内容

目次

【目次】 Chapter1 データ分析エンジニアの役割 1.1 データ分析の世界 1.1.1 データ分析を取り巻く状況 1.1.2 データ分析とPython 1.1.3 データサイエンティストとは 1.1.4 データ分析エンジニアとは 1.1.5 データハンドリング（前処理）の重要性 1.2 機械学習の位置づけと流れ 1.2.1 機械学習とは 1.2.2 データからモデルを作る 1.2.3 機械学習のタスク 1.2.4 機械学習の処理の手順 1.3 データ分析に使う主なパッケージ 1.3.1 パッケージとは 1.3.2 サードパーティ製パッケージの紹介 Chapter2 Pythonと環境 2.1 実行環境構築 2.1.1 Python公式版をインストール 2.1.2 venv: Pythonの仮想環境 2.1.3 pipコマンド 2.1.4 Anaconda 2.2 Pythonの基礎 2.2.1 Pythonの文法 2.2.2 基本構文 2.2.3 標準ライブラリ 2.3 JupyterLab 2.3.1 JupyterLabとは 2.3.2 JupyterLabのインストール 2.3.3 基本的な使い方 2.3.4 便利な使い方 2.3.5 第4章以降で使用する環境の準備 Chapter3 数学の基礎 3.1 数式を読むための基礎知識 3.1.1 数式と記号 3.1.2 数学記号 3.1.3 関数の基本 3.2 線形代数 3.2.1 ベクトルとその演算 3.2.2 行列とその演算 3.3 基礎解析 3.3.1 微分と積分の意味 3.3.2 簡単な関数の微分と積分 3.3.3 微分と関数の値 3.3.4 偏微分 3.4 確率と統計 3.4.1 統計の基礎 3.4.2 データの可視化方法 3.4.3 データとその関係性 3.4.4 確率 3.4.5 確率分布 3.4.6 確率と関数 3.4.7 確率と情報量 Chapter4 ライブラリによる分析の実践 4.1 NumPy 4.1.1 NumPyの概要 4.1.2 NumPyでデータを扱う 4.1.3 NumPyの各機能 4.2 pandas 4.2.1 pandasの概要 4.2.2 データの読み込み・書き込み 4.2.3 データの整形 4.2.4 時系列データ 4.2.5 欠損値処理 4.2.6 データ連結 4.2.7 統計データの扱い 4.3 Matplotlib 4.3.1 Matplotlibの概要 4.3.2 描画オブジェクト 4.3.3 グラフの種類と出力方法 4.3.4 スタイル 4.3.5 pandasのオブジェクトからグラフ描画 4.4 scikit-learn 4.4.1 前処理 4.4.2 分類 4.4.3 回帰 4.4.4 次元削減 4.4.5 モデルの評価 4.4.6 ハイパーパラメータの最適化 4.4.7 クラスタリング Chapter5 応用：データ収集と加工 5.1 スクレイピング 5.1.1 スクレイピングとは 5.1.2 スクレイピング環境の準備 5.1.3 Webページをダウンロード 5.1.4 Webページから要素を抜き出す 5.1.5 書籍の一覧を抜き出す 5.1.6 書籍の詳細ページをクロールする 5.1.7 スクレイピングで気を付けること 5.1.8 次のステップ 5.2 自然言語処理 5.2.1 必要なライブラリのインストール 5.2.2 形態素解析 5.2.3 Bag of Words（BoW） 5.2.4 TF-IDF 5.2.5 極性判定 5.3 画像データの処理 5.3.1 画像を扱う準備 5.3.2 画像データの基本 5.3.3 簡単な画像の処理 5.3.4 数値データとしての画像 5.3.5 機械学習を使った画像の分類