※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。 実践的な意思決定力を身につける！ Pythonと因果推論でデータ分析の壁を乗り越える! 　本書では因果推論の活用を通じて、効果検証や相関と因果関係の違いといった、データ分析の現場でよくある問題を解決する方法を紹介します。 　さらに、因果推論の基礎から、機械学習や時系列解析との組み合わせ、さらに因果探索まで学習することにより、因果推論を軸として幅広い問題に対応可能になります。これにより、データ活用の価値を高められます。 　本書では、具体的な事例や豊富な図を用いて、因果推論の基本的な概念や手法を分かりやすく解説します。また、Pythonコードを用いた実装を通じて、因果推論を実務に応用するスキルを身につけることができます。 本書の特徴 ・実践的な学習と活用 　因果推論の基礎だけでなく、ビジネスケースでの活用方法まで、分析手法や企業での活用例の解説をし、Pythonコードを用いた実装を通じてデータ分析のスキルを深めます。 ・直感的な理解のための全体像の把握と図解 　因果推論、機械学習、時系列解析を図で構造的に解説します。 ・意思決定のためのガイドライン 　最適な分析を行い、より良い意思決定に導くための具体的なガイドラインを提供し、データドリブンな意思決定を支援します。 はじめに 第1章　因果の探求から社会実装 第2章　因果推論の基礎 第3章　基本的な因果推論手法 第4章　因果推論高度化のための機械学習 第5章　因果推論と機械学習の融合 第6章　感度分析 第7章　因果推論のための時系列解析 第8章　因果構造をデータから推定する因果探索

世界中の研究者に愛用されているウェブサイト「Academic Phrasebank」の邦訳書がついに登場！ これが、英語論文によく使う表現文例集の決定版。日本語訳付きは便利でやっぱり安心。そのまま使える！ずっと使える！ 【主な内容】 第1部　セクション別表現集 第1章　研究を紹介するための表現 第2章　関連文献に言及するための表現 第3章　方法を説明するための表現 第4章　結果を記載するための表現 第5章　得られた知見の考察に用いる表現 第6章　結論を述べるための表現 第2部　場面別表現集 第7章　批判的態度で臨む際の表現 第8章　慎重を期す際の表現 第9章　分類と列挙の表現 第10章　比較対照の表現 第11章　用語を定義する際の表現 第12章　傾向や予測について説明する表現 第13章　量の記述に用いる表現 第14章　因果関係の説明に用いる表現 第15章　主張を裏づける例を挙げる際の表現 第16章　次の話題に移る際の表現 第17章　過去について述べる際の表現 第18章　要旨で用いる表現 第19章　謝辞で用いる表現 第3部　学術的文章を書くということ 第20章　学術的文章のスタイル 第21章　学術的発表（プレゼンテーション）のスタイル 第22章　間違えやすい単語 第23章　英国綴りと米国綴り 第24章　パンクチュエーション（句読法）について 第25章　冠詞について 第26章　文の構造 第27章　複数の発想を連結する際に使用される語句について 第28章　段落（パラグラフ）の構造 第29章　どうやって書くか 訳者あとがき 本書の使い方・翻訳の方針 監修者あとがき

