※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 数理最適化は、ビジネスや日常生活でベストな意思決定を行うために役立つツールです。数理最適化を活用することで、「売上を最大化する商品価格を求めたい」といった場合に、目的の値を最大化（または最小化）するための最適解を効率的に求めることができます。自分の頭の中では解けないような複雑な課題も、数理最適化の型に落とし込めば、すっきりと整理されます。本書では「もっとも効率的な配送ルートは？」「リスクを最小化する投資銘柄の組み合わせは？」「さまざまな条件を満たす職場のシフトは？」といった具体的な課題を例にあげながら、数理最適化の考え方を解説しています。本書では、複雑な数式やプログラミングは使わず、多くの人にとって身近なExcelを活用します。実際にExcelを操作して課題を解きながら、数理最適化への理解を深めることができます。これまで数理最適化にふれたことのない人でも理解しやすく、データサイエンス入門の入り口にもなる一冊です。

2024年4月号目次 4月のビジネスカレンダー 4月の事務ごよみ 新法令・通達解説 これからの法改正の動き 2024年に施行される人事労務面の法改正への実務対応 これってどうなる!? インボイス実務にまつわるお悩みQ&A 非上場株式の譲渡等を行なう際の時価の算定方法 商工中金の民営化による中小企業の資金調達への影響とは 他人に聞けない…不正・横領が判明したときの税務処理 経理担当者なら知っておきたい 金融商品取引法等の改正ポイント 連載　先行き不透明な時代の経営支援 中小企業の「管理会計」入門【13】 連載　なるほど納得 勘定科目【83】 新連載　元銀行マンは語る 企業融資の本音と建前【1】 人手不足のなか 男性の育休取得環境をどう整えるか 健康保険証廃止に向けたスケジュールと業務フローを確認する 被災時に企業や従業員が利用できる補助金・助成金等には何があるか 新連載　中核人材の離職を防ぐ「介護休業」の実務【1】 連載　これってハラスメント？【48】 連載　労務トラブルを防ぐ「社内規程」「労使協定」はこうつくる【63】 エンゲージメントを高める 新入社員を歓迎する挨拶・スピーチの勘どころ 中小企業の「株主総会議事録」はこうつくれば大丈夫 何をどこまで決めるべき？ はじめての「情報セキュリティ研修」計画 適切にストレスを解放する上手なグチのこぼし方 新連載　絶対に失敗しない！ デジタル化の進め方 連載　実践で使いたい！ Excelの便利テクニック【18】 連載　中小企業の「データサイエンス」入門【終】 連載　実務よろず相談室 連載　温故知新 東京のレトロ建築を歩く【21】 連載　最近の危ない商法【64】 机の上の小さな変革 世の中を読むデータ 花のある空間 新連載　小田真規子の即席ごちそうレシピ 読者プレゼント 企業実務記事総索引 （付録）実務Series SNSネイティブ世代のための「電話応対」の手引き （付録）　1. 電話応対の基本 （付録）　2. 電話の受け方 （付録）　3. 電話のかけ方 （付録）　4. クレーム応対 （付録）　5. 英語の電話応対 （付録）　6. 電話応対フレーズ集

★まずは実行しよう。数理はそれからだ。★ 初学者が無理なく読み進められるように、ていねいに解説した。まずは、Rでデータ解析を実践し、Rの操作を習熟したら、数理的側面を学ぶ構成。理解の定着に役立つ練習問題が充実！　コードはWebで公開。 【サポートページ】 https://sites.google.com/view/ihsayah/sdar 【主な内容】 第1章　準備：Rの操作 第2章　データの可視化と要約 第3章　回帰分析（1）：単回帰モデル・重回帰モデル 第4章　回帰分析（2）：統計的推測・正則化法に基づく回帰分析 第5章　判別分析 第6章　ロジスティック回帰モデル 第7章　単純な規則に基づく判別モデル：決定木・インデックスモデル 第8章　主成分分析 第9章　クラスター分析 第10章　ブートストラップ法 第11章　Rを用いたシミュレーション：数理統計学を「実感」する 【「巻頭言」より抜粋】 文部科学省は「数理及びデータサイエンスに係る教育強化拠点」6 大学(北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学)を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。 本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。 データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。 ――編集委員長 竹村彰通(滋賀大学データサイエンス学部学部長、教授)

