データ分析に不可欠なAIスキルを最短で習得できる！ 『世界標準MIT教科書　データアナリティクスのための機械学習入門 ―アルゴリズム・実例・ケーススタディ―』発行

今や、ビッグデータと呼ばれるものだって、普通の人も手に入れることができる。

素晴らしいことだとは思うけれど、それらを様々な手法などを使って、分析する能力ってもんが必要になった。

だいたいってのも、通用しなくなってきているんだよね。

でも、それ(分析)をするのにも、経験ってものは必要だなって思うけど。

データ分析に不可欠なAIスキルを最短で習得できる！ 『世界標準MIT教科書　データアナリティクスのための機械学習入門 ―アルゴリズム・実例・ケーススタディ―』発行
株式会社インプレスホールディングス

インプレスグループで理工学分野の専門書出版事業を手掛ける株式会社近代科学社は、2022年8月31日に、『世界標準MIT教科書　データアナリティクスのための機械学習入門―アルゴリズム・実例・ケーススタディ―』（訳者：宮岡 悦良、下川 朝有、黒澤 匠雅）を発行いたしました。

世界標準MIT教科書　データアナリティクスのための機械学習入門―アルゴリズム・実例・ケーススタディ―

●書誌情報
【原著】Fundamentals of Machine Learning for Predictive Data Analytics: Algorithms,worked examples,and Case Studies
【書名】世界標準MIT教科書　データアナリティクスのための機械学習入門―アルゴリズム・実例・ケーススタディ―
【訳者】宮岡 悦良、下川 朝有、黒澤 匠雅
【仕様】B5判・並製・472頁
【本体価格】8,000円（税込8,800円）
【ISBN】978-4-7649-0617-4　C3004
【商品URL】https://www.kindaikagaku.co.jp/book_list/detail/9784764906174/

●内容紹介
本書は機械学習を実際のビジネスシーンに適用してデータ分析を行うための実践書。機械学習そのものの解説ではなく、データ分析に不可欠な機械学習の手法を駆使して、ビジネスを予測的に改善する手法を解説しています。具体的な適用事例を用いて説明がなされるため、読者は目的やケースに合った手法（アルゴリズム）や実際の適用方法などを効率的に身に付けることができます。原著はMITで使われている教科書であり、講義の目的に応じて章を選択可能。ビジネスで使えるデータ分析手法を最短で習得したい読者に役立つ一冊です。

●訳者紹介
宮岡 悦良（みやおか えつお）
1987年　カリフォルニア大学バークレー校大学院修了　Ph.D.
現職　東京理科大学 名誉教授

下川 朝有（しもかわ あさなお）
2015年　東京理科大学大学院修了　博士（理学）
現職　東京理科大学 理学部第二部数学科 講師

黒澤 匠雅（くろさわ たくま）
2018年　東京理科大学大学院修了　博士（理学）
現職　SAS Institute Japan株式会社 コンサルタント

●目次
1 予測的データアナリティクスのための機械学習
1.1 予測的データアナリティクスとは？
1.2 機械学習とは？
1.3 機械学習はどのように機能するのか？
1.4 機械学習が機能しない場合
1.5 予測的データアナリティクスプロジェクトのライフサイクル：CRISP-DM
1.6 予測的データアナリティクスの道具
1.7 本書のこれからの内容
1.8 演習

2 データから知見そして意思決定へ
2.1 ビジネス課題から分析ソリューションへの変換
2.2 実現可能性の評価
2.3 ABT の設計
2.4 特徴量の設計と実装
2.5 要約
2.6 参考文献
2.7 演習

3 データ探索43
3.1 データ品質レポート
3.2 データを知る
3.3 データ品質問題の確認
3.4 データ品質問題の取り扱い
3.5 高度なデータ探索
3.6 データ準備
3.7 要約
3.8 参考文献
3.9 演習

4 情報量に基づく学習
4.1 考え方
4.2 基本
4.3 標準的なアプローチ：ID3 アルゴリズム
4.4 拡張法と他の手法
4.5 要約
4.6 参考文献
4.7 演習

