投稿元:
レビューを見る
図書館で。
図と絵がありわかりやすい。でもしっかり読むと時間もかかるね。
全般的に広く網羅する形で整理させれている理解しやすかった。
データサイエンスとは、データを利用して具体的な問題解決をする。データ分析に統計学的手法を使う。データの収集と分析にITを活用する。こと。
課題を明確にし、データの作成収集検討、統計学の理論と方法、解析、分析解釈、して問題解決する。
データ解析は、データの準備、データの収集と要約、データの分類、データによる予測の工程がある。
データの準備。データ自体を知る。調査非調査、ビックデータ非ビッグデータ、量的質的、個票集計。
データを読む。集まったデータの理解可視化。分布グラフ、要約。相関。
データ分類。クラスター分析、主成分分析、数量化3類。
データから予測。回帰分析、重回帰分析、数量化一類。
データの倫理。情報倫理の4原則 知的所有権の尊重、プライバシーの尊重、公正な情報提示、害意がない危害を加えない。
分析の倫理 正確さや確実さに欠ける可能性 社会的関心や注目の高さ。
投稿元:
レビューを見る
データサイエンスの理解の第一歩として読んだ。
最後までわかりやすく理解できてよかった。
初学者のため評価は避けておく。
投稿元:
レビューを見る
子ども向けのデータサイエンスの本を検索しこの本に出合いましたが、子ども向けとしては難しいように思います。
大人の入門にはちょうどよいように思います。
投稿元:
レビューを見る
データサイエンスというよりは統計の基礎といった内容と思いました。タイトルから想像した内容とは異なりましたが、読みやすい本だとは思います。
投稿元:
レビューを見る
ai時代の統計、データ分析についての基本が分かりやすく書かれている。
共分散、標準偏差、変動係数、クラスター分析、主成分分析、数量化Ⅲ類、数量化Ⅰ類、重回帰分析、ロジスティクス回帰、度数分布表、ヒストグラム、多変量解析など。
実践的な方法も書いてあるので一冊持っておくとよいかも。
投稿元:
レビューを見る
一度読み終えましたが、この分野は高校数学がある程度頭に入っていないと落とし込みにくいので、再度読むことにしますが、何が必要なのかを気づかせてくれた良本です!