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 Rによる実践と分析のセオリーを把握 数学の苦手な文化系の学生，実務者向けに、分析スキルの習得および理解を目的としてまとめたデータサイエンス（統計学）の入門書です。計算はRに任せ、数学的な理解よりもまずは実践・実際的な理解を促します。 実際の課題（研究課題）を取り上げ、それを解くためのセオリーおよびデータ分析、結果のまとめ方、最後にまとめ（考え方）と類題といった構成で解説することで、目的（テーマ）に応じた分析の流れを学ぶことができます。 【このような方におすすめ】 ◎卒論・修論，仕事で推測統計を使ったデータ分析を試みている文系の学生・実務者 ○文系研究者でデータ分析を使ってみたいと思ってる人やその予備軍 【主要目次】 準備 Chapter 0　Rはじめの一歩―これだけで使えるR― 第1部 Chapter 1　グラフを描き、記述統計量を出す―Rエディタを使う― Chapter 2 　統計分析はじめの一歩―標準化と統計的仮説検定― Chapter 3　同じ人の異なるテストの平均点を比較する―TOEIC のReading とListening はどちらが難しいのか― Chapter 4　異なる人のテストの平均点を比較する―音楽的能力は音楽経験の有無で異なるか― Chapter 5　サンプルの小さい外れ値のある二条件（群）を比較する―電話をかける頻度に性差はあるか― Chapter 5 発展　三条件（群）以上の対応のない順序データを比較する―サッカー選手はポジションによって性格が異なるか― Chapter 6　二つの変数の関係性を数値化する―音楽的能力と数学の力の相関― 第2部 Chapter 7　2×２のクロス集計表を分析する―ボディランゲージは聞き手の理解を促進するか― Chapter 8　名義変数の関係性を数量化し理論化を試みる―高校の時に好きだった科目と理系大学での所属学科に関連性はあるか― Chapter 8 発展　名義変数間の関係性を２次元で表現―対応分析－ Chapter 9　テキストマイニング―パートナーに求めるもの― 第3部 Chapter 10　同じ人の三つ以上の平均を比べる―理科嫌いは小中高のどこではじまるのか― Chapter 11　二つの要因の絡みを浮き彫りにする―TOEIC リスニングのスコアはどうすれば上がるのか― Chapter 12　複数の変数で一つの変数を説明する―キャンパス学食の満足度は何によって決まるか― Chapter 12 発展　説明変数から二値データを予測する―オンライン授業の印象を分ける要因は何か― Chapter 13　変数に共通する因子を見つける―自分の心配や悩みを相手が受け止めてくれたと感じる言葉とは― Chapter 14　人をグループに分ける―大学入学の動機によって人を分類してみる― 類題の解説・解答 参考図書 別表