※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。 教育現場のデータを活かすために！ 　本書は、教育現場に蓄積された多様なデジタルデータ（成績データ、アンケート結果など）の分析方法を解説するものです。 　中・高・大や予備校などの教育現場には、多くのデータ（試験・入試の結果、TOEICなどの外部試験の結果、出席管理システムの情報など）が、なかば勝手に集積されていきます。昨今、データ利用の重要性が叫ばれるなか、そのようなデータの山の中から教育上、有用な知見を見つけ出すことが教育現場にも求められています。 　本書は、大学や予備校、通信教育の教職員・事務職員、教育に熱心な中・高の教職員をおもたる対象として、教育データの分析手法や考え方を解説しています。オープンソースの統計分析向けのソフトウェア環境であるRを用いることで、実際に使える実践的な方法を解説しています。 　教育分野の方以外にも、データ分析が身近な学校という現場を例に、どのように実応用されているかを知ることができる一冊になっています。 【準備編】 第1章　Rの使い方 【基本編】 第2章　記述統計―テスト結果の概要を知りたい 第3章　層別分析・可視化―クラスごとの傾向を視覚的に把握したい 第4章　t検定―2つのテスト結果を比較したい 第5章　分散分析・多重比較―3つ以上のグループや繰り返しのテスト結果を比較したい 第6章　効果量―指導法による成績の違いを調べたい コラム ノンパラメトリック検定―少人数の成績を比較したい 第7章　相関分析―中間試験と期末試験の成績の関係を調べたい コラム テキストマイニング―授業評価アンケートの自由記述を分析したい 【発展編】 第8章　回帰分析―テスト欠席者の見込み点を予測したい コラム マルチレベル分析―異なる学校の成績を比較したい 第9章　因子分析―授業評価アンケートを作成・分析したい コラム 項目反応理論―テストごとの難易度を考慮して成績を出したい 第10章　構造方程式モデリング―成績データから因果関係を探りたい コラム 潜在ランク理論―100点満点のテスト結果を5段階評価に変換したい 第11章　クラスター分析―同じような特徴を持つ学習者をグループ化したい コラム 決定木分析―合格者と不合格者を分けるルールを知りたい 参考文献 索引

なぜタバコやピロリ菌が発がん物質と言えるのか。目に見えない因果関係はどのように証明されるのか。公害事件で医学者の言動を問うてきた著者が、水俣病・タミフル・放射能など具体例を通して、「実験によるメカニズムの検証」という一見すると妥当な考え方に潜む問題点をつく。原因と結果を結ぶ科学の言葉がわかりやすく解説される。

今や「流行語」とも言えるビッグデータだが、 実は流行する前から「ビッグデータ的なもの」は生活の中にいくつもあった。 ビッグデータの活用とは、「データマイニング（Mining＝採掘、鉱業）」と呼ばれるように、 大量の情報の中から有用な事実を発見することだ。 データマイニングでは、結果のみが重視される。 因果関係ではなく、相関関係に注目するのがビッグデータ活用のポイントである。 身近な例から「文系でも分かる」ビッグデータ的なものを紹介する。 ※本書は月刊誌『WEDGE』2013年8月号の特集記事を編集し、電子化したものです。 ◆アメリカンフットボール、漢方、民俗学　文系でも分かるビッグデータ概論 ◆ビッグデータ活用に向け　日本に立ちはだかる課題

「病気の原因は何か」や「その病気の感染リスクはどれくらいあるのか」など，病気についての様々な疑問とそれに関係するデータが現代にはたくさんあります。疫学は病気と健康に関する課題に対してデータと調査を基に真実に迫っていく学問です。様々なデータがある中で，どのようにデータを見て偏り（バイアス）のない正しい因果関係を導き出すのかを実際の例とともに考えていきます。

