东京大学的数据科学家培养讲座《東京大学のデータサイエンティスト育成講座》日文原版 python pandas, numpy, scipy, Matplotlib… 機械学習 机器学习
使用Python/Numpy/Scipy/Pandas/Matplotlib数据的基础 ●概率/统计/估计/回归；科学计算；数据加工处理；数据可视化 ●机器学习(重回归、逻辑回归、决定树、k-NN、集群、主成分分析、市场篮子分析、模型调整)等
￥ 230 九品
仅1件
上海嘉定
认证卖家担保交易快速发货售后保障
作者著作者名：塚本邦尊、 山田典一、 大澤文孝 監修者名：中山浩太郎［監修］、 松尾 豊［協力］
出版社マイナビ
出版时间1984
装帧平装
上书时间2023-09-30
- 店主推荐
- 最新上架
商品详情
- 品相描述：九品
- 商品描述
-
定价：3,278円
页数：448ページ
尺寸：B5変
简介：
东大 松尾研究室提供的人气讲座是期待已久的书籍化!
本书是2017年和2018年在东京大学实施的“全球消费智能捐赠”。
讲座”面向学生的线下讲座和面向社会人士的在线讲座中使用的教材为基础。
大约400名左右的听课名额(2年)总共有1,800人以上应征的人气讲座。这本书的基础内容是以Jupyter Notebook的形式公开的，但是这本书进一步仔细检查、刷新、整理成易于阅读的内容。
●本书的内容
本书为成为数据科学家奠定了基础。数据科学家需要Python、概率、统计、机器学习等广泛领域的知识。
因为不可能用一本书来学习所有领域，所以不深入各个领域，而是处理基础事项。想象着成为数据科学家的地图和指南针一样的定位。
这本书主要使用Python 3，从基本程序的写法、数据的获取、读取、数据操作开始，各种Python库的使用方法、概率统计方法、机器学习(有教师的学习)，也学习无监督学习和调音）的使用方法。经营的数据有市场营销相关的数据、日志数据、金融时间系列数据等各种，在建模前也介绍了加工它们的方法。要想成为数据科学家，这些都是必要的技能。
本书还有以下3个特征。
・可以使用实际数据一边动手，一边掌握数据科学技能。
・包含可以在数据分析现场使用的实践内容(数据预处理等)。
・练习题和综合题演习等实际用脑子思考的内容很多。
实践这本书所写的内容，读完后，应该可以在实际现场进行数据分析。
●这本书的对象读者
这本书是以有编程经验，完成理科大学1～2年级左右教养课程的数学(线性代数、微分积分学、概率统计的基础等)的人为对象。具体来说，对象是热衷于学习的大学3～4年级的理科学生和研究生，以及成为社会人后学习数据科学的积极性高的人。最适合考虑从数据科学入门水平到中级水平的人，本书的目标也是预计可以从数据科学入门水平毕业。
●作者从“开始”中编辑、摘录。
世界是多种多样的，有各种各样的问题。众所周知，有低效的工作、处理和浪费。人工智能等受到关注的同时，也有各种误解和过度期待的情况。对于拿着这本书的人来说，即使在这种状况下也会变得现实，请务必弄清楚使用数据科学和人工智能等能做什么，不能做什么。
从这些读者和学员中，活用这个数据科学的力量，消除当今世界的浪费和低效率，创造新的价值，让这个世界变得更好的人增加的话，著作为人，这是本望。
●本书可以学到的东西
・Python/Numpy/Scipy/Pandas/Matplotlib的基础
・概率/统计/估计/回归的基础
・Numpy/Scipy的科学计算
・使用Pandas的数据加工处理(处理缺失数据/异常值、处理时间系列数据)
・通过Matplotlib实现数据可视化
・机器学习(重回归、物流回归、决定树、k-NN、集群、主成分分析、市场篮子分析、模型调整)
章立て
Contents
Chapter 1 本書の概要とPythonの基礎
1-1 データサイエンティストの仕事
1-1-1 データサイエンティストの仕事
1-1-2 データ分析のプロセス
1-1-3 本書の構成
1-1-4 本書を読み進めるのに役立つ文献
1-1-5 手を動かして習得しよう
1-2 Pythonの基礎
1-2-1 Jupyter Notebookの使い方
1-2-2 Pythonの基礎
1-2-3 リストと辞書型
1-2-4 条件分岐とループ
Column format記法と%記法
1-2-5 関数
Practice 練習問題1-1
Practice 練習問題1-2
1-2-6 クラスとインスタンス