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ビッグデータやAIによる社会の変化、データ分析＆活用の基礎がまるわかり！ 文系・理系を問わず身につけるべき「現代社会の必須教養」をやさしく解説。 　ビジネスの現場では今、データサイエンスやAIを理解し、活用できる人材が求められています。政府もそのような人材の育成を重視して、2025年までにすべての大学・高等専門学校生が初級レベルの数理・データサイエンス・AIを習得するという目標を掲げました。文部科学省などは「数理・データサイエンス・AI 教育プログラム認定制度（リテラシーレベル）」を開始して、大学などでのデータサイエンス・AI教育を支援しています。データサイエンスやAIの授業を文系・理系を問わず必修化する大学も目立つようになりました。 　これからの社会（Society 5.0）では、データサイエンス・AIの知識は“常識”であり、誰もが持つべき必修のスキルなのです。本書は、その入門書として、データサイエンス・AIの活用動向から、基本的なデータリテラシー、さらに統計やデータ分析の基礎までを学べるように構成しました。 　「数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラム」に対応すべく、第1章ではデータやAIがいかに活用され、社会に変革をもたらしているのかを紹介。またそれらを活用するうえでの留意事項を解説しています。そして第2章からは、多くの人にとって身近な「Excel」というツールを使い、データ分析を実践的に学習します。第2章では統計学の基礎、第3章ではマクロ（VBA）を使った自動化の方法、第4章ではマクロによるシミュレーション、第5章では統計的推定、検定などについて学びます。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ★ベストセラー『教養としてのデータサイエンス』に続く第2弾！★ ★「数理・データサイエンス・AI（応用基礎レベル）モデルカリキュラム」に完全準拠した公式カラーテキスト！★ ・いますぐ身につけるべき「データサイエンス」「データエンジニアリング」「AI」の基礎知識がここにある！ ・文理を問わず、大学・高専生に、自らの専門分野への数理・データサイエンス・AIの「応用基礎力」を習得させることを目的として編纂された。 ・カラーで見やすく、練習問題も充実。 【主な内容】 1章　データサイエンス基礎 1.1　データ駆動型社会とデータ分析の進め方　（久野遼平） 1.2　データの記述　（宿久　洋） 1.3　データの可視化　（宿久　洋・久野遼平） 1.4　データ分析の手法　（原　尚幸) 1.5　数学基礎　（清　智也) 2章　 データエンジニアリング基礎 2.1　ビッグデータとデータエンジニアリング　（内田誠一） 2.2　データ表現、プログラミング基礎、アルゴリズム基礎　（辻　真吾） 2.3　データ収集と加工、データベース　（森畑明昌） 2.4　ITセキュリティ　（宮地充子） 3章　 AI基礎 3.1　AIと社会　（松原　仁) 3.2　機械学習の基礎と予測手法　（赤穂昭太郎） 3.3　深層学習の基礎　（今泉允聡) 3.4　ロボット、認識、言語　（高野　渉） ※この商品は紙の書籍のページを画像にした電子書籍です。文字だけを拡大することはできませんので、タブレットサイズの端末での閲読を推奨します。また、文字列のハイライトや検索、辞書の参照、引用などの機能も使用できません。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ◆「数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラム」に完全準拠した公式テキスト！！◆ 【安宅和人氏（慶應義塾大学教授・ヤフーCSO）推薦！！】 「どこからデータサイエンスを？」と悩む人は、まずこの一冊を手に取るべし。 ・大学生はもちろんビジネスパーソンも、いますぐ知っておくべき教養がここにある。 ・「数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラム」のうち「導入」「基礎」「心得」に完全準拠。 ・文理を問わず、すべての大学生に、数理・データサイエンス・ＡＩを習得させることを目的として編纂された。 ・カラーで見やすく、練習問題も充実。 【主な内容】 第1章　［導入］　社会におけるデータ・AI利活用 1.1　社会で起きている変化　（樋口知之） 1.2　社会で活用されているデータ　（樋口知之） 1.3　データ・AIの活用領域　（孝忠大輔） 1.4　データ・AI利活用のための技術　（内田誠一） 1.5　データ・AI利活用の現場　（丸山　宏） 1.6　データ・AI利活用の最新動向　（内田誠一） 第2章　［基礎］　データリテラシー 2.1　データを読む　（川崎能典） 2.2　データを説明する　（椎名　洋） 2.3　データを扱う　（川崎能典） 第3章　［心得］　データ・AI利活用における留意事項 3.1　データ・AIを扱う上での留意事項　（中川裕志） 3.2　データを守る上での留意事項　（佐久間淳）

※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 「統計学」は、多くのデータから、そして時には限られた少数のデータから、そこに潜んでいる構造を明らかにし、未来の予測をも行うための科学「データサイエンス」である。 本書は、大学に入学して間もない経済学・経営学などを専攻する学生や、社会に出て経済・経営の現場で働き始めたビジネスマン・ビジネスウーマン等が、統計学を学び始める・学び直すための入門書である。 読者が躓きやすいところ、難しく感じると思われるところについては、40年以上にわたる著者の教育経験に基づき、なるべく経済・経営分野の具体例を出しながら極力丁寧に解説をした。 なお本書では、例題や問題において、あえて同じデータ（数値）を繰り返し用いるようにした。それは、同じデータであっても「そこから何を読み解くか」「どのように分析するか」によって、導かれる結果（情報）が異なってくることを実感してもらうためである。そのため、単純な分析から次第に高度な分析へと進化していく様子がわかるように書かれている。 データサイエンスを学びたいという読者に、ぜひお薦めしたい。