※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。 【社会調査に必要なテクニックのすべてが分かる】 社会調査データの特徴を捉え、統計学の分析方法の目的と考え方をきちんと理解し、応用へつなげることができる貴重な1冊。中学生レベルの数学でだいじょうぶです。また、ダウンロード可能な練習問題もご用意しました。理解度の確認にご活用ください。 ■目次 ●第1章 データと変数 　　1-1 社会学におけるデータ分析 　　1-2 データとは何か 　　1-3 ケース・変数・値 　　1-4 変数の性質を理解しよう ●第2章 変数の特徴を分析しよう（1） 　　2-1 質的変数の特徴を調べよう：度数分布表 　　2-2 量的変数の特徴を調べよう（1）たくさんある値を区切る（階級） 　　2-3 度数分布表をグラフにする 　　2-4 量的変数の特徴を調べよう（2）変数の「中心」はどこにある？ 　　2-5 平均値・中央値・最頻値の違いを理解しよう ●第3章 変数の特徴を分析しよう（2）変数のちらばり 　　3-1 量的変数のちらばりを把握しよう（1）範囲 　　3-2 量的変数のちらばりを把握しよう（2）分位数 　　3-3 ちらばりをグラフで表現する「箱ひげ図」 　　3-4 量的変数のちらばりを把握しよう（3）分散 　　3-5 量的変数のちらばりを把握しよう（4）標準偏差 　　3-6 標準偏差の応用：標準化・標準得点・偏差値 ●第4章 変数の関係を分析しよう（1）クロス集計表 　　4-1 度数分布表だけで大丈夫？ 　　4-2 クロス集計表 　　4-3 比率で分布を比べる 　　4-4 クロス表のグラフ表現 　　4-5 関連を1つの数値でまとめるには：関連係数 ●第5章 変数の関係を分析しよう（2）平均値の比較と相関関係 　　5-1 質的変数と量的変数の関係の分析 　　5-2 量的変数どうしの関係の分析（1）散布図を描いてみよう 　　5-3 量的変数どうしの関係の分析（2）相関係数 　　5-4 共分散と相関係数の意味を理解しよう 　　5-5 相関係数による分析の例 　　5-6 関係のしかたは1つじゃない ●第6章 変数の関係をより深く考えよう：原因と結果の考え方 　　6-1 因果関係の3 つの基準 　　6-2 見かけ上の相関と第三変数 　　6-3 原因と結果をつなぐもの ●第7章 変数の関係をさらに分析しよう（1） 　　7-1 2重クロス表の限界 　　7-2 3重クロス表 　　7-3 3重クロス表をグラフ化しよう 　　7-4 変数のコントロール 　　7-5 3重クロス集計における関連のパターン ●第8章 変数の関係をさらに分析しよう（2） 　　8-1 変数を組み合わせた平均値の比較 　　8-2 独立変数の影響のパターン 　　8-3 偏相関係数 　　8-4 生態学的相関 ●第9章 そのデータは信頼できますか？母集団と標本の関係 　　9-1 母集団と標本 　　9-2 偏った標本の危険性 ●第10章 部分から全体を知る（1） 　　10-1 推測統計学とは 　　10-2 母数と標本統計量 　　10-3 推測統計学と確率 　　10-4 「確率に基づく判断」の意味 　　10-5 推定の理論的背景 ●第11章 部分から全体を知る（2） 　　11-1 統計的検定の必要性 　　11-2 帰無仮説と対立仮説 　　11-3 統計的検定の考え方 　　11-4 統計的検定の実際 　　11-5 統計的検定の基礎知識 ●第12章 クロス表のカイ2乗検定 　　12-1 クロス集計表の統計的検定 　　12-2 クロス集計表における統計的独立 　　12-3 カイ2乗検定の方法 　　12-4 有意水準と関連の大きさ 　　12-5 カイ2乗値に基づく関連係数：クラメールのV係数 ●第13章 平均値の差の統計的検定 　　13-1 2つの平均値の差の統計的検定：t検定 　　13-2 3つ以上の平均値の差の統計的検定：分散分析 ●第14章 回帰分析の基礎 　　14-1 回帰分析とは 　　14-2 回帰分析の基本的な考え方 　　14-3 予測値と残差 　　14-4 回帰直線の引き方：最小２乗法 　　14-5 あてはまりの良さを調べる：決定係数 　　14-6 回帰分析の統計的検定 　　14-7 分析結果を表にまとめる ●第15章 重回帰分析 　　15-1 独立変数を増やす：重回帰分析 　　15-2 回帰係数の標準化 　　15-3 ダミー変数 　　15-4 重回帰分析の結果のまとめかた ■著者プロフィール ●神林博史：東北学院大学人間科学部 教授。研究分野は社会意識論、社会階層論。 ●三輪哲：立教大学社会学部 教授。研究分野は社会階層・社会移動、計量社会学。

