馬場真哉の作品一覧

※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。 R言語によるデータ分析をはじめてみよう! この本は、初心者向けのR言語の入門書です。 R言語はデータ分析に秀でたプログラミング言語です。もちろん無料で使えます。 この本では、R言語の初歩と、データ分析の基本を解説しています。 Tidyverseと呼ばれる「データ分析の生産性を上げてくれる便利なパッケージ群」の解説もしています。 【特徴】 ・基礎から順にステップアップするので、初心者でも読みやすい ・「3行で終わる短いプログラミング事例」を豊富に紹介 ・難易度マークがついているので、難しい箇所は飛ばしながら読める ・巻末にRリファレンスがついているので、読み返しやすい 【内容】 第1部【導入編】Rを始める 第2部【初級編】Rによるデータ分析の基本 第3部【中級編】長いコードを書く技術 第4部【応用編】Tidyverseの活用 参考文献 索引 Rリファレンス

統計学の基礎から 統計モデリング、機械学習の入り口まで しっかり学べる！ 【本書の概要】 データサイエンスやAIについて学ぶ上で欠かせない 統計学の知識をPythonを利用して 基礎からしっかり学べる書籍です。 【統計学の学習にPythonを利用する理由】 Pythonは統計学を学ぶのに便利なライブラリが多数用意されており データサイエンス、AIの研究開発に数多く利用されています。 統計学の基礎を学ぶのに格好のプログラミング言語です。 【対象読者】 ・統計学の初学者 ・統計学を学びたいエンジニア 【本書のポイント】 はじめて統計学を学ぶ方でも躓かずに学習できるよう 以下の3つをもとに丁寧に解説しています。 ・データの分析方法 ・分析の意味 ・Pythonによる分析の実践 【目次】 第1部　統計学をはじめよう 第2部　PythonとJupyter Notebookの基本 第3部　記述統計 第4部　確率と確率分布の基本 第5部　統計的推定 第6部　統計的仮説検定 第7部　統計モデルの基本 第8部　正規線形モデル 第9部　一般化線形モデル 第10部　統計学と機械学習 ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

Pythonの入門書を終えたみなさん，こんな悩みはありませんか？ 「ここから何を勉強すればいいんだろう」 「Pythonの機能はどういう場面で役に立つんだろう」 本書はそうした方々のために，Software Designで過去好評を博した特集の中からPythonに関する記事を再収録したベストセレクションです。 第1章～第4章ではPythonの概要や始め方をあらためて紹介し，実用上押さえておきたいライブラリの使い方やエラー処理のポイントを解説します。さらに，第5章～第7章ではPythonの定番の使い道のうち，「自動化スクリプト」「テキスト処理」「統計学」の3点を取り上げます。 Pythonの入門書と専門書のすきまを埋めるガイドブックです！

《予測を「作る」から「使う」へ》 ・具体的な数値例，Pythonプログラミングを通して，手を動かしながら学ぶ！ ・決定分析の基本と活用を中心に，効用理論，確率予測までを解説！ ・リスクや不確実性がある中での意思決定に興味がある人に最適！ 【サポートページ】 https://logics-of-blue.com/decision-analysis-and-forecast-book-support/ 【キーワード】 ▼決定分析の基本 　決定問題・期待値・展開型分析・相互情報量・KL情報量・情報の価値 ▼決定分析の活用 　予測の評価・コスト/ロスモデル・標準型分析・ベイズ決定・逐次決定 ▼効用理論入門 　選好・効用関数表現・期待効用最大化の原理・vNMの定理・リスク態度 ▼確率予測とその活用 　確率予測の基本・信頼度・ブライアスコア・ROC曲線・最適な決定方式 【目次】 第1部　序論 　第1章 意思決定における予測の活用 　第2章 決定分析の役割 第2部　決定分析の基本 　第1章 決定分析の初歩 　第2章 Pythonの導入 　第3章 決定分析におけるPythonの利用 　第4章 期待値に基づく意思決定 　第5章 情報の量 　第6章 情報の価値 第3部　決定分析の活用 　第1章 予測の評価 　第2章 コスト/ロスモデルと予測の価値 　第3章 決定分析の事例 　第4章 標準型分析 　第5章 逐次決定問題における予測の活用 第4部　効用理論入門 　第1章 選好と効用関数表現 　第2章 期待効用理論 第5部　確率予測とその活用 　第1章 確率予測の基礎 　第2章 確率予測の活用

