、学習の地図、基礎知識、実践事例、Colaboratoryの使い方が含まれています。著者はIT企業での技術マネージャーとしての経験を持つ増田知彰氏です。

本書は、ビジネスにおけるデータ分析の重要性とそのバイアスを取り除くための手法を解説しています。特に、意思決定に影響を与えるデータの生成過程におけるバイアスの存在を指摘し、単純な比較が誤った結論を導く可能性について警鐘を鳴らします。著者は、RCT（ランダム化比較試験）を理想的な分析手法として紹介し、RCTが実施できない場合でも因果推論を用いて効果的な分析が可能であることを説明します。目次には、セレクションバイアスや回帰分析、傾向スコア、差分の差分法などの具体的な手法が含まれています。著者は経済学の専門家で、データサイエンスの分野でも活躍しています。

この書籍は、マルコフ連鎖モンテカルロ法（MCMC）を理解しやすく解説しており、R言語のコードや練習問題が豊富に含まれています。初学者向けの内容ながら、エルゴード性などの高度なトピックにも触れています。データサイエンス教育の一環として、統計学と情報学を融合した新しい教科書シリーズの一部であり、実践的な教育を目指しています。著者は、数理科学と統計科学の分野で活躍する専門家です。

本書は、ネットワーク分析の理論と実践をRというフリーソフトを用いて学ぶためのガイドです。第2版では、統計的なネットワーク分析手法や社会ネットワーク、ソーシャルメディアの分析法に関する新しい章が追加され、複雑ネットワークやネットワーク描画の内容も改訂されています。著者は鈴木努で、社会学を専攻し、東北学院大学の准教授として勤務しています。

本書は、ビッグデータ時代におけるSQLの活用法を紹介するレシピ集です。目次には、分析力の重要性、使用するツールとデータ、データ加工、売上やユーザー行動のデータ抽出、分析技術の向上、行動を起こすための知識の活用方法が含まれています。著者は加嵜長門と田宮直人で、双方ともデータ解析およびビッグデータ活用の専門家です。

この書籍は、数理統計学の基礎概念と理論を数学的かつ言葉で丁寧に解説した新装改訂版です。新たに40題の練習問題が追加され、解答例はサポートサイトで提供されます。統計検定®1級試験の学習にも適しており、幅広い話題を統一的な視点で理解できる内容となっています。著者は竹村彰通で、経済学やデータサイエンスの専門家です。

本書は一般化線形モデルについての統一的な枠組みを提供するもので、回帰分析や生存分析など様々な統計手法を扱っています。1993年に翻訳された「統計モデル入門」の第2版で、特に医学分野での高度な統計手法の需要に応える内容となっています。目次にはモデルの当てはめ、推定、推測、ロジスティック回帰、生存時間解析などの章が含まれています。著者はそれぞれ異なる専門背景を持つ大学教授たちです。

本書は、ウェブサービスの開発においてユーザ体験を向上させるための手法を学ぶための書籍です。A/Bテストや線形モデル、メタヒューリスティクス、バンディットアルゴリズム、ベイズ最適化などの数理的手法を紹介し、Pythonによるサンプルコードと図を用いて機械学習と統計学の基礎を解説しています。ウェブ最適化や機械学習に興味がある読者に適した内容です。著者はUXエンジニアの飯塚修平氏で、ウェブ最適化の研究に従事しています。