5 類似度に基づく学習
5.1 考え方
5.2 基本
5.3 標準的なアプローチ：最近傍アルゴリズム
5.4 拡張法と他の手法
5.5 要約
5.6 参考文献
5.7 エピローグ
5.8 演習

6 確率に基づく学習
6.1 考え方
6.2 基本
6.3 標準的なアプローチ：ナイーブベイズモデル
6.4 拡張法と他の手法
6.5 要約
6.6 参考文献
6.7 演習

7 誤差に基づく学習
7.1 考え方
7.2 基本
7.3 標準的なアプローチ：勾配降下法による重回帰
7.4 拡張法と他の手法
7.5 要約
7.6 参考文献
7.7 演習

8 評価
8.1 考え方
8.2 基本
8.3 標準的なアプローチ： ホールドアウトテストセットによる誤分類率
8.4 拡張法と他の手法
8.5 要約
8.6 参考文献
8.7 演習

9 ケーススタディ：顧客離れ
9.1 ビジネスの把握
9.2 データの把握
9.3 データの準備
9.4 モデリング
9.5 評価
9.6 設置

10 ケーススタディ：銀河の分類
10.1 ビジネスの把握
10.2 データの把握
10.3 データ準備
10.4 モデリング
10.5 評価
10.6 設置

11 予測的データアナリティクスのための機械学習の技法
11.1 予測モデルのいろいろな側面
11.2 機械学習法の選択
11.3 次のステップ

A 機械学習のための記述統計とデータ可視化
A.1 連続型特徴量に対する記述統計
A.2 カテゴリ特徴量に対する記述統計
A.3 母集団と標本
A.4 データの可視化

B 機械学習のための確率の導入
B.1 確率の基礎
B.2 確率分布と周辺化
B.3 便利な確率法則
B.4 要約

C 機械学習のための微分法
C.1 連続関数の導関数
C.2 連鎖律
C.3 偏導関数

【株式会社 近代科学社】 https://www.kindaikagaku.co.jp
株式会社近代科学社（本社：東京都千代田区、代表取締役社長：大塚浩昭）は、1959年創立。
数学・数理科学・情報科学・情報工学を基軸とする学術専門書や、理工学系の大学向け教科書等、理工学専門分野を広くカバーする出版事業を展開しています。自然科学の基礎的な知識に留まらず、その高度な活用が要求される現代のニーズに応えるべく、古典から最新の学際分野まで幅広く扱っています。また、主要学会・協会や著名研究機関と連携し、世界標準となる学問レベルを追求しています。

【インプレスグループ】https://www.impressholdings.com
株式会社インプレスホールディングス（本社：東京都千代田区、代表取締役：松本大輔、証券コード：東証スタンダード市場9479）を持株会社とするメディアグループ。
「IT」「音楽」「デザイン」「山岳・自然」「航空・鉄道」「モバイルサービス」「学術・理工学」を主要テーマに専門性の高いメディア&サービスおよびソリューション事業を展開しています。さらに、コンテンツビジネスのプラットフォーム開発・運営も手がけています。

【お問い合わせ先】
株式会社近代科学社
TEL : 03-6837-4828
電子メール: reader@kindaikagaku.co.jp

以上

この書籍、読んでみたいとは思っているのだが、手元には(まだ)ない。

ということで、内容はよくわからないのだが、目次を見る限りでは、そんなに難しくは書かれていないようにも見受けられるし、これなら理解できるかも。

みなさんも、興味や機会があれば、ご一読ください。

きっと役に立つと思うけど。

minorus

電子機器が大好きです。
プログラムを書くのをお仕事としていたこともあるので、両方できる PIC や Arduino を使って、いろいろな（役にあんまり立たない）ものを作っています。
実は UNIX 関連のお仕事も長かったので、Raspberry Pi もお手の物なのですけれど、これから触る機会が多くなるのかなぁ。
ボチボチ行きますが、お付き合いください。
若いころの写真なので、現時点では、まだ髪の毛は黒くてありますが、お髭は真っ白になりました。
愛車の国鉄特急カラーのカスタムしたリトルカブで、時々、秋月電子通商の八潮店に出没します。