あらすじ
※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。
本書は、データサイエンティストとして知っておくべき基礎知識・資格・業務・課題などをビジュアルに解説しています。
最近注目されているデータサイエンティストの仕事から、知っておいて欲しい基礎知識、実務上の課題、そしてデータサイエンティストとしてのキャリアパスを描くために必要な資格、キャリアストーリーも収録。
データサイエンティストという名前は聞いたことがあるけれど、仕事にするならどんなことを知っていれば良いのだろうかと悩む方でも、体系的・網羅的に把握することができます。
感情タグBEST3
このページにはネタバレを含むレビューが表示されています
Posted by ブクログ
データ関連について少しアップデートすべく読書。
基礎的な部分や現状の具体的な活用文脈などにも触れられており、基礎的な知識拡充にはよき。
メモ
・ピープルアナリティクス
属性データ
性格志向データ
勤務データ
行動データ
・ロジスティック回帰 目的地が2値のときに用いる。
・Light GBM勾配ブースティング
予測と実測誤差を計算し、誤差を決定木で学習する方法。
・顧客ベースでまとめるのがクラスタリング、属性ベースでまとめるのが次元削減。教師なし学習で用いられる
・ベイジアンネットワーク 条件付き確率から因果関係強さを判断する。
・データサイエンティストが直面する課題
欠損値を除くために３日徹夜
・担当者の直感に合わないモデルは使われない
Posted by ブクログ
データサイエンティストは何ができるか。
デジタルマーケティングの分野。以前はCRM（カスタマーリレーションシップマネジメント）、これからは感情も考慮したマネジメント＝CX（デジタルエクスペリエンス）。
配送最適化
ダイナミックプライシング
AI発注＝需要予測
スポーツデータサイエンス＝能力の最大化、けがの防止など
ピープルアナリクス＝人材マネジメント
統計の原理を知っておく
中心極限定理、大数の法則
信頼区間
仮説検定
相関係数
ベイズ統計＝モンティホール問題
因果推論
AI・機械学習・ディープラーニング
アルゴリズム
回帰分析＝最小二乗法、P値
多重共線性＝重回帰分析
ロジスティック分析
決定木、LightGBM
クラスタリング、k-means、
主成分分析
ベイジアンネットワーク
時系列分析
prophet
自然言語処理、GPT-３
交差検証（クロスバリデーション）
自動機械学習(AUTOML）
データ分析は統計ソフトを使う前の前処理が多くなってきた。データ分析の８割を占める。
POSからID-POSへ＝パーソナルマーケティング。
関連資格
統計検定２級以上、データサイエンティスト検定、基本情報技術者、G検定、統計検定（データサイエンス）、Python３エンジニア認定検定、ビジネス統計スペシャリスト