「最適化」を使うことを目指して、さまざまな最適化モデルを解説した。理論は必要最低限にとどめ、具体的な例とＰｙｔｈｏｎコードを多く掲載している。東京大学のＵＴｏｋｙｏＯＣＷの講義映像「数理手法３」とも連携！ 【データサイエンス入門シリーズ】 第1期として、以下の3点を同時刊行! ・データサイエンスのための数学：椎名　洋・姫野哲人・保科架風（著）清水昌平（編） ・データサイエンスの基礎：浜田悦生（著）狩野　裕（編） ・最適化手法入門：寒野善博（著）駒木文保（編） 第2期の刊行は2019年11月の予定(^o^)/ 【「巻頭言」より抜粋】 データサイエンス分野の遅れを取り戻すべく、日本でも文系・理系を問わず多くの学生がデータサイエンスを学ぶことが望まれます。 文部科学省も「数理及びデータサイエンスに係る教育強化拠点」6 大学（北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学）を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。 本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。 データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。 ――編集委員長　竹村彰通（滋賀大学データサイエンス学部学部長、教授）　 【推薦の言葉】 データサイエンスの教育の場や実践の場で利用されることを強く意識して、動機付け、題材選び、説明の仕方、例題選びが工夫されており、従来の教科書とは異なりデータサイエンス向けの入門書となっている。 ――北川源四郎(東京大学特任教授、元統計数理研究所所長) 国を挙げて先端IT人材の育成を迅速に進める必要があり、本シリーズはまさにこの目的に合致しています。本シリーズが、初学者にとって信頼できる案内人となることを期待します。 ――杉山将(理化学研究所革新知能統合研究センターセンター長、東京大学教授)

◆RとPython両方学べる。コスパ最強の一冊！◆ ・コードが理解の試金石！ ・「データサイエンスの準備」にページを割いているから、プログラミング経験ゼロで大丈夫！　 ・自分に合った言語を見つけたい、言語を乗り換えたいという方にもおすすめ！ [サポートサイト] https://github.com/taroyabuki/fromzero [主な内容] 第1部　データサイエンスのための準備 1章　コンピュータとネットワーク 2章　データサイエンスのための環境 3章　RとPython 4章　統計入門 5章　前処理 第2部　機械学習 6章　機械学習の目的・データ・手法 7章　回帰1（単回帰） 8章　回帰2（重回帰） 9章　分類1（多値分類） 10章　分類2（2値分類） 11章　深層学習とAutoML 12章　時系列予測 13章　教師なし学習 付録A　環境構築

Rも数理もていねいに！ データ解析の標準的ツールとなったスパース回帰分析、判別分析、深層学習、サポートベクターマシン、ランダムフォレストなどをRコードとともに解説。深層学習はRのパッケージkerasで実装。具体例も豊富で実用性も高い！　また、選ばれたモデルへの理解などの発展的な内容まで踏み込んだ。 【主な内容】 1章　回帰モデルとスパース推定 2章　統計手法によるパターン認識 3章　深層学習 4章　機械学習によるパターン認識 【「巻頭言」より抜粋】 文部科学省は「数理及びデータサイエンスに係る教育強化拠点」6 大学(北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学)を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。 本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。 データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。 ――編集委員長 竹村彰通(滋賀大学データサイエンス学部学部長、教授) 【推薦の言葉】 データサイエンスの教育の場や実践の場で利用されることを強く意識して、動機付け、題材選び、説明の仕方、例題選びが工夫されており、従来の教科書とは異なりデータサイエンス向けの入門書となっている。 ――北川源四郎(東京大学特任教授、元統計数理研究所所長) 国を挙げて先端IT人材の育成を迅速に進める必要があり、本シリーズはまさにこの目的に合致しています。本シリーズが、初学者にとって信頼できる案内人となることを期待します。 ――杉山将(理化学研究所革新知能統合研究センターセンター長、東京大学教授)

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 TableauとPythonの組み合わせで学ぶデータサイエンス入門です。入門とは言っても、すでにTableauでビジュアル分析をしていて、機械学習を用いるデータ活用にチャレンジしたい方を対象としています。CRISP-DMプロセスの中で楽ができるところはTableauで楽をして、モデリングには最新アルゴリズムを無料で利用できるPythonを組み合わせることで、「ちょっと難しそう」と思われがちなデータサイエンスに気軽にチャレンジできます。

