所蔵

所蔵は 1 件です。現在の予約件数は 0 件です。

ページの先頭へ

• 資料詳細
• 詳細切替

ページの先頭へ

目次

第1章 イントロダクション

  1.1データサイエンス作法

  1.2データサイエンスvs.人工知能

  1.3各章の内容

第2章 Rの基礎

  2.1なぜRなのか

  2.2Rコンソール

  2.3スクリプト

  2.4RStudio

  2.5Rの基本

第3章 データの記述・可視化

  3.1データの種類と性質

  3.2データの要約方法1:データの中心を表す尺度

  3.3データの要約方法2:データのバラツキを表す尺度

  3.4データのグラフ表示

第4章 関連と因果,データ分析における注意事項

  4.1観察研究における交絡の問題

  4.2伝統的な交絡の調整方法

  4.3傾向スコア

  4.4傾向スコア解析の手順

  4.5傾向スコア解析の利点と欠点

  4.6傾向スコアマッチングによる解析事例

第5章 データ倫理

  5.1データ倫理の原則

  5.2データ倫理規範

  5.3アルゴリズムバイアス

  5.4データプライバシー

  5.5データガバナンス

  5.6データ整合性

第6章 確率

  6.1確率とは

  6.2実験,試行,標本点,標本空間,事象など

  6.3事象の和・積,余事象など

  6.4確率の定義

  6.5確率のいくつかの性質,加法定理

  6.6条件付き確率

  6.7ベイズの定理

第7章 確率分布

  7.1確率変数と確率分布

  7.2確率分布の特徴を表す指標

  7.3代表的な確率分布とその性質

第8章 標本分布と中心極限定理

  8.1多次元確率分布

  8.2統計量と標本分布

  8.3大数の法則と中心極限定理

第9章 点推定・区間推定・仮説検定・p値

  9.1統計学の体系

  9.2点推定と区間推定

  9.3仮説検定とp値

第10章 機械学習の基礎

  10.1機械学習とは～回帰分析を例として～

  10.2回帰分析

  10.3クラスタリング

  10.4分類

第11章 回帰モデル

  11.1ボストン住宅価格データ

  11.2線形モデル

  11.3ボストン住宅価格の予測

  11.4回帰診断

  11.5非線形モデル

第12章 分類

  12.1分類の方法と評価指標

  12.2クレジットカード不正利用データ

  12.3ロジスティック回帰分析

  12.4ナイーブベイズ

  12.5不均衡データの分類

第13章 ベイズ線形モデル

  13.1ベイズ統計学の基本的考え方

  13.2マルコフ連鎖モンテカルロ法

  13.3ベイズモデルの比較

  13.4ベイズ的線形モデル

  13.5ベイズ線形モデルによるボストン住宅価格の予測

第14章 決定木とアンサンブル学習

  14.1回帰木

  14.2ランダムフォレスト

  14.3分類

第15章 スパース学習

  15.1LASSO回帰

  15.2ボストン住宅価格データへの適用

ページの先頭へ