| 書誌種別 |
図書 |
| タイトル |
Pythonデータ解析入門 |
| 並列タイトル |
Introduction to Data Analysis with Python |
| タイトルヨミ |
パイソン データ カイセキ ニュウモン |
| 人名 |
森 純一郎／著
|
| 人名ヨミ |
モリ ジュンイチロウ |
| 出版者・発行者 |
東京大学出版会
|
| 出版者・発行者等ヨミ |
トウキョウ ダイガク シュッパンカイ |
| 出版地・発行地 |
東京 |
| 出版・発行年月 |
2024.5 |
| ページ数または枚数・巻数 |
6,251p |
| 大きさ |
21cm |
| 価格 |
￥２７００ |
| ISBN |
978-4-13-062466-4 |
| ISBN |
4-13-062466-4 |
| 注記 |
文献:p243〜244 |
| 分類記号 |
007.609
|
| 件名 |
データマイニング
|
| 内容紹介 |
様々な場面でデータマイニングは現代の必須ツールである。その基礎となる代表的な手法を、Pythonを用いて自分で実装し、基盤となる数理的知識から体系的に理解することを目指す。 |
| 著者紹介 |
東京大学大学院情報理工学系研究科電子情報学専攻博士課程修了。同大学大学院情報理工学系研究科准教授。博士(情報理工学)。 |
| 言語区分 |
JPN |
| タイトルコード |
1009812766676 |
| 目次 |
第1章 データ解析を学ぶ |
|
1.1 はじめに／1.2 本書の構成／1.3 データサイエンス教育に関するスキルセットとの対応／1.4 学習の進め方／1.5 記号表 |
|
第2章 Pythonの基礎 |
|
2.1 Pythonプログラミング言語／2.2 算術演算／2.3 変数／2.4 関数／2.5 if文と条件分岐／2.6 リスト／2.7 文字列／2.8 for文と繰り返し／2.9 辞書／2.10 プログラムの作成 |
|
第3章 Pythonのモジュール |
|
3.1 モジュール／3.2 pandasライブラリ／3.3 NumPyライブラリ／3.4 Matplotlibライブラリ |
|
第4章 データ分析の基礎 |
|
4.1 データとは／4.2 データの収集／4.3 データの観察と理解／4.4 データの整形と加工 |
|
第5章 テキストデータの分析 |
|
5.1 テキストデータ／5.2 テキストの分かち書きと形態素解析／5.3 テキストのベクトル表現／5.4 テキストの類似度／5.5 プログラミング |
|
第6章 ネットワークデータの分析 |
|
6.1 ネットワーク分析／6.2 ネットワークの行列表現／6.3 最短経路／6.4 中心性／6.5 固有ベクトル中心性／6.6 ページランク／6.7 プログラミング |
|
第7章 機械学習の基礎 |
|
7.1 データの表現／7.2 教師あり学習／7.3 汎化性能／7.4 教師なし学習／7.5 機械学習のモデル／7.6 プログラミング |
|
第8章 クラスタリング |
|
8.1 クラスタリング／8.2 階層化クラスタリング／8.3 K‐means法／8.4 <発展>確率分布モデルによるK‐means法の解釈／8.5 プログラミング |
|
第9章 主成分分析 |
|
9.1 主成分分析による次元削減／9.2 主成分分析の考え方／9.3 主成分分析の詳細／9.4 プログラミング |
|
第10章 線形回帰 |
|
10.1 線形回帰／10.2 最小二乗法／10.3 勾配降下法／10.4 勾配降下法の一般化／10.5 正規方程式の一般化／10.6 モデルの評価／10.7 <発展>最尤法によるパラメータ推定／10.8 プログラミング |
|
第11章 モデル選択 |
|
11.1 過学習／11.2 モデル選択／11.3 交差検証／11.4 交差検証によるモデル選択の例 |
|
第12章 ロジスティック回帰 |
|
12.1 ロジスティック回帰モデルによる分類／12.2 ロジスティック回帰モデルのパラメータ推定／12.3 ロジスティック回帰モデルのパラメータ推定の一般化／12.4 <発展>多クラス分類／12.5 分類結果の評価／12.6 プログラミング |
|
第13章 ニューラルネットワークの基礎 |
|
13.1 ニューロンとニューラルネットワーク／13.2 多層ニューラルネットワーク／13.3 <発展>ニューラルネットワークによる関数の表現／13.4 <発展>ニューラルネットワークの学習／13.5 確率的勾配降下法／13.6 深層ニューラルネットワーク |
|
付録 Pythonのプログラミング環境 |
|
付.1 Colaboratory／付.2 Anaconda |