Practice 1章 総合問題
Chapter 2 科学計算、データ加工、グラフ描画ライブラリの使い方の基礎
2-1 データ分析で使うライブラリ
2-1-1 ライブラリの読み込み
2-1-2 マジックコマンド
2-1-3 この章で使うライブラリのインポート
2-2 Numpyの基礎
2-2-1 Numpyのインポート
2-2-2 配列操作
2-2-3 乱数
Column Numpyは高速
2-2-4 行列
Practice 練習問題2-1
練習問題2-2
練習問題2-3
2-3 Scipyの基礎
2-3-1 Scipyのライブラリのインポート
2-3-2 行列計算
2-3-3 ニュートン法
Practice 練習問題2-4
練習問題2-5
練習問題2-6
2-4 Pandasの基礎
2-4-1 Pandasのライブラリのインポート
2-4-2 Seriesの使い方
2-4-3 DataFrameの使い方
2-4-4 行列操作
2-4-5 データの抽出
2-4-6 データの削除と結合
2-4-7 集計
2-4-8 値のソート
2-4-9 nan（null）の判定
Practice 練習問題2-7
Practice 練習問題2-8
Practice 練習問題2-9
2-5 Matplotlibの基礎
2-5-1 Matplotlibを使うための準備
2-5-2 散布図
2-5-3 グラフの分割
2-5-4 関数グラフの描画
2-5-5 ヒストグラム
Column さまざまなデータのビジュアル化
Practice 練習問題2-10
Practice 練習問題2-11
Practice 練習問題2-12
Practice 2章 総合問題
Chapter 3 記述統計と単回帰分析
3-1 統計解析の種類
3-3-1 記述統計と推論統計
3-3-2 この章で使うライブラリのインポート
3-2 データの読み込みと対話
3-2-1 インターネットなどで配布されている対象データの読み込み
3-2-2 データの読み込みと確認
3-2-3 データの性質を確認する
Column ｢変数」という用語について
3-2-4 量的データと質的データ
3-3 記述統計
3-3-1 ヒストグラム
3-3-2 平均、中央値、最頻値
3-3-3 分散と標準偏差
3-3-4 要約統計量とパーセンタイル値
3-3-5 箱ひげ図
3-3-6 変動係数
3-3-7 散布図と相関係数
3-3-8 すべての変数のヒストグラムや散布図を描く
Practice 練習問題3-1
Practice 練習問題3-2
Practice 練習問題3-3
3-4 単回帰分析
3-4-1 線形単回帰分析
3-4-2 決定係数
Practice 練習問題3-4
Practice 練習問題3-5
Practice 練習問題3-6
Practice 3章 総合問題
Chapter 4 確率と統計の基礎
4-1 確率と統計を学ぶ準備
4-1-1 この章の前提知識
4-1-2 この章で使うライブラリのインポート
4-2 確率
4-2-1 数学的確率
4-2-2 統計的確率
4-2-3 条件付き確率と乗法定理
4-2-4 独立と従属
4-2-5 ベイズの定理
Practice 練習問題4-1
Practice 練習問題4-2
Practice 練習問題4-3
4-3 確率変数と確率分布
4-3-1 確率変数、確率関数、分布関数、期待値
4-3-2 さまざまな分布関数
4-3-3 カーネル密度関数
Practice 練習問題4-4
Practice 練習問題4-5
Practice 練習問題4-6
4-4 応用：多次元確率分布
4-4-1 同時確率関数と周辺確率関数
4-4-2 条件付き確率関数と条件付き期待値
4-4-3 独立の定義と連続分布
4-5 推計統計学
4-5-1 大数の法則
4-5-2 中心極限定理
4-5-3 標本分布
Practice 練習問題4-7
Practice 練習問題4-8
Practice 練習問題4-9
4-6 統計的推定
4-6-1 推定量と点推定
4-6-2 不偏性と一致性
4-6-3 区間推定
4-6-4 推定量を求める
Practice 練習問題4-10
Practice 練習問題4-11
Practice 練習問題4-12
4-7 統計的検定
4-7-1 検定
4-7-2 第1種の過誤と第2種の過誤