アンケートに正直に回答してもらう方法、商品レビューの信頼度を評価する方法など、身近な話題を例に、数理モデルの基礎が身につく。 アンケートに正直に回答してもらう方法、商品レビューの信頼度を評価する方法など、身近な話題を例に、数理モデルの基礎が身につく。 対話形式で、数理モデルの基礎が身につく入門書。 数理モデルとは、現実の世界で起こるさまざまな現象を数式で表したものです。数式にすることで、その現象の性質を理解したり、その現象に何か変化があるときに、どのように変化するか予測したりできます。 アンケート調査で正直に回答してもらうにはどうすればいいか、商品レビューの信頼度をどう評価するか、ある条件の変化が売り上げの変化の原因かどうかなど、身近なテーマを題材に数理モデルを解説。 統計や確率の記憶がおぼろげでも大丈夫。数学記号の読み方かた丁寧に紹介していきます。 とっつきやすいのに本格派な一冊。 第1章　 隠された事実を知る方法 第2章　 卒業までに彼氏ができる確率 第3章　 内定をもらう方法 第4章　 先延ばしをしない方法 第5章　 理想の部屋を探す方法 第6章　 アルバイトの配属方法 第7章　 売り上げをのばす方法 第8章　 その差は偶然でないと言えるのか？ 第9章　 ネットレビューは信頼できるのか？ 第10章　なぜ0円が好きなのか？ 第11章　取引相手の真意を知る方法 第12章　お金持ちになる方法

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。

「データサイエンティスト養成読本」の改訂版で、データサイエンティストに必要なスキルセットを最新の内容で解説しています。ソフトウェアや分析ツールの進化に対し、基本的なスキルは変わらないことを強調。内容はデータ分析のプロセスやビジネス成果を意識した分析方法、実践的なデータ分析入門、マーケティング分析の手法、基礎知識の習得など多岐にわたります。著者は里 洋平、和田 計也、早川 敦士など。

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

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

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、ディープラーニングの実装手法を学ぶための教材で、PyTorchを使用して様々なタスクに取り組みます。具体的なタスクには、転移学習、物体検出、セマンティックセグメンテーション、姿勢推定、GANによる画像生成と異常検知、自然言語処理、動画分類などが含まれています。各章を通じて、実装経験を積むことで高度な技術を習得できる構成です。読者は、GPU環境がなくてもAnacondaとJupyter Notebookを用いて学習できます。著者はディープラーニングの専門家で、研究開発に従事しています。

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。

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。

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、統計的モデリングを基礎から実践まで解説した入門書で、10年ぶりに改訂され、全ページがフルカラー化されています。新たに非定常時系列データ解析の基本が追加され、読者が自らの課題に取り組むための知識を提供します。ベイズの定理から粒子フィルタまで幅広い内容をカバーし、実践的なアプローチを重視しています。著者はデータサイエンスの専門家であり、学びを通じて読者が統計の「匠の技」を習得することを期待しています。

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。

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.

この入門書は、ベイズ主義機械学習の基本原理を「モデルの構築→推論の導出」という手順で分かりやすく解説しています。内容は、機械学習とベイズ学習、基本的な確率分布、ベイズ推論による学習と予測、混合モデルと近似推論、応用モデルの構築と推論の5章から構成されています。著者は須山敦志と杉山将で、機械学習を身近に理解できるよう丁寧に記述されています。