子どもに伝わる「教師の説明」を、徹底解説！ 「教師の一方的な説明で進んでいく授業」からはもう卒業！ 子どもをグッと引き付ける説明方法を大公開！ 教師が具体例や実物を用いて、わかりやすく説明すれば、 子どもも「そうか！なるほど！」と納得感を持って、 教師の意図や伝えたいことが理解できます。 本書では、「子どもの理解を促す説明」「子どもの説明力を高めていく技術」を紹介します。 【目次】 第１章　説明とは？ １　教師の説明とは？ ２　「授業での説明」の役割（１）　学習内容の理解を促す ３　「授業での説明」の役割（２）　学習内容を意義付ける ４　「授業での説明」の役割（３）　子どもの説明力向上 ５　「授業での説明」の高め方 ６　「学級経営での説明」とは？ 第２章　子どもに理解を促す教師の説明　基礎編　 １　理解を促す説明とは？ ２　基礎の基礎――相手意識をもつことが第一― ３　基礎編（１）端的に・短くする ４　基礎編（２）結論を先にいう・全体像を先に示す ５　基礎編（３）具体例を出す ６　基礎編（４）理由・目的を伝える（趣意説明） ７　基礎編（５）あいまいな言葉を排し、具体的な言葉を使う ８　基礎編（６）子ども達に十分伝わる言葉を使う ９　基礎編（７）実物などを見せる 第３章　子どもに理解を促す教師の説明　応用編　 １　理解を促す説明応用編の読み方 ２　応用編（１）喩える ３　応用編（２）対比と類比 ４　応用編（３）因果関係に気づかせる ５　応用編（４）対義語や類義語を用いる ６　応用編（５）極論・仮定を用いる ７　応用編（６）経験を想起させる ８　応用編（７）教師の経験を語る ９　応用編（８）学問の知見を生かす １０　応用編（９）体験をセットにする １１　応用編（１０）挑発を入れる 第４章　子どもたちの説明力を高めていく指導技術 １　子ども達の説明力を高めていくことの意義とは ２　子ども達の説明力を高めていく指導技術（１）教師がモデルになる ３　子ども達の説明力を高めていく指導技術（２）子どもが説明する機会を授業で多くとる ４　「当たり前」「知っている」を説明させる ５　学級経営の場面でも説明させる ６　子ども達の説明への意欲を高める（１）説明の立候補を積極的に募る ７　子ども達の説明への意欲を高める（２）ハードルを上げ、評価する ８　良い説明の基準を明確にし、少しずつ指導する ９　どのような説明が出てきてほしいか想定して授業をつくる １０　クラスで良い説明について共有する １１　共有した説明の工夫を使う機会をつくる １２　書いて説明させる機会も多くとる １３　自分に自分で説明をさせる（１） １４　自分に自分で説明をさせる（２） １５　教師と子ども一緒に互いの説明力を高めていく 第５章　教師の説明力を高める小ネタ １　説明力アップのための実践・微細指導技術 ２　時間感覚を磨く ３　要約力を高める ４　間を恐れない ５　自分の説明を聞いてみる ６　「３」にこだわる ７　主語と述語は近くに置く ８　主語に「の」は使わない ９　曖昧な「が」は使わない １０　「～は！」を安易に使わない １１　使う言葉を動詞から動作表現に変える

経営の神様ドラッカーも絶賛の渋沢哲学。『論語』を人生の指針にすれば絶対後悔しない！渋沢自身がこう断言する『論語』の、人生への生かし方とは？渋沢自身が、実際に試してみて、効果のあった理論を紹介。１９２３年刊行の名著『実験論語処世談』が現代によみがえる！『論語』を実社会や経営の判断基準にしたら、どうなるのか？当時の偉人たちの公私にわたる言動を例に挙げ、成功との因果関係を検証し、ズバリ斬る！たとえば、徳川慶喜公、伊藤博文、大隈重信の「節度」は？　秀吉、信長、三成の「仁」は？より効率よく実践するための、渋沢オリジナルのコツも公開。全ての日本人必読の書。