基礎をしっかりと理解し、Ｐｙｔｈｏｎですぐに実践！　社会で求められるデータサイエンスの応用３分野を、各分野の専門家が平易な文章と多彩な図で説く。 ・初歩の動機づけから基本原理、さらには社会実装までを見すえる ・学んだことが、すぐに試せる。豊富なPythonコードを収録 ・練習問題を多数掲載し、講義テキストに最適。初学者の自学自習にも役立つ 【主な内容】 第I部 テキスト分析（西川仁） 第1章 テキスト分析概論 第2章 言語資源と言語モデル 第3章 基礎技術 第4章 応用技術 第II部 画像分析（佐藤智和） 第1章 画像解析の概要 第2章 画像のデータ表現 第3章 二次元画像解析 第4章 三次元画像解析 第5章 三次元構造の推定アルゴリズム 第III部 音声データ分析（市川治） 第1章 音声認識の全体像 第2章 音声データの特徴量 第3章 音響モデル 第4章 言語モデル 第5章 デコーダ 第6章 音声認識技術の発展 【「巻頭言」より抜粋】 文部科学省は「数理及びデータサイエンスに係る教育強化拠点」6大学（北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学）を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。 本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。 データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。 ――編集委員長 竹村彰通（滋賀大学データサイエンス学部学部長、教授）

ビッグデータの時代だ。さまざまな分野の研究がデータ駆動型に変わってきている。ビジネスでのビッグデータ利用も人工知能の開発とあいまって盛んだ。データの処理・分析に必要な情報学（コンピュータ科学）と統計学の基本知識をおさえ、またデータから新たな価値を引き出すスキルの学び方を紹介する。待望の入門書。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 【データをどうやって見ていますか？】 データサイエンスや人工知能への関心の高まりとともに、データを読み取る能力の重要性が高まっています。データサイエンティストでなくても、「最近行った販促活動は売上につながっているのか」「広告や報道、SNSに出てくるグラフの読み取り」「ネットの情報の真偽を確かめる」など、私達は仕事や日常で多くのデータを扱っています。 本書は、数学が苦手な人にも馴染みやすい身近な例からデータに関する基本を学び、数字に強くなり、データを正しく読み取る事ができるようになるための書籍です。 ■こんな方におすすめ ・データの見方を理解したい人 ・数学は苦手だけど数字に強くなりたい人 ■目次 第1章 データとは　－データを基にして考える 第2章 データには種類がある　－種類でわかる数値の意味 第3章 正確な数字と大まかな数字　－オーダーと有効数字 第4章 デジタル化すれば便利になる？　－アナログとデジタル 第5章 平均値は真ん中の値？　－データの特徴を数値で表す 第6章 データどうしの結びつきを考えよう　－因果関係を疑う 第7章 ひっかけグラフにご用心　－グラフを読み解くポイント 第8章 データリテラシーを身につけるために　－データ社会の処世術 ■著者プロフィール 阿部 圭一（あべ けいいち）：名古屋大学大学院博士課程修了、工学博士、静岡大学、愛知工業大学を経て、現在はフリー。静岡大学名誉教授。専門は情報学、情報教育。著書に『よくわかるデジタル数学-離散数学へのアプローチ』（近代科学社、2020年）、『よくわかるデータリテラシー　データサイエンスの基本』（近代科学社、2021年）など。

現実社会のデータを多く扱いながら、データサイエンスの概念と確率の基礎をしっかりていねいに解説。データリテラシーを涵養するためのまたとない入門書！　データサイエンスを知るならまずこの本！　【データサイエンス入門シリーズ】第1期として、以下の3点を刊行!　・データサイエンスのための数学：椎名　洋・姫野哲人・保科架風（著）清水昌平（編）・データサイエンスの基礎：浜田悦生（著）狩野　裕（編）・最適化手法入門：寒野善博（著）駒木文保（編）／【「巻頭言」より抜粋】データサイエンス分野の遅れを取り戻すべく、日本でも文系・理系を問わず多くの学生がデータサイエンスを学ぶことが望まれます。文部科学省も「数理及びデータサイエンスに係る教育強化拠点」6 大学（北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学）を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。　編集委員長　竹村彰通（滋賀大学データサイエンス学部学部長、教授）　【推薦の言葉】データサイエンスの教育の場や実践の場で利用されることを強く意識して、動機付け、題材選び、説明の仕方、例題選びが工夫されており、従来の教科書とは異なりデータサイエンス向けの入門書となっている。――北川源四郎(東京大学特任教授、元統計数理研究所所長)　　国を挙げて先端IT人材の育成を迅速に進める必要があり、本シリーズはまさにこの目的に合致しています。本シリーズが、初学者にとって信頼できる案内人となることを期待します。――杉山将(理化学研究所革新知能統合研究センターセンター長、東京大学教授)

