商品詳細 | Knowledge Worker

丸善のおすすめ度

Python実践データ分析課題解決ワークブック

在庫状況有り	お届け予定日 3～4日	数量冊
価格 \2,640（税込）

この商品について問合せる

発行年月	2024年03月
出版社／提供元	秀和システム
言語	日本語
媒体	冊子
ページ数／巻数	14p,361p
大きさ	21cm
ジャンル	和書／理工学／情報学／情報処理
ISBN	9784798071428
商品コード	1038065537
NDC分類	007.609
基本件名	データマイニング
本の性格	実務向け
新刊案内掲載月	2024年04月4週
商品URL	https://kw.maruzen.co.jp/ims/itemDetail.html?itmCd=1038065537

著者紹介

黒木賢一（著者）：｟黒木賢一｠（くろきけんいち）
NTTデータで、データ活用による経営課題解決の取り組みに長年従事した後、三井住友海上火災保険のデータサイエンスチームで上席スペシャリストとして分析コンサルティング業務やデータサイエンティスト育成を担当。2023 年からは生成AI 専門チームであるAIインフィニティラボで技術調査・活用にも従事。NTTデータでは2015 年からTableauを用いた経営ダッシュボード基盤構築・普及推進や、機械学習を用いた各種兆候検知モデル構築、People Analytics 等の分析プロジェクトを担当。共著『BIツールを使ったデータ分析のポイント』『Python×APIで動かして学ぶ AI活用プログラミング』『Tableauデータ分析～実践から活用まで～』(秀和システム)。データサイエンティスト協会スキル定義委員会メンバー。
安田浩平（著者）：｟安田浩平｠（やすだこうへい）
CXデザイン部　データマーケティングチーム　データサイエンティスト。
シンクタンクでデータ分析を用いたコンサルティング業務に従事し、マーケティングからリスク管理まで幅広いテーマでのデータ分析を経験。2020年三井住友海上火災保険にデータサイエンティストとして入社し、分析コンサルティング業務やデータサイエンティスト育成、分析基盤管理、産学連携による新技術の研究などを担当。2023年から現職。社内のマーケティング統括部門にて、マーケティング領域のデータ分析を主導している。共著『金融AI成功パターン』（日経BP）。データサイエンティスト協会企画委員会、金融データ活用推進協会企画出版委員会メンバー。
桑元凌（著者）：｟桑元凌｠（くわもとりょう）
2021年、三井住友海上火災保険株式会社にデータサイエンティストとして新卒から入社。現在ビジネスデザイン部データサイエンスチームに所属し、これまで分析コンサルティング業務や社内データサイエンティスト育成に従事。現在、社内システムの予測モデルの開発や運用、産学連携による新技術の研究などに携わる。
下山輝昌（著者）：｟下山輝昌｠（しもやまてるまさ）
日本電気株式会社の中央研究所にてデバイスの研究開発に従事した後、独立。機械学習を活用したデータ分析や機械学習等に裾野を広げ、データ分析コンサルタント/AIエンジニアとして幅広く案件に携わる。2021年にはテクノロジーとビジネスの橋渡しを行い、クライアントと一体となってビジネスを創出する株式会社Iroribiを創業。技術の幅の広さからくる効果的なデジタル技術の導入/活用に強みを持ちつつ、クライアントの新規事業やDX/AIプロジェクトを推進している。共著「Python 実践データ分析100本ノック」「BIツールを使ったデータ分析のポイント」「Python×APIで動かして学ぶ AI活用プログラミング」(秀和システム)など。

内容

なぜ分析スキルを実務で活かせないんだろう？

データを扱うビジネスに携わるすべての人に！
“データ人材”必読のデータ分析の教科書！！
---
課題の絞り込み・原因の特定・対策の立案と、各フェーズを意識し
『着実にゴールを目指す』ための分析トレーニング！！

無償のデータ分析ツール Python & Google Colaboratory で課題解決！

■Part 1　データ分析による課題解決に向けた準備を進めよう ●第1章　データ分析でビジネス課題解決に貢献するためのポイント 1-1　ようこそデータサイエンティストの世界へ 1-2　データサイエンティストの課題解決への貢献ポイント 1-3　データ分析をビジネス課題解決につなげるポイント 1-4　課題解決プロセスと分析プロセスの関係を押さえよう ●第2章　Pythonを用いたデータ分析の基礎体力作り 2-0　準備 2-1　Google Colaboratoryを使ってみよう 2-2　データを読み込んでみよう 2-3　データを結合してみよう 2-4　データの基本的な特性を把握しよう 2-5　欠損値/異常値を処理してデータを綺麗にしよう 2-6　データ取り扱いの注意点とよく使う処理を押さえよう 2-7　集計・可視化・データ出力をしてみよう ■Part2　仮想の分析プロジェクトで課題解決を進めよう ●第3章　「課題の絞り込み」を進めよう（可視化） 3-0　準備 3-1　分析の目的や課題を整理しよう（分析フェーズ１） 3-2　分析のデザインをしよう（分析フェーズ２） 3-3　データの収集・加工を進めよう（分析フェーズ３） 3-4　データ分析を進めよう（分析フェーズ４） ●第4章　「課題の絞り込み」に向けて追加分析を進めよう（クラスタリング） 4-0　準備 4-1　分析の目的や課題を整理しよう（分析フェーズ１） 4-2　分析のデザインをしよう（分析フェーズ2） 4-3　データの収集・加工を進めよう（分析フェーズ3） 4-4　データ分析を進めよう（分析フェーズ4） 4-5　分析結果を整理・活用しよう（分析フェーズ5） ●第5章　「原因の特定」を進めよう（決定木） 5-0　準備 5-1　分析の目的や課題を整理しよう（分析フェーズ１） 5-2　分析のデザインをしよう（分析フェーズ２） 5-3　データの収集・加工を進めよう（分析フェーズ３） 5-4　データ分析を進めよう（分析フェーズ４） 5-5　分析結果を整理・活用しよう（分析フェーズ５） ●第6章　「対策の立案と実行」を進めよう（LightGBM、SHAP） 6-0　準備 6-1　分析の目的や課題を整理しよう（分析フェーズ１） 6-2　分析のデザインをしよう（分析フェーズ２） 6-3　データの収集・加工を進めよう（分析フェーズ３） 6-4　データ分析を進めよう（分析フェーズ４） 6-5　分析結果を整理・活用しよう（分析フェーズ５） ●第7章　「対策の評価」を進めよう（重回帰分析） 7-0　準備 7-1　分析の目的や課題を整理しよう（分析フェーズ１） 7-2　分析のデザインをしよう（分析フェーズ２） 7-3　データの収集・加工（分析フェーズ３） 7-4　データ分析を進めよう（分析フェーズ４） 7-5　分析結果を整理・活用しよう（分析フェーズ５） ●コラム Column　データサイエンティストのサポート役としての生成AI活用 Column　Pythonの「翻訳ソフト」としてChatGPTを活用しよう！ Column　分類モデルにおけるインバランスデータについて Column　RCTについて理解を深めよう

カート

カートに商品は入っていません。

前のページに戻る