ACE＝逆境的小児期体験、理解に向けた1冊 最新の研究によれば、子どものころに繰り返し予測不能なストレス、喪失、困難に直面すると、大人になってからの健康状態が影響を受けるという。具体的には、自己免疫疾患、線維筋痛症、うつ病などの重篤な病気の一因になりうる。それだけでなく、他人との関わり、恋愛、子育てにおけるパターンも決まってしまうようだ。 著者のナカザワ氏は、自身も8歳の時に父親と死別。子育てとジャーナリストとしての仕事を両立しながら、10年以上ものあいだ、何度か死に至るような自己免疫疾患と戦ってきた。40代では、ギランバレー症候群を2度経験。慢性的な病気に悩む女性の力になろうと、サイエンスライターとして、神経科学と免疫システム、人間の心の最も深い部分の働きの関係について書いてきた。 そして2012年、ACE（Adverse Childhood Experiences：逆境的小児期体験）という画期的な公衆衛生調査研究に出あう。ACE研究では、さまざまな子ども時代の逆境と、成人後の身体疾患および精神障害の発症には、明らかに科学的な因果関係があることが証明されている。逆境には、暴言や侮辱、精神的または物理的なネグレクト（育児放棄）、身体的または性的虐待、親のうつ病、精神疾患、アルコールや他の物質への依存などが含まれる。当初は10項目が挙げられていたが、その後の研究によって、他の小児期のトラウマ（親との死別、きょうだいの虐待など）も長期間にわたる影響を及ぼすことが明らかになった。 そうしたナカザワ氏の研究の集大成ともいえるのが本書である。小児期の経験が大人になってどのように影響するのかが、アメリカの複数の家庭の例を挙げながら解説されていく。日本でも逆境的体験を余儀なくされる子どもは多いが、アメリカでは深刻で痛ましい例が多く、研究も進んでいる。今後の日本でのACE研究と対策の道しるべになる1冊と言えるだろう。

※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。 【内容紹介】 英語のライティングを勉強していて、こんな悩みはありませんか？ □英語で自分の意見をまとめて書くことに慣れておらず、英語でまとまった文章を書くことに苦手意識がある。 □自分の書いた文章の良し悪しがわからない。 □英語のライティングのコツがわからず、自分の言いたいことがうまく書けていない気がする。 □TOEFL、IELTS、英検のライティングの点数が今一つ伸びない。 TOEFL、IELTSなどのライティング試験では、論理的な文章展開ができていることが評価されます。しかし、多くの英語学習者はこのようなライティング経験が足りず、苦手としている人が多いのが現状です。 また、ライティング力をつけるために、「まず文法力や語彙力をつけるところから始めよう」としてしまい、結果として英文を書く練習が足りない場合もあります。 「伝わる英語」を書くには、複雑な文法や難しい単語を使う必要はありません。 シンプルな英語でも文章の論理・展開がしっかりしていれば、言いたいことはちゃんと伝わるのです。 本書は、 ①ライティングで使いやすいシンプルなセンテンス100を覚える ②2つのセンテンスをつなげる15の論理展開パターンを使いこなす ③TOEFL、IELTS形式で自分の考えを250～300wordの文章にまとめる の順に学びます。 ライティングに使いやすいセンテンスを覚え、センテンスをつなげて文章をまとめる力をつけ、自分の意見を書く練習をするという手順を踏むことで、自分の意見を英語で論理的に伝える力が身につきます。 本書を使って学び、ライティング力をアップさせましょう！ ※本書は2023年に刊行された『英文を編む技術』（石井 洋佑 著、株式会社DHC）を基に、Sample Answersへの別解の追加、解説の追加などを行い、改訂・改題したものです。 【目次】 Chapter 1 センテンスを組み立てる section 1 わかりやすいセンテンスとは section 2 ライティングに使える！英文パターン100 Chapter 2 センテンスをつなげる section 0　センテンスに別のセンテンスをつなげて展開する section 1　抽象から具体へ section 2　一般から特定へ section 3　知っていることから知らないことへ section 4　列挙する section 5　分類する section 6　定義する section 7　共通点を述べる section 8　対比や逆説・意外な展開を示す section 9　因果関係を示す section 10　例を挙げる section 11　結論づける・まとめる section 12　強調する section 13　説明する・繰り返す・言い換える section 14　時系列・手順を示す section 15　空間配列で描写する Chapter 3 文章をまとめる section 0　ライティングのプロセスを知る section 1　２つの意見を検討し自分の意見も述べる section 2　与えられたテーマの是非を検討する section 3　原因を分析して改善案を提示する section 4　賛成／反対意見とその理由を述べる section 5　意見を裏付ける理由と例を挙げる section 6　具体的な理由や例を挙げる section 7　どちらに賛成かの理由を説明する section 8　賛成理由／反対理由を説明する section 9　「選んだもの」と「選んだ理由」を述べる