「基本をより実践的に！」学べる新シリーズの第一弾は、「統計モデリングの世界」へのファーストブック。基礎から学べる超入門！・チュートリアル形式だから、すぐに実践できる！・統計、確率、ベイズ推論、MCMCの基本事項から、やさしくサポート！・brmsやbayesplotなどのパッケージの使い方も、しっかり身につく！・一般化線形モデル(GLM)→一般化線形混合モデル(GLMM)→動的線形モデル(DLM)→動的一般化線形モデル(DGLM)を体系的に学べる！【本書のサポートページ】https://logics-of-blue.com/r-stan-bayesian-model-intro-book-support/　【実践Data Scienceシリーズ】　「基本をより実践的に！」を合言葉に、データサイエンスで用いられる各種手法の基本を、プログラミングの実装とともに解説していきます。はじめて学ぶ大学生、大学院生、ソフトウェアエンジニアに向けた注目の新シリーズです。【主な内容】1部　【理論編】ベイズ統計モデリングの基本　1.はじめよう！　ベイズ統計モデリング　2.統計学の基本　3.確率の基本　4.確率分布の基本　5.統計モデルの基本　6.ベイズ推論の基本　7.MCMCの基本／2部　【基礎編】RとStanによるデータ分析　1.Rの基本　2.データの要約　3.ggplot2によるデータの可視化　4.Stanの基本　5.MCMCの結果の評価　6.Stanコーディングの詳細／3部　【実践編】一般化線形モデル　1.一般化線形モデルの基本　2.単回帰モデル　3.モデルを用いた予測　4.デザイン行列を用いた一般化線形モデルの推定　5.brmsの使い方　6.ダミー変数と分散分析モデル　7.正規線形モデル　8.ポアソン回帰モデル　9.ロジスティック回帰モデル　10.交互作用／4部　【応用編】一般化線形混合モデル 1.階層ベイズモデルと一般化線形混合モデルの基本 2.ランダム切片モデル 3.ランダム係数モデル／5部　【応用編】状態空間モデル　1.時系列分析と状態空間モデルの基本 2.ローカルレベルモデル 3.状態空間モデルによる予測と補間 4.時変係数モデル　5.トレンドの構造　6.周期性のモデル化　7.自己回帰モデルとその周辺　8.動的一般化線形モデル：二項分布を仮定した例　9.動的一般化線形モデル：ポアソン分布を仮定した例

基礎理論を飛ばさない！ 推定・検定から統計モデル・機械学習へ！ 本書は統計学の理論をゼロから学べる教科書です。 IoTやビッグデータの発展によりさまざまなデータが社会にあふれ、 全てのデータを確認するのは難しくなってきています。 多くのデータから価値があるデータを作成するには統計学の知識が必須です。 【本書のポイント】 本書は統計学をはじめて勉強するかたでも、 読み進めていけるように、以下の3点を重点的に解説しています。 ・データをどのように分析するのか ・なぜそのように分析するのが良いことなのか ・Pythonを使ってどのように分析するのか 【統計学を勉強するためのツールについて】 この書籍では、学習していく際のツールに、プログラミング言語のPythonを使用します。 PythonはExcelやRより自由度が高く、機械学習に多く利用されているので幅広い層から注目を集めています。 Pythonに馴染むことにより、機械学習を利用したデータ分析者になるための基礎的な技術も身に付けられます。 【本書の構成】 本書は全7部構成になっています。 それぞれの部で次のようなことを解説しています。 第1部では統計学の基本を解説しています。 第2部でPythonの基本やJupyter Notebookの使い方を説明します。 第3部でPythonを用いた統計分析の方法を学びます。 第4部からは統計モデルについて学んでいきます。 第5部では正規線形モデルを解説します。 第6部それを発展させた一般化線形モデルについて解説します。 第7部は、統計学から機械学習へのつながりを学びます。 統計学やPythonのことを何も知らない方にもオススメの一冊です。 ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。