4-7-3 ビッグデータに対する検定の注意
Practice 練習問題4-13
Practice 4章 総合問題
Chapter 5 Pythonによる科学計算（NumpyとScipy）
5-1 概要と事前準備
5-1-1 この章の概要
5-1-2 この章で使うライブラリのインポート
5-2 Numpyを使った計算の応用
5-2-1 インデックス参照
Practice 練習問題5-1
Practice 練習問題5-2
Practice 練習問題5-3
5-2-2 Numpyの演算処理
Practice 練習問題5-4
Practice 練習問題5-5
Practice 練習問題5-6
5-2-3 配列操作とブロードキャスト
Practice 練習問題5-7
Practice 練習問題5-8
Practice 練習問題5-9
5-3 Scipyを使った計算の応用・
5-3-1 補間
5-3-2 線形代数：行列の分解
Practice 練習問題5-10
Practice 練習問題5-11
Practice 練習問題5-12
Practice 練習問題5-13
Practice 練習問題5-14
5-3-3 積分と微分方程式
Practice 練習問題5-15
Practice 練習問題5-16
5-3-4 最適化
Practice 練習問題5-17
Practice 練習問題5-18
Practice 5章 総合問題
Chapter 6 Pandasを使ったデータ加工処理
6-1 概要と事前準備
6-1-1 この章で使うライブラリのインポート
6-2 Pandasの基本的なデータ操作
6-2-1 階層型インデックス
Practice 練習問題6-1
Practice 練習問題6-2
Practice 練習問題6-3
6-2-2 データの結合
Practice 練習問題6-4
練習問題6-5
練習問題6-6
6-2-3 データの操作と変換
Practice 練習問題6-7
Practice 練習問題6-8
Practice 練習問題6-9
6-2-4 データの集約とグループ演算
Practice 練習問題6-10
Practice 練習問題6-11
Practice 練習問題6-12
6-3 欠損データと異常値の取り扱いの基礎
6-3-1 欠損データの扱い方
Practice 練習問題6-13
Practice 練習問題6-14
Practice 練習問題6-15
6-3-2 異常データの扱い方
6-4 時系列データの取り扱いの基礎
6-4-1 時系列データの処理と変換
Practice 練習問題6-16
6-4-2 移動平均
Practice 練習問題6-17
Practice 6章 総合問題
Chapter 7 Matplotlibを使ったデータ可視化
7-1 データの可視化
7-1-1 データの可視化について
7-1-2 この章で使うライブラリのインポート
7-2 データ可視化の基礎
7-2-1 棒グラフ
7-2-2 円グラフ
Practice 練習問題7-1
Practice 練習問題7-2
Practice 練習問題7-3
7-3 応用：金融データの可視化
7-3-1 可視化する金融データ
7-3-2 ローソクチャートを表示するライブラリ
7-4 応用：分析結果の見せ方を考えよう
7-4-1 資料作成のポイントについて
Practice 7章 総合問題
Column 移動平均時系列データと対数時系列データ
Chapter 8 機械学習の基礎（教師あり学習）
8-1 機械学習の全体像
8-1-1 機械学習とは
8-1-2 教師あり学習
8-1-3 教師なし学習
8-1-4 強化学習
8-1-5 この章で使うライブラリのインポート
8-2 重回帰
8-2-1 自動車価格データの取り込み
8-2-2 データの整理
8-2-3 モデル構築と評価
8-2-4 モデル構築とモデル評価の流れのまとめ
Practice 練習問題8-1
8-3 ロジスティック回帰
8-3-1 ロジスティック回帰の例
8-3-2 データの整理
8-3-3 モデル構築と評価
8-3-4 スケーリングによる予測精度の向上
Practice 練習問題8-2
Practice 練習問題8-3
8-4 正則化項のある回帰：ラッソ回帰、リッジ回帰
8-4-1 ラッソ回帰、リッジ回帰の特徴
8-4-2 重回帰とリッジ回帰の比較
