データサイエンス設計マニュアル

詳細目次

1章データサイエンスとは
1.1　計算機科学、データサイエンス、リアルサイエンス
1.2　データについての興味深い問い
1.3　データの性質
1.4　分類と回帰
1.5　データサイエンスの動画：QuantShop
1.6　「私の体験談から」について
1.7　私の体験談から：答えるためには正しい問いが必要だ
1.8　さらなる探求のために
1.9　演習問題

2章　数学の基礎知識の準備
2.1　確率
2.2　記述統計量
2.3　相関分析
2.4　対数
2.5　私の体験談から：デザイナー遺伝子の適合
2.6　さらなる探求のために
2.7　演習問題

3章　データマンジング
3.1　データサイエンスで使われるプログラミング言語
3.2　データの収集
3.3　データのクリーニング
3.4　私の体験談から：市場を読み切れ
3.5　クラウドソーシング
3.6　さらなる探求のために
3.7　演習問題

4章　スコアとランキング
4.1　BMI（ボディマス指数）
4.2　スコアリング関数の開発
4.3　Zスコアと正規化
4.4　ランキングの高度な技法
4.5　私の体験談から：Clydeの逆襲
4.6　アローの不可能性定理
4.7　私の体験談から：誰が偉大か
4.8　さらなる探求のために
4.9　演習問題

5章　統計分析
5.1　統計的分布
5.2　分布からのサンプリング
5.3　統計的有意性
5.4　私の体験談から：若さの泉の発見？
5.5　パーミュテーションテストと p値
5.6　ベイズ推定
5.7　さらなる探求のために
5.8　演習問題

6章　データの可視化
6.1　探索的データ分析
6.2　可視化の審美眼の育成
6.3　グラフの種類
6.4　偉大なるビジュアライゼーション
6.5　グラフの解釈
6.6　インタラクティブな可視化
6.7　私の体験談から：世界を描く TextMap
6.8　さらなる探求のために
6.9　演習問題

7章　数理モデル
7.1　モデリングの哲学
7.2　モデルの用語
7.3　ベースラインモデル
7.4　モデルの評価
7.5　評価システム
7.6　私の体験談から：100 %の正確度
7.7　シミュレーションモデル
7.8　私の体験談から：賭け方の計算
7.9　さらなる探求のために
7.10　演習問題

8章　線形代数
8.1　線形代数の威力
8.2　行列演算の可視化
8.3　行列の分解
8.4　固有値と固有ベクトル
8.5　固有値分解
8.6　私の体験談から：ヒューマンファクター
8.7　さらなる探求のために
8.8　演習問題

9章　線形回帰とロジスティック回帰
9.1　線形回帰
9.2　より良い回帰モデル
9.3　私の体験談から：タクシー　配達　(デリバー)
9.4　パラメータフィッティング問題としての回帰
9.5　正則化によるモデルの単純化
9.6　分類とロジスティック回帰
9.7　ロジスティック分類の問題
9.8　さらなる探求のために
9.9　演習問題

10章　ネットワーク分析と距離
10.1　距離の測定
10.2　最近傍分類
10.3　グラフ、ネットワーク、距離
10.4　PageRank
10.5　クラスタリング
10.6　私の体験談から：クラスタ爆弾
10.7　さらなる探求のために
10.8　演習問題

11章　機械学習
11.1　ナイーブベイズ（単純ベイズ）
11.2　決定木分類器
11.3　ブースティングとアンサンブル学習
11.4　サポートベクターマシン
11.5　学習の度合い
11.6　ディープラーニング
11.7　私の体験談から：名前のゲーム
11.8　さらなる探求のために
11.9　演習問題

12章　ビッグデータ：スケールを追求
12.1　ビッグデータとは
12.2　私の体験談から：インフラの重要性
12.3　ビッグデータを扱うアルゴリズム
12.4　フィルタリングとサンプリング
12.5　並列化
12.6　MapReduce
12.7　社会的倫理的な問題
12.8　さらなる探求のために
12.9　演習問題

13章　最後に一言
13.1　仕事を手に入れよう！
13.2　大学院に進学する
13.3　コンサルティングサービス

参考文献
索引