データサイエンスのための統計学入門 第2版 予測、分類、統計モデリング、統計的機械学習とr / Pythonプログラミング

データサイエンスにおいて重要な統計学と機械学習に関する５２の基本概念と関連用語について、簡潔な説明とその知識の背景となる最低限の数式、グラフ、ＲとＰｙｔｈｏｎのコードを提示し、多面的なアプローチにより、深い理解を促します。データの分類、分析、モデル化、予測という一連のデータサイエンスのプロセスにおいて統計学の必要な項目と不必要な項目を明確にし、統計学の基本と実践的なデータサイエンス技法を効率よく学ぶことができます。データサイエンス分野における昨今のＰｙｔｈｏｎ人気を反映し、第１版ではＲのみの対応だったコードが、今回の改訂でＰｙｔｈｏｎにも対応。コードはすべてＧｉｔＨｕｂからダウンロード可能です。

目次 : １章　探索的データ分析/ ２章　データと標本の分布/ ３章　統計実験と有意性検定/ ４章　回帰と予測/ ５章　分類/ ６章　統計的機械学習/ ７章　教師なし学習

【著者紹介】
ピーター・ブルース : Ｓｔａｔｉｓｔｉｃｓ．ｃｏｍという統計の教育機関を設立。現在は約１００コースの教育プログラムを提供している。そのうち約３分の１がデータサイエンティストを対象としたもの。プロのデータサイエンティストを養成するためのインストラクターとして優秀な開発者を募集し、また、プロのデータサイエンティストに訴えるマーケティング戦略を練る過程において、この分野のマーケットにおける幅広い視点と自身の専門知識の両方を広げた

アンドリュー・ブルース : 学術機関、政府、ビジネスなど幅広い領域において統計とデータサイエンスの分野で３０年以上の経験を持つ。ワシントン大学で統計学の博士号を取得。査読付き論文誌に多数の論文が採択されている。また、金融機関からインターネットのスタートアップまで、さまざまな業界が直面するさまざまな問題に対する統計ベースのソリューションを開発し、データサイエンスの実践の深い理解を促している

ピーター・ゲデック : Ｃｏｌｌａｂｏｒａｔｉｖｅ　Ｄｒｕｇ　Ｄｉｓｃｏｖｅｒｙ社のシニアデータサイエンティスト。創薬の生物学的および物理化学的特性を予測する機械学習アルゴリズムの開発が専門。ドイツのエアランゲン＝ニュルンベルク大学で化学の博士号を取得。ドイツのハーゲン通信大学で数学を学んだ

黒川利明 : １９７２年、東京大学教養学部基礎科学科卒。東芝（株）、新世代コンピュータ技術開発機構、日本ＩＢＭ、（株）ＣＳＫ（現ＳＣＳＫ（株））、金沢工業大学を経て、２０１３年よりデザイン思考教育研究所主宰。過去に文部科学省科学技術政策研究所客員研究官として、ＩＣＴ人材育成やビッグデータ、クラウド・コンピューティングに関わり、現在情報規格調査会ＳＣ２２　Ｃ＃、ＣＬＩ、スクリプト系言語ＳＧ主査として、Ｃ＃、ＣＬＩ、ＥＣＭＡＳｃｒｉｐｔ、ＪＳＯＮなどのＪＩＳ作成、標準化に携わっている

大橋真也 : 千葉大学理学部数学科卒業、千葉大学大学院教育学研究科修士課程修了。千葉県公立高等学校教諭。大学非常勤講師、Ａｐｐｌｅ　Ｄｉｓｔｉｎｇｕｉｓｈｅｄ　Ｅｄｕｃａｔｏｒ、Ｗｏｌｆｒａｍ　Ｅｄｕｃａｔｉｏｎ　Ｇｒｏｕｐ、日本数式処理学会、ＣＩＥＣ（コンピュータ利用教育学会）。現在、千葉県立千葉中学校・千葉高等学校数学科教諭（本データはこの書籍が刊行された当時に掲載されていたものです）