※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。

本書では「広告が売り上げに影響したのか？」「ある政策を行ったことが本当に良い影響をもたらしたのか？」といった、因果関係分析に焦点を当てたデータ分析の入門を展開していきます。なぜ因果関係に焦点を当てるかというと、因果関係を見極めることは、ビジネスや政策における様々な現場で非常に重要となるためです。また、この「因果関係の考え方」について、数式を使わず、具体例とビジュアルな描写を用いて解説していきます。

※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。 本書は統計モデルの発想、練り上げ、検証、改良にかかわる「統計モデリング」の過程を理解し、扱えるようになることを目的する。第1章では基礎論としてデータの関係を統計モデルの形で記述する方法を解説し、第2〜4章では時系列解析（過去と将来のデータの因果関係）、空間統計学（測定した位置とそれ以外の位置との関係性）、医療統計（診断における統計的検定の使い方）の分野における統計モデリングの具体例を詳述する。

ニュースにはたくさんの数字が出てくる。新型コロナウイルス感染症のパンデミックが世界を席巻してからは、なおさらだ。感染者数、陽性者数、再生産数、陽性率……。しかしその数字は、ニュースに出てくる時点で選択されており、記事のストーリーに沿うかたちで提示されている。因果関係は本当にあるのか。その数字は本当に「大きい」のか。増えた、減ったの判断の基準は本当に正しいのか。じつは数字によるミスリードにはパターンがあり、それを知っていれば大きな間違いは避けられる。具体的な例を使い、ユーモラスな語り口でその方法を伝授する。

※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。 ベイジアンネットワークの知識と実践がわかる ベイジアンネットワークは因果関係を確率によって表示したグラフネットワークで、原因と結果の関係性を数値的に、またグラフィカルに示すことができるため、近年注目されています。 本書ではベイジアンネットワークの基本的な知識と、実際に実務の現場でどのようにベイジアンネットワークが使われているかの実践例を説明します。BayoLinkSというソフトウェア（体験版）を用いた実際の分析方法も紹介しています。 〈執筆者一覧〉（五十音順） 小野　義之 北村　章 阪井　尚樹 佐藤　雅哉 鈴木　聖一 野守　耕爾 本村　陽一 安松　健 株式会社NTTデータ数理システム 第1章　機械学習（AI技術）を使うと何がいいのか 第2章　ベイジアンネットワークとは何か 第3章　BayoLinkSでベイジアンネットワークを体験する 第4章　思考力を拡張させるベイジアンネットワーク 第5章　ID-POS データとベイジアンネットワークによる顧客行動分析 第6章　因果連鎖分析とベイジアンネットワーク 第7章　テキストデータにおけるベイジアンネットワークの適用 第8章　ベイジアンネットワークと予測モデル化によるデータアクティベーション 第9章　医療分野におけるベイジアンネットワークの応用 第10章　ベイジアンネットワークによる製造情報学の実現 第11章　ベイジアンネットワークの理論 第12章　ベイジアンネットワークの応用

2013年、子宮頸がんワクチンはわが国の定期接種となった。ところが、ワクチンを接種した少女たちの一部から、けいれんする、歩けない、勉強ができなくなった、などの訴えがあった。その結果、接種は事実上の停止状態となり、国とワクチン製造会社を相手取った集団提訴が始まっている。しかし、少女たちの症状とワクチンの因果関係が科学的に証明された例はない。それどころか、因果関係がないことを示す名古屋市の調査結果は伏せられ、ある厚労省研究班の発表は世論をミスリードした――。