Practice 練習問題8-4
8-5 決定木
8-5-1 キノコデータセット
8-5-2 データの整理
8-5-3 エントロピー：不純度の指標
8-5-4 情報利得：分岐条件の有益さを測る
8-5-5 決定木のモデル構築
Practice 練習問題8-5
8-6 k-NN（k近傍法）
8-6-1 k-NNのモデル構築
Practice 練習問題8-6
Practice 練習問題8-7
8-7 サポートベクターマシン
8-7-1 サポートベクターマシンのモデル構築
Practice 練習問題8-8
Practice 8章 総合問題
Chapter 9 機械学習の基礎（教師なし学習）
9-1 教師なし学習
9-1-1 教師なしモデルの種類
9-1-2 この章で使うライブラリのインポート
9-2 クラスタリング
9-2-1 k-means法
9-2-2 k-means法でクラスタリングする
9-2-3 金融マーケティングデータをクラスタリングする
9-2-4 エルボー法によるクラスター数の推定
9-2-5 クラスタリング結果の解釈
9-2-6 k-means法以外の手法
Practice 練習問題9-1
9-3 主成分分析
9-3-1 主成分分析を試す
9-3-2 主成分分析の実例
Practice 練習問題9-2
9-4 マーケットバスケット分析とアソシエーションルール
9-4-1 マーケットバスケット分析とは
9-4-2 マーケットバスケット分析のためのサンプルデータを読み込む
9-4-3 アソシエーションルール
Practice 9章 総合問題
Chapter 10 モデルの検証方法とチューニング方法
10-1 モデルの評価と精度を上げる方法とは
10-1-1 機械学習の課題とアプローチ
10-1-2 この章で使うライブラリのインポート
10-2 モデルの評価とパフォーマンスチューニング
10-2-1 ホールドアウト法と交差検証法
10-2-2 パフォーマンスチューニング：ハイパーパラメータチューニング
Practice 練習問題10-1
Practice 練習問題10-2
10-2-3 パフォーマンスチューニング：特徴量の扱い
10-2-4 モデルの種類
10-3 モデルの評価指標
10-3-1 分類モデルの評価：混同行列と関連指標
10-3-2 分類モデルの評価：ROC曲線とAUC
Practice 練習問題10-3
10-3-3 回帰モデルの評価指標
Practice 練習問題10-4
10-4 アンサンブル学習
10-4-1 バギング
Practice 練習問題10-5
10-4-2 ブースティング
10-4-3 ランダムフォレスト、勾配ブースティング
Practice 練習問題10-6
10-4-4 今後の学習に向けて
Practice 練習問題10-7
Practice 10 章 総合問題
Chapter 11 総合演習問題
11-1 総合演習問題
11-1-1 総合演習問題（1）
11-1-2 総合演習問題（2）
11-1-3 総合演習問題（3）
11-1-4 総合演習問題（4）
11-1-5 総合演習問題（5）
11-1-6 総合演習問題（6）
11-1-7 参考：今後のデータ分析に向けて
Appendix
A-1 本書の環境構築について
A-1-1 Anacondaについて
A-1-2 Anacondaのパッケージをダウンロードする
A-1-3 Anacondaをインストールする
A-1-4 pandas-datareaderおよびPlotlyのインストール
A-2 練習問題解答
A-2-1 Chapter1 練習問題
A-2-2 Chapter2 練習問題
A-2-3 Chapter3 練習問題
A-2-4 Chapter4 練習問題
A-2-5 Chapter5 練習問題
A-2-6 Chapter6 練習問題
A-2-7 Chapter7 練習問題
A-2-8 Chapter8 練習問題
A-2-9 Chapter9 練習問題
A-2-10 Chapter10 練習問題
A-2-11 Chapter11 総合演習問題
Column ダミー変数と多重共線性
A-3 参考文献・参考URL
A-3-1 参考文献
A-3-2 参考URL
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价