アルゴリズムの基本的な考え方と種類、さまざまなデータ分析の手法のほか、機械学習やニューラルネットワークについて学びます。 高校で学ぶ「情報」科目をカバーした読みやすい入門書。シリーズ第４巻は、アルゴリズムの基本的な考え方と種類、データ構造やさまざまなデータ分析の手法のほか、機械学習やニューラルネットワークについて学びます。 「AI人材」や「高度IT人材」を目指す人のみならず、今やコンピュータサイエンスやデジタル技術に関する知識は〈これから〉の時代を生きていくすべての人に必要なものになりました。学校教育の現場では「GIGAスクール構想」のもと１人１台タブレット端末が配布され、小学生のときからデジタル教材やプログラミングに触れる機会が増え、この動きは中学校にも拡大しています。高校では「情報Ⅰ」の新科目が必修となり、2025年から大学入学共通テストへの導入が決まりました。新しい時代へのパスポートとなるこの全５巻のシリーズは、日常生活の中で見聞きする話題から始まり、まるで紙面上で実際に授業を受けているような感覚が味わえる、読みやすくて楽しい入門書です。シリーズ第４巻は、アルゴリズムの基本的な考え方と種類、データ構造やさまざまなデータ分析の手法のほか、機械学習やニューラルネットワークについて学びます。【シリーズの特長】◆親しみやすい話題から始まる各章のテーマに関する〈身近なモノやサービス〉の事例やエピソードを紹介。◆高校で学ぶ「情報」の学習範囲に準拠2022年度開始の新科目「情報Ⅰ」、2023年度開始の「情報Ⅱ」をフォロー。◆理解を助ける豊富な写真や図表イメージしにくい概念や考え方をビジュアル面から補足。◆学生から社会人まで役立つ中高生からの独習～社会人の学びなおし（リスキリング）ニーズに対応。「ITパスポート」「基本情報技術者」試験の受験者や「情報」教科担当職員の事前学習用に最適。 Chapter 1　アルゴリズム 1-1　アルゴリズムとは 1-2　よいアルゴリズムの指標 1-3　フローチャート Chapter 2　代表的なアルゴリズム 2-1　探索問題 2-2　ソーティング 2-3　最短経路問題 Chapter 3　アルゴリズムとデータ構造 3-1　配列 3-2　リスト 3-3　木構造 3-4　スタックとキュー Chapter 4　さまざまな現象のシミュレーション 4-1　数式に従う現象のシミュレーション 4-2　確率的シミュレーション 4-3　検定 Chapter 5　データの分布形状の考慮 5-1　分布形状の考慮 5-2　距離尺度 5-3　主成分分析 Chapter 6　クラスタリング 6-1　クラスタリングとは 6-2　k-means アルゴリズム 6-3　階層型クラスタリング Chapter 7　重回帰分析による予測 7-1　重回帰分析とは 7-2　重回帰分析の方法 7-3　変数の種類 7-4　モデルのよさと変数選択 Chapter 8　購買データの分析と推薦 8-1　同時購入商品に注目した分析 8-2　購入者に注目した分析 Chapter 9　機械学習による認識 9-1　人工知能と機械学習 9-2　データの準備 9-3　古典的な機械学習アルゴリズム 9-4　認識結果の評価 Chapter 10　深層学習 10-1　ニューラルネットワーク 10-2　ニューラルネットワークによる物体認識 10-3　ニューラルネットワークの学習方法 10-4　代表的なニューラルネットワークの形状

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

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）

あふれるデータや情報に、まどわされずに生きていく！ 誰もが身につけたい・身につけられる強力な味方"データリテラシー"！ あふれるデータや情報に、まどわされずに生きていく！ 誰もが身につけたい・身につけられる強力な味方"データリテラシー"！ “データリテラシー”とは、データや情報を正しく読みとる力——。データや情報の量もアクセス方法も増えていく、これからの時代を受け身にならずに生きていくための超重要スキルです！なんだかむずかしそう？ 自分には関係なさそう？そんなことはありません！ データリテラシーは、小学校レベル（主に算数）の学習内容をおさえておけば日常生活の多くの場面で役立つ強力な味方です。データの専門家を目指すためには高度な統計学やデータサイエンスの知識が必要になりますが、データリテラシーはそのだいじな基礎・基本にもなるでしょう。まさに、いま誰もが身につけたい・身につけられる力なのです。本書はタイトル通り、小学生にもわかりやすくデータリテラシーを学んでもらえる一冊です。算数で学習する「グラフ」や「代表値」から、「データの尺度」「相関関係と因果関係」「フェイクニュース」など大人も知っておきたい内容まで、キャラクターたちの会話形式で楽しく読み進めることができます。関連するクイズや読みごたえのあるコラムも、データリテラシーの理解をいっそう深めてくれるでしょう。これからのAI時代を生きていく子どもたちとすべての人へ、データや情報にまどわされずに“考え”続ける大切さと楽しさを味わっていただける一冊です！

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）

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

『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。