データサイエンスの門をたたく前に必要となる数学を、一冊にまとめたテキスト。微分積分・線形代数・確率論の中から、入門者が学んでおきたい基礎を厳選、平明簡潔に整理した。まずはこの本で、しっかり基礎固め！【データサイエンス入門シリーズ】第1期として、以下の3点を刊行!・『データサイエンスのための数学』椎名　洋・姫野哲人・保科架風（著）清水昌平（編）・『データサイエンスの基礎』浜田悦生（著）狩野　裕（編）・『最適化手法入門』寒野善博（著）駒木文保（編）【「巻頭言」より抜粋】データサイエンス分野の遅れを取り戻すべく、日本でも文系・理系を問わず多くの学生がデータサイエンスを学ぶことが望まれます。文部科学省も「数理及びデータサイエンスに係る教育強化拠点」6 大学（北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学）を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。――編集委員長　竹村彰通（滋賀大学データサイエンス学部学部長、教授）　【推薦の言葉】データサイエンスの教育の場や実践の場で利用されることを強く意識して、動機付け、題材選び、説明の仕方、例題選びが工夫されており、従来の教科書とは異なりデータサイエンス向けの入門書となっている。――北川源四郎(東京大学特任教授、元統計数理研究所所長)国を挙げて先端IT人材の育成を迅速に進める必要があり、本シリーズはまさにこの目的に合致しています。本シリーズが、初学者にとって信頼できる案内人となることを期待します。――杉山将(理化学研究所革新知能統合研究センターセンター長、東京大学教授)

ツールとして不可欠な技術をコンパクトに！ ・データベースの活用を目的とし、SQLの操作は「問い合わせ」を中心に、MySQLに準拠して解説！ ・関係データベースの基本とその使い方、データの可視化、NoSQLまで網羅！ ・実践的なデータ分析事例として、Wikipediaダンプデータの分析を紹介！ 【サポートページ】 https://sites.google.com/view/dbfordatascience 【主な内容】 1章 はじめに 2章 関係データベースの基本 3章 SQLと正規化 4章 データの可視化と分析 5章 NoSQL 6章 実践的データ分析事例 【「巻頭言」より抜粋】 文部科学省は「数理及びデータサイエンスに係る教育強化拠点」6 大学(北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学)を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。 本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。 データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。 ――編集委員長 竹村彰通(滋賀大学データサイエンス学部学部長、教授) 【推薦の言葉】 データサイエンスの教育の場や実践の場で利用されることを強く意識して、動機付け、題材選び、説明の仕方、例題選びが工夫されており、従来の教科書とは異なりデータサイエンス向けの入門書となっている。 ――北川源四郎(東京大学特任教授、元統計数理研究所所長) 国を挙げて先端IT人材の育成を迅速に進める必要があり、本シリーズはまさにこの目的に合致しています。本シリーズが、初学者にとって信頼できる案内人となることを期待します。 ――杉山将(理化学研究所革新知能統合研究センターセンター長、東京大学教授)

