検索結果
-
-※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。 エンゲージメント、自己効力感、モチベーション、職務満足など、最近、人事の現場では、人事特有の用語を使う人が増えてきました。 しかし、「その正確な意味や活用法は?」と聞かれると、きちんと答えられない人がほとんどではないでしょうか。 本書では、こうした人材マネジメント用語について、その定義や発祥から、正しい使い方や適用範囲、そして関連する人事施策や制度までを、学術研究の成果に基づき、「イラスト+図解」の形式でわかりやすく解説します。 人事関係者だけでなく、マネジメント全般に携わる方にもおすすめの一冊です。
-
4.5
-
4.0※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。 数字とか管理会計と聞くと、「経理や財務の人たちに必要なスキルで関係ない」などと思われる方がいるかもしれません。果たして本当にそれでいいのでしょうか。答えは「No」です。管理会計的な視点を持てば、私たちがビジネス上の判断を誤る危険を減らしてくれます。 本書は、仕事で財務諸表は見たことがあるけれど、今一つ、ビジネスに活用しきれていない方や、現場からマネジメントに携わる立場に変わって、会社の数字と向き合って意思決定をしなくてはならなくなった方。あるいは将来のビジネスリーダーとして計数的なスキルを高めたい方に向けて、実践的な会計視点を提供する、管理会計の本格的な教科書です。
-
4.2※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。 『コンサル転職で出題されるやつだよね。』 皆さんは「フェルミ推定」と聞いて、こんな風に思っていませんか? もしくは、 『日本に電柱は何本ある?とかって、調べればいいのでは?必要?』 こんな疑問を抱いている人もいるでしょう。 でも、違うのです。 フェルミ推定は、もちろんコンサルタントにも必要ですが、ビジネスパーソンにこそ絶対に必要な、まさにビジネススキル。 もっと言えば、 【ロジカルシンキングを超える戦略思考】 これです。これこそが、フェルミ推定なのです。
-
4.3※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。 データ分析のための手法は、統計学の考え方に基づいています。だから、本格的なデータ分析に取り組むためには、統計学の知識と考え方を身に着けることが不可欠。にも関わらず、既存の統計学の本は「数学的な記述ばかりの難解な専門書」もしくは「広く浅くの超入門書」ばかりで、「データ分析の前提となる統計学」を本格的に学ぶには厳しい状況だと言わざるを得ません。対して本書は、データ分析には必須な仮説検定から統計モデリング、さらに因果推論、ベイズ統計、機械学習、数理モデルまで幅広いトピックを網羅的に扱っています。 記述については最大限にわかりやすく、数学的な説明をできるだけ減らし、図を多用することで、数学に自信のない読者の方でも読み通せるように工夫しました。統計学に苦手意識・不安のある方、文系の方やこれからデータサイエンスを本格的に始めてみたい方、生物学・医学・心理学などの研究分野でデータ分析が必須の学生の方など、統計学をきちんと学びたい全ての方に向けた一冊です。
-
4.1※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。 本書では、各種分析手法をただ網羅するだけでなく、データのばらつきやバイアスに関する基礎知識、データにさまざまな偏りを生じさせる行動心理学、,サンプリングの方法と理論、データハンドリングのノウハウ、各種分析の考え方、データの解釈における認知バイアスや数理モデリングのポイント、システム運用時に発生する問題など、非常に幅広い視点でデータ分析者が知っておかなければならない知識を整理し、平易に解説しています。
-
4.2全米70万部超の古典的名著。大学、企業、研究機関などでリサーチする人、必読。
-
4.3※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。 そのモデル、本質を理解して使っていますか? 本当にデータの全てを活用しきれていますか? 回帰分析、ResNet、方策勾配法、因子分析・主成分分析、階層ベイズモデリング、正準相関分析、カーネル回帰分析・・・実戦で頻出するデータ形式への対応に必須の分析モデル群を完全網羅! 【強化学習はいつ使うべきなのか?】 【なぜ、勾配決定木や畳み込みは強いのか?】 【結局、ベイスの定理は何に使えるのか?】 すべての疑問が間違いなく解消されます!