Pythonによるあたらしいデータ分析の教科書第3版

AI & TECHNOLOGY

書籍

オンデマンド版

大活字版

書籍

雑誌

電子版

読み上げ可能電子版

オーディオブック

他著：寺田学

他著：辻真吾

他著：鈴木たかのり

出版社：翔泳社

※二次利用等に関するお問い合わせは
出版社トップページへ

同一作品の他版

アクセシブルブック

内容紹介

最新環境に対応した第3版の登場！
データ分析エンジニア必携の
基本知識を最短で習得できる

【本書の概要】
本書はデータ分析エンジニアに必要な
以下の基礎知識について
サンプルを交えながら丁寧に解説します。

・データの取得・加工
・データの可視化
・プログラミング
・基礎的な数学の知識
・機械学習の流れや実行方法

【第3版のポイント】
・Pythonデータ分析試験の主教材に指定
・Python 3.13に対応
・各種ライブラリの最新版への対応

【本書で学べること】
・Pythonの基本的な文法
・データフォーマットについて
・データの前処理技術
・データの可視化技術
・既存アルゴリズムでの機械学習の実装方法

【対象読者】
データ分析エンジニアを目指す方

【目次】
Chapter1 データ分析エンジニアの役割
Chapter2 Pythonと環境
Chapter3 数学の基礎
Chapter4 ライブラリによる分析の実践
Chapter5 応用：データ収集と加工

【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