【米Amazonでのトップセラーが待望の日本語化。Excelでデータサイエンスの本質を学ぶ！】 データサイエンスは、データをただ眺めたり、単純に集計するだけでは見えてこない、価値のある共通点や傾向などをデータから探し出す技術です。勘やひらめきではなく、データに基づくマーケティング活動が重視される現代のビジネスにおいて、意思決定の基盤にもなりつつあります。 本書は、今後ますます重要性が増していくデータサイエンスに初めて触れる方のための入門書です。最大の特徴は、ビジネスパーソンにとって最も身近なツールである「Excel」を使ってデータサイエンスの手法を学ぶ点です。 本書では、Excelファイルのサンプルデータをダウンロードして、手元のパソコンで解説に沿って一歩ずつ分析を進めていきます。分析のプロセスを可視化できるため、高度なデータサイエンスの手法とその本質を初心者でも順を追って理解できます。解説しているデータサイエンスの手法はクラスター分析・教師なし機械学習・線形プログラミング・教師あり機械学習・アンサンブルモデル・予測モデリング・外れ値検出といった実践的なものです。 また、最終章ではExcelで行ったデータ分析をR言語で再度行うことで、より実務的な環境への橋渡しも行います。 本当の意味で「データを扱う技術」を身に付けたい方に、まず手にとっていただきたい一冊です。 〈こんな方にお勧めです！〉 ・データサイエンスの根本的な考え方を身につけたい方 ・データサイエンスにどのような手法があるか知りたい方 ・自分のデータ分析が十分なものか不安を感じている方 ・プログラミングやコードの知識を備えていない方 〈本書で行うデータ分析〉 ・ワインの顧客別売上データから、顧客の嗜好を4つのクラスターに分類する ・自社製品に関するツイートを機械学習で見つけ出す ・コストと味を一定に保つオレンジジュースの最適な混合比率を算出する ・商品購買履歴からもうすぐ赤ちゃんが生まれる家庭を見つけ出す ・過去36ヶ月の売上データから今後12ヶ月の売上を予測する ・最低限のことしかやらない不良従業員を探し出す

ロジスティック回帰モデル、一般化線形モデル、混合分布モデルまで、この一冊で！ ・確率分布、推定、検定などの基本的な内容から、ロジスティック回帰モデル、一般化線形モデル、混合分布モデルまでを一冊で解説した、稀有の入門書 ・Rによるデータ分析例およびコードを多く掲載！ 【データサイエンス入門シリーズ】 第2期として、以下の2点を同時刊行! 『統計モデルと推測』松井秀俊・小泉和之（著）竹村彰通（編） 『Pythonで学ぶアルゴリズムとデータ構造』辻真吾（著）下平英寿（編） 第3期の刊行は2020年2月の予定(^o^)/ 【「巻頭言」より抜粋】 　文部科学省は「数理及びデータサイエンスに係る教育強化拠点」6 大学(北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学)を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。 　本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。 　データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。 ――編集委員長 竹村彰通(滋賀大学データサイエンス学部学部長、教授) 【推薦の言葉】 データサイエンスの教育の場や実践の場で利用されることを強く意識して、動機付け、題材選び、説明の仕方、例題選びが工夫されており、従来の教科書とは異なりデータサイエンス向けの入門書となっている。 ――北川源四郎(東京大学特任教授、元統計数理研究所所長) 国を挙げて先端IT人材の育成を迅速に進める必要があり、本シリーズはまさにこの目的に合致しています。本シリーズが、初学者にとって信頼できる案内人となることを期待します。 ――杉山将(理化学研究所革新知能統合研究センターセンター長、東京大学教授) ※この商品は紙の書籍のページを画像にした電子書籍です。文字だけを拡大することはできませんので、タブレットサイズの端末での閲読を推奨します。また、文字列のハイライトや検索、辞書の参照、引用などの機能も使用できません。

現代社会を支える根幹技術をPythonで！　 Pythonプログラミングのスキルアップにも最適！ 名著『Pythonスタートブック』の著者である辻真吾氏が書き下ろす至極の入門書！　ソートやグラフ構造など基本的な内容から、乱択アルゴリズムや数論、ブロックチェーンの仕組みなどの幅広い話題までを解説。コードはWeb公開（ https://github.com/tsjshg/pyalgdata）。 【データサイエンス入門シリーズ】 第2期として、以下の2点を刊行! 『統計モデルと推測』松井秀俊・小泉和之（著）竹村彰通（編） 『Pythonで学ぶアルゴリズムとデータ構造』辻真吾（著）下平英寿（編） 【「巻頭言」より抜粋】 　文部科学省は「数理及びデータサイエンスに係る教育強化拠点」6 大学(北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学)を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。 　本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。 　データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。 ――編集委員長 竹村彰通(滋賀大学データサイエンス学部学部長、教授) 【推薦の言葉】 データサイエンスの教育の場や実践の場で利用されることを強く意識して、動機付け、題材選び、説明の仕方、例題選びが工夫されており、従来の教科書とは異なりデータサイエンス向けの入門書となっている。 ――北川源四郎(東京大学特任教授、元統計数理研究所所長) 国を挙げて先端IT人材の育成を迅速に進める必要があり、本シリーズはまさにこの目的に合致しています。本シリーズが、初学者にとって信頼できる案内人となることを期待します。 ――杉山将(理化学研究所革新知能統合研究センターセンター長、東京大学教授)

※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 リアルな8つの事例ごとに、ビジネス上のさまざまな問題を解決に導くまでの分析ストーリーを、実績ある企業の分析実務者2人が解説。各事例のログデータとフリーソフトＲのスクリプトを使って実際に自分で分析の追体験をすることが可能です。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 データサイエンスは、ビジネスのあらゆる現場で役立つスキルです。たとえば需要予測。日々の販売計画を精緻化することは、業務の無駄をなくし、広い視点では大量廃棄などの課題解決にも役立ちます。また、ECサイトに欠かせないレコメンデーションシステム。おすすめの商品を高い精度で提案してくれるシステムによって、顧客の利便性が高まり、同時に売上アップにもつながります。ほかにもデータサイエンスが基礎となっている仕組みは数多く存在します。いまや人々の生活に欠かせなくなったAIなどの技術もデータサイエンスの一分野です。 このようにデータサイエンスは、「データサイエンティスト」などの専門職だけが知っておけば足りる知識ではなく、あまねくビジネスパーソンが知っておくべき知識であり、スキルなのです。本書ではこのデータサイエンスを、ビジネス実務を題材に、難しい話なしで解説しています。また、データをどのように扱うか実感できるようにExcelファイルを用意してあります。座学＋実践でしっかり腑に落ちるデータサイエンス入門書の決定版です。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ★いま物理学と密接に関わるデータサイエンスの世界に飛び出そう！ 統計の初歩から、ベイズ推定、MCMC、さらにはニューラルネットまで、 初めて活用する人に向けて物理学者ならではの視点で解説。 付録にPythonコードを付した。 【主な内容】 第0章　データサイエンス、機械学習……何が嬉しいの？ 第1章　推定と検定 第2章　高次元のモデルへ 第3章　ベイズモデリング 第4章　マルコフ連鎖モンテカルロ法 第5章　正則化とスパースモデリング 第6章　判別モデル 第7章　ガウス過程 第8章　ニューラルネットワーク 付録A　Pythonプログラム ※この商品は紙の書籍のページを画像にした電子書籍です。文字だけを拡大することはできませんので、タブレットサイズの端末での閲読を推奨します。また、文字列のハイライトや検索、辞書の参照、引用などの機能も使用できません。

ベイズ統計を支えるMCMCをやさしく丁寧に! マルコフ連鎖モンテカルロ法（MCMC）が驚くほど真面目によくわかる！　理解を助けるためのR言語のコードや章末の練習問題が充実！　モンテカルロ法の感覚を養ってもらうために「乱数の生成」を第2章で解説した。また，入門向けを標榜しながらも，後半の第4章以降では，和書で情報を得ることが難しい「エルゴード性」について踏み込んだ。 【主な内容】 1章 序論 2章 乱数 3章 積分法 4章 マルコフ連鎖 5章 ギフスサンプリング 6章 メトロポリス・ヘイスティングス法 【「巻頭言」より抜粋】 文部科学省は「数理及びデータサイエンスに係る教育強化拠点」6 大学(北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学)を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。 本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。 データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。 ――編集委員長 竹村彰通(滋賀大学データサイエンス学部学部長、教授) 【推薦の言葉】 データサイエンスの教育の場や実践の場で利用されることを強く意識して、動機付け、題材選び、説明の仕方、例題選びが工夫されており、従来の教科書とは異なりデータサイエンス向けの入門書となっている。 ――北川源四郎(東京大学特任教授、元統計数理研究所所長) 国を挙げて先端IT人材の育成を迅速に進める必要があり、本シリーズはまさにこの目的に合致しています。本シリーズが、初学者にとって信頼できる案内人となることを期待します。 ――杉山将(理化学研究所革新知能統合研究センターセンター長